一文读懂数据分析必备思维：框架思维

生活工作中有很多必须解决的难题，比如如何提升公司整体盈利能力，何如提升用户价值？如何让自己更快乐，如何理解爱与被爱？这些问题重要庞大而笼统，如何用合理的解题方式寻找答案？

波西格在《禅与摩托车维修艺术》一书中说“一旦你遇到了真正的难题，试过了所有的办法，绞尽了脑汁仍然没有任何进展，你就会知道这回你和老天爷较上劲了，于是你祭出正式的科学方法”。正式的科学方法是什么呢？就是把问题写下来，往往在你写的时候，解决的方法就浮现出来了。

要把问题写下来，起码要兼顾以下六个方面：

1. 问题是什么。
2. 假设问题的原因。
3. 证实每个假设的实验方法。
4. 预测实验的结果。
5. 观察实验的结果。
6. 由实验得出结论

这与芭芭拉·明托《金字塔原理》讲的4大原则基本是一致的

遇到的问题越多，寻找的方法越多，会发现这个世界解决难题的思路是相通的，本质是一样的。我们要做的就是提炼核心的解决路径，形成一套通用的解决问题的框架思维，针对复杂的问题进行有效的思考分析。这是一套我学习总结并且不断完善的思维框架：

明确目标

我们在着手做一件事情之前，首先要做的就是明确目标。问题起源于现实与目标之间的差距，所以首先要知道你的目标在哪里？目标不同则问题不同。

1.明确分析对象

(1)分析的对象是谁？比如产品流失专项分析，分析对象是已流失用户（或即将流失用户），在脑海中大概勾勒出对流失用户的画像，尽可能的列出这部分用户的特点。

(2)定义该对象：什么样的用户算是流失用户？满足什么行为算流失？多长时间算流失，根据产品数据表现我们定义：连续30日未登录用户即为流失用户。

(3)确定衡量标准：流失率多少算高？需要确定一个可衡量的临界值。产品初期60%都可以接受，成长期30%流失率算高，这个要看实际产品所处生命周期及行业标准。

2.明确分析目的

(1)为什么要分析它？能否解决根本问题？是否有更本质的问题?

还是流失分析的例子，如果产品初创期让你做流失专项分析，你需要想想这能否解决根本问题？产品初创期的重点在于验证产品能否为目标人群提供核心价值，重点关注留下来的目标人群画像和留存率。可以不必过于关注流失用户，走掉的不是你的用户，任他来去就好，要关注谁才是你的用户。

(2)目标受众是谁？分析结论与方案输出给谁？

给CEO他关心全局利益最优，给运营则关心具体可执行的调整方案，目标受众决定了分析方向和侧重点。

(3)这个问题的解决能带来多少收益？

这个问题会影响到你对这件事情的优先级判定，投入多少时间和精力。

3.明确分析目标

你的分析结果最终用来做哪方面的指导？

原因定位：定位问题原因给出合理的解释说明即可。

刷新认知：你需要告诉大家一些原来没发现或不知道的事实，关注哪些是重要但未知的事。

方案调整：除了问题原因分析之外还需要给出具体可落地的解决方案。

战略升级：需要研究行业知识，探索新的方向或是增长空间，更偏向于行业战略分析。

界定问题

是不是分析对象、分析目的、分析目标都明确之后，要分析的问题就已经很清晰了？当然不是。分析对象/目的/目标这些是针对问题的基本回答，都触达不了问题的核心，也就是问题本身。问题需要被界定清楚，才可以发现真正的解题方向，如何界定问题？

1、准确描述问题

说不清问题是什么？你也许会问怎么会有这种情况，事实上这是比较常见的情况。这时候建议你写下来，并且只写你明确知道的问题。如波西格在《禅与摩托车维修艺术》中这样建议：

问题：你的摩托车为什么发动不了？这么问听起来似乎很呆板，但却是正确的。它要比这样写好：电路系统有什么问题？因为你尚不清楚真正的问题是否出现在电路系统，所以你应该先说摩托车出了什么问题，然后再进行第二步骤。

2、结构化梳理问题

面对复杂的问题不知道从何下手梳理时，可以使用5W2H分析法向自己提问。5W2H分析法易于理解、使用并且富有启发性，有助于弥补考虑问题的疏漏。注意这个提问是有先后顺序的，每个问题是逻辑递进的。

“提出正确的问题，往往等于解决了问题的大半”，会正确提问的人是真正的高手。基本可以认为界定问题是一个分析最难也是最重要的环节，如果一个任务你只有2天时间完成，花一天时间界定清楚问题都是值得的。没想清楚就开始分析，你可能会面临完成后的全部推倒重来。

