数据分析必备思维之：结构化思维

前一篇文章我介绍了逻辑思维，讲解了演绎和归纳这两种基本的推理方法，在结尾处我给了一个用基本的演绎和归纳方法推导复杂结论的例子。问题来了，用什么结构建立起这样的逻辑大厦呢？有没有固定的模板可以学习？本篇就讲解一下数据分析思维中另一个底层思维：结构化思维。

结构化分析的主要工具之一是逻辑树。这是麦肯锡公司的咨询顾问分析问题时最常使用的工具。

逻辑树有三种类型，分别是：问题树、假设树、是否树。问题树也有翻译成议题树的。网上搜索逻辑树一般会默认是问题树，往往忽略了后两种。

这三种逻辑树结构类似，但是有不同的使用前提，合理的使用它们，对于我们分析问题和制定解决方案能起到事半功倍的效果。

01 问题树 当对问题不了解 ，或者需要对问题进行全面的分解以确保不遗漏任何一个方面时，可以使用问题树。即：在解决问题的初始阶段使用问题树。问题树的结构如下：

MECE原则 问题的同一层级必须遵循MECE原则。

MECE（MutuallyExclusive,CollectivelyExhaustive）的意思是“相互独立，完全穷尽”，发音是me see。

在思考问题的过程中，我们需要将问题进行分解，每一层级的问题与问题之间没有重复、交叉、相关性，就是“相互独立”，而每一层级中务必不出现遗漏，就是“完全穷尽”。

这个原理比较容易理解，不多说。

02 如何建立问题树 建立问题树有两种方式，一种是自上而下，一种是自下而上。

1. 自上而下做分解 比如我们要完成100万元的业绩，可以从哪些方面入手呢？因为销售的最终目标是客户，所以我们可以将客户分类，对不同的客户群体采用不同的营销方式。

根据MECE原则，客户无非是三种：

陌生的新用户 正在跟进的用户 已经购买的老用户 因此，我们可以在逻辑树的第一层，划分这样三个类别。

根据业务常识，销售额=流量×转化率×客单价。所以我们在三个群体下分别有三种策略。