what why how
三种核心思维+数据分析的思维技巧+如何在业务时间锻炼分析能力
三种核心思维
1、结构化
将分析思维结构化：将论点归纳和整理、将论点递进和拆解、将论点完善和补充
核心论点：寻找金字塔塔顶，它可以是假设、问题、预测或原因
结构拆解：自上而下，将核心论点层层拆解成分论点，上下之间呈因果或依赖关系
MECE:相互独立，完全穷尽。论点之间避免交叉和重复，分论点们要尽量完善
验证：不论核心论点还是分论点，都应该用可量化的数据说话，且必然是可验证的（反例：士气下降，不可验证）
思维导图：
软件：XMind
适合单兵作战
头脑风暴：
会议使用，2-3人
2、公式化
一切皆可公式化
销售额由什么组成？销量和客单价相乘
利润由什么组成？销售额收益和成本相减
销售额是单一的维度吗？不是，销售额是多个商品/SKU的总和
注： STOCK KEEP UNIT，简称SKU，定义为保存库存控制的最小可用单位，例如纺织品中一个SKU通常表示：规格、颜色、款式。这是客户拿到商品放到仓库后给商品编号,归类的一种方法. 通常是SKU#是多少多少这样子. 还有的译为存货单元库存单元库存单位货物存储单位存货保存单位单元化单位单品品种,基于业务还有的是最小零售单位最小销售单位最小管理单位库存盘点单位等；专业物流术语解释为“货格”
地区的销量由什么构成？是不同线下渠道的累加
销量还能再细挖吗？不妨设想成人均销量和购买人数
3、业务化
问题：如何预估上海地区的共享单车投放量？
但单车是有损耗的，计算公式中应该考虑单车的消耗因素
分析必须贴合业务：有没有从业务方的角度思考？真的分析出原因了吗？能否将分析结果落地？
问题：一家销售公司业绩没有起色，对其分析：主要有原因如下：
销售人员效率低，因为士气低落
产品质量不佳，和同期对手没有优势
价格平平，顾客并不喜欢
所以说，由结构化思考+公式化拆解得到的原因有时只是现象，而不是真正的原因
结构化思维（捋顺思路）——结构化数据（将其可数据化）——结构化业务数据（落地，贴合业务）
数据分析的思维技巧
象限法
核心：策略驱动的思维
应用：适用范围广、战略分析、产品分析、市场分析、客户管理、用户管理、商品管理等
须知：象限划分可以按中位数，也可以按平均数，或者是经验
优点：直观、清晰，对数据进行人工的划分。划分结果可以直接应用于策略
多维法
用户统计维度：性别、年龄......
用户行为维度：注册用户、用户偏好、用户兴趣、用户流失......
消费维度：消费金额、消费频率、消费水平......
商品维度：商品品类、商品品牌、商品属性......
钻取不但使得分析结果更细，而且能够规避掉辛普森悖论。
核心：精细驱动的思维
应用：只要数据齐全且丰富，均可以应用
须知：对不同维度进行交叉分析时，需要注意辛普森悖论
优点：处理大数据量、维度丰富且复杂的数据均有较好的效果。但是维度过多比较费时
假设法
很多时候，数据分析是没有数据可以明确参考的。
问题：
假设活动有效，则：
会有一定数量的用户购买，若能够证明，则说明有效。
用户通过活动购买商品，会观测到哪些行为呢？假设有些用户会评论留言，我们就可以统计提及活动的关键字。
当用户提及了这次营销活动，接下来的问题是：有效多少？10%，20%？
假设参与活动的用户行为没有变化，那么通过历史数据的用户评论占比，反推购买人数。
问题：
核心：启发思考驱动的思维
应用：它更多是一种思考方式，假设-验证-判断
须知：不止可以假设前提，还可以假设概率或比例，一切都能假设，但必须自圆其说
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
指数法
很多时候，我们对于已有的数据缺乏明确的应用，就是因为缺乏一个有效性的方向。这个方向可以成为目标指数。通过将数据加工成指数，达到聚焦的目的。
1、线性加权
由客户特性求客户价值
2、反比例
由月消费次数求客户忠诚度
3、log
核心：一种目标驱动的思维
应用：和假设法不同，假设法缺乏有效数据，而指数法无法利用数据而将其加工成可利用的
须知：指数法没有统一的标准，更依赖于经验的加工
优点：目标驱动力强，直观、简洁、有效。对业务有一定的指导作用。一旦设立指数，不易频繁变动。
二八法
数据中，20%的变量将直接产生80%的效果，数据分析更应围绕这20%数据做文章
持续关注topN的数据，是一个非常好的职业习惯，尤其是部分行业
虽然指标很多，但往往某些指标更有价值。二八法则不仅能分析数据，也能管理数据
核心：一种只抓重点的思维
应用：几乎所有的领域，这种思维并没有局限性
须知：在条件允许的情况下，数据分析依旧不能放弃全局，否则会让思路变得狭窄
优点：和业务紧密相关，和KPI更紧密相关。几乎花费最少的精力就能达到不错的效果，性价比很优。
对比法
好的数据指标一定是比例或比率，好的数据分析一定会用到对比
核心：一种挖掘数据规律的思考方式
应用：对比更多是一种习惯，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
须知：在条件允许的情况下，数据分析依旧不能放弃全局，否则会让思路变得狭窄
优点：可以发现很多数据间的规律，它可以与任何思维技巧结合，比如多维对比、象限对比、假设对比等。
漏斗法
缺乏比较，没有意义
核心：一种流程化思考方式
应用：涉及到变化和流程的都能用
须知：单一的转化率是不存在的
优点：单一的漏斗分析没有用，转化率20%能说明什么呢？一定要和其他分析思维结合，比如多维、对比
如何在业务时间锻炼数据分析思维
好奇心：多思考