提出假设

将界定清楚问题之后，需要将大的复杂的问题，拆分成容易解决的小问题，列出问题的构成清单。大胆假设，小心求证，并尝试寻找导致问题的潜在原因，把问题转换成假设。

1、将问题拆至最小

(1)拆解原则：相互独立、完全穷尽。

MECE原则：麦肯锡解决问题流程的必要原则，解题思路保持完整，避免遗漏和重叠。适合于客观理性的分析，感性的问题由于相互重叠，含糊不清不适于用MECE原则。比如日购买人数=DAU*购买转化率，那么DAU与购买转化是否相互独立？除了这两个因素还有别的影响因素吗？如果没有那这样拆解就是OK的。其实你的每次拆解都在尝试寻找潜在原因。

(2)拆解方法1：逻辑树分析法

分层罗列问题的所有子问题，从最高一层开始，将已知的问题作为主干，逐步向下扩展分析。如下示例：次日留存下降分析逻辑树拆解：在同一维度上有明确区分不重叠，又要保证全面周密。

(2)拆解方法2：公式拆解法

也就是对结果进行四则运算分解。如GMV=购买人数*客单价，则可以从购买人数和客单价这两个方向依次拆解。

拆解完成之后，可以确认分析方向及内容，所有的分析内容都将围绕分析目的展开，都将服务于问题的解决。

2、确定主要问题

将问题拆解与做出假设后，会有很多分析方向，需要按照重要程度影响程度，将问题进行优先级排序，有重点的分步进行分析。

提出假设环节核心原则：大胆假设、小心求证

针对每个问题提出最初假设，最初的假设可以帮助我们找到问题的方向，但要知道这些只是假设，还不是事实。我们要在后续的分析过程中不断证明或者推翻自己的假设，所以不要把自己最初的假设当成了问题的答案。切记带着答案去假设和分析，一切要以事实为基础。

验证假设

1、收集信息数据

1）去哪收集信息数据？

内部数据库还是行业资料，需要依据分析目的而定，数据信息越多问题越容易定位清晰。收集信息是分析师基本功，合格的分析师一定具备很强的数据搜索能力。

2）如何判断准确性失效性？

哪些数据源具备准确性和时效性，需要敏锐的判断。保持对数据的敏感，锻炼对信息敏感判断的能力。

3）数据信息太多选择用哪些？

现在不是数据太少，而是数据太多太庞杂，即使是正确的数据也不是全部都要使用，需要在杂乱无序的数据中提炼出核心信息，找到真正的规律，这将锻炼数据信息提炼能力。

2、构建分析框架

问题拆解与信息收集完成后，你需要根据手头的资料梳理思路，规划出一张逻辑清晰的分析框架图：

• 罗列你对已界定问题的逐级拆解。
• 判定各问题分析方向及优先级顺序。
• 支持分析的信息及数据梳理。

如下简单示例图，GMV下降分析框架图：

3、选择分析方法

分析方法之前有写过：数据分析的框架和常用方法

有很多分析方法可以使用：比如象限法、多维拆解、假设法、二八法、漏斗法、对比法、SWOT法等。需要不断学习，知道每种分析方法和模型适合解决什么问题，根据不同的分析内容灵活的选择分析方法，建立一套科学的分析方法。

验证假设就是整个分析过程：收集信息→构建分析框架→选择分析方法→输出分析结果。分析过程中尽量多做团队头脑风暴，充分发挥团队的力量，也有助于团队开阔创新思维。

输出结论

1、背景说明

什么时间地点发生了什么：交代“背景”；

导致了什么问题：引出“冲突”；

提出“疑问”怎么解决：引导你的报告将会“回答”；

用讲故事的方式呈现：背景-冲突-疑问-回答，确保读者听者的思维跟你在同一条线上。

2、结论输出

分析报告对于逻辑性和表达形式要求都很高，而“金字塔原理”正是以结果为导向的逻辑推理过程，非常专业的结构化呈现方式，有效帮助分析师形成结构化思维方式。

1. 结论先行：每个报告只有一个中心思想，并放在报告的最前面。
2. 以上统下：每一层次上的思想必须是对下一层次思想的总结概括。越往金字塔上层的结论价值越高。
3. 归纳分组：每一组中的思想必须属于同一逻辑范畴。
4. 逻辑递进：每一组中的思想必须按照逻辑顺序排列。

3、执行方案

所有的分析最终都将落在执行方案及建议，没有具体可执行落地动作，报告再好也是浮在云端。

文源：禅与数据分析