数据分析的三种核心思维(结构化、公式化、业务化)

浏览: 2802

结构化

对于分析问题的标准程序 : 收集信息-》描述发现-》得出结论-》提出方案

结构化分析思维要求我们有序的、层层递进的分析问题。

推荐使用金字塔原理帮助我们进行分析。


  1. 核心论点(可以是假设、问题、原因等)
  2. 结构拆解(将核心论点层层拆解为分论点,分论点和核心论点呈因果或依赖关系)
  3. MECE(相互独立、完全穷尽)
  4. 验证(每个论点都应该是可量化,可验证的)

使用工具可以提高效率,帮助我们捋顺清思路。推荐以下两种方式:

  1. 单人:xmind等思维导图工具
  2. 团队:卡片游戏

思维导图使用示例,如:

Clipboard Image.png


公式化

结构化是分析的思维,它还不够具体,没有数据支撑,难免有发散的缺点。

公式化强调一切结构皆可量化,且能够计算。大部分的数据分析都是围绕加减乘除来展开的。

如:

Clipboard Image.png


它要求将之前的结构化思维转化成实际可处理的公式,某些不太靠谱的就被去掉了。如将上面的结构化例子转化如下:

Clipboard Image.png

业务化

用结构化思考+公式化拆解获得的最终论点,很多时候是现象。数据是某个结果的体现,但不代表原因。这时候就需要用到业务思维去对原因进行分析。

业务化可以对结构化和公式化进行补全,贴合业务的数据分析才能更好的落地。

  • 有没有从业务方的角度进行思考
  • 真的分析出问题了吗?
  • 能不能将分析落地

如何培养业务化思维

  1. 多和业务方沟通
  2. 多换位思考,站在业务人员和用户的角度进行思考
  3. 参与到业务中去

三种思维可以这样概括

Clipboard Image.png

推荐 1
本文由 fstar 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册