标签：无法 推断 标准 获得 mda nbsp htm 范围 避免
1)概述
结构化是将‘思维如同乱麻’转换为 ‘清晰的思维图’。
摒弃‘想一点是一点’，减少时间浪费
结构化思想来自麦肯锡金字塔
2)如何将分析思维结构化
①将论点归纳和整理
②将论点递进和拆解
③将论点完善和补充
3)金字塔的思考方式
①核心论点
寻找金字塔的塔顶，它可以是假设，问题，预测，原因
也就是整个问题的核心
②结构化拆解
自上而下，将核心论点层层拆解成分论点，上下之间成因果关系或依赖关系
③MECE
相互独立，完全穷尽
论点之间无交集，所有论点的并等于父节点
即，论点之间避免交叉和重复，分论点们要尽量完善
④验证
不论核心论点还是分论点，都应该是可量化的，用数据说话，其必然是可验证的
1)概述
结构化的树状图中：父节点 = 子节点 + 子节点 + ...
2)特点
上下互为计算、左右呈关联，一切结构皆可量化，最小不可分割
以一个例子了借业务化：
共享自行车 如何判断自行车在一个城市的投放量
进行结构化和公式化后 会忽略 自行车的损坏率等其他因素
而损坏率等因素考虑进去，就是业务化思维例子
结构化 + 公式化
道理懂了许多，但离分析水平大成，总还是差那么一点
使用结构化 + 公式化获得的最终的分论点。很多时候，是现象。数据是某个结果的体现，但不代表原因
业务化
为分析而分析，却没有深入理解业务，俗称不接地气。好的数据分析思维，本身也是具备业务思维
(换位思考)
结构化思维 ——> 结构化数据 ——> 结构化业务数据
捋顺思路 将其可数据化（公式化） 落地，贴合业务
四象限，八象限
1)核心
象限法是一种策略驱动思维
2)优点
直观，清晰，对数据进行人工划分。划分结果可以直接应用于策略
3)应用
应用范围广、战略而分析，产品分析，市场分析，客户管理、用户管理、商品管理等
4)需知
象限划分可以按中位数，也可以按平均数，或者经验
数据立方体
多维法常常会面临辛普森悖论 钻取 （规避辛普森悖论）
1)核心
多维法是一种精细驱动的思维
2)优点
处理大数据量，维度丰富且复杂的数据有较好的效果。但是维度过多，会消耗不少时间
3)应用
只要数据齐全且丰富，均可以应用
4)须知
对不同维度进行交叉分析时，需要注意辛普森悖论
没有数据进行分析时，可以使用假设法进行分析
1)核心
假设法是一种启发思考驱动的思维
2)优点
当没有直观数据或者线索能分析时，以假设先行的方式进行推断，这是一个论证的过程
3)应用
它更多的是一种思考方式，假设-验证-判断
4)须知
不止可以假设前提，也能假设概论或者比例，一切都能假设。只要能自圆其说
对数据进行加工，进而分到目标，以目标进行聚焦
三种方法：线性加权、反比例、log
1)核心
指数法是一种目标驱动思维方式
2)优点
目标驱动强，直观、简洁、有效。对业务有一定的知道作用。一旦设立指数，不易频繁变动
3)应用
和假设法不同，假设法是缺乏有效数据，指数法是无法利用数据而将其加工成可利用
4)须知
指数法没有统一的标准，很多指数依赖于经验的加工
概述
20%的人手里掌握着80%的财富。有这样两种人，第一种占了80%，拥有20%的财富； 第二种只占20%，却掌握80%的财富。
三种应用
①数据中，20%的变量能产生80%的效果，数据分析更应该围绕这20%做文章
②持续关注TopN的数据
③数据管理1)核心
二八法是一种只抓重点的思维
2)优点
和业务密切相关，和KPI更紧密相关。几乎花费最少的尽量就能达到不错的效果，性价比很优
3)应用
二八法则存在于几乎所有领域，所以这种分析思维没有局限性
4)须知
在条件允许的情况下，数据分析依旧不能放弃全局，否则会让思路变得更加狭隘
孤数不正
分类：竞争对手对比、类别对比、特征和属性对比、时间同比环比、转化对比、前后变化对比
1)核心
对比法是一种挖掘数据规律的思考方式
2)优点
对比法可以发现很多数据间的规律，它可以与任何思维技巧相结合，比如多维对比、象限对比、假设对比等
3)应用
对比更多的是一种习惯，是数据分析的牛角尖，一次合格的分析，一定要用到n次对比
4)须知
在条件允许的情况下，数据分析依旧不能放弃全局，否则思路变得狭隘
1)核心
漏斗法是一种流程化思考方式
2)优点
单一的漏斗分析没有用，转化率20%，但这能说明什么呢？需要结合其他分析思维进行使用，比如多维、对比
3)应用
涉及到变化和流程都能使用
4)须知
单一的转化率不存在
啤酒与尿布的故事
啤酒与尿布是错的？买尿布的人会买啤酒，但是买啤酒的人不一定会买尿布
生活中的广告、超市
职位工作
回顾
标签：无法 推断 标准 获得 mda nbsp htm 范围 避免
原文地址：https://www.cnblogs.com/lyhcc/p/11235051.html
