如何培養麥肯錫式的分析思維

本文是如何快速成為數據分析師的第七篇教程,如果想要了解寫作初衷,可以先行閱讀七周指南。溫馨提示:如果您已經熟悉分析思維,大可不必再看這篇文章,或只挑選部分。

今天學習第三周內容:如何鍛煉分析思維。

很多人的分析思維都是欠缺的,可它又在數據分析過程中無比重要,甚至它不限於數據領域,在產品和運營工作中也能用到。

數據分析屬於分析思維的一個子類,有專門的數據方法論。只有先養成正確的分析思維,才能使用好數據。前者是今天講述的重點。

思維訓練不同於Excel函數和技巧。既然是思維,它就傾向于思考的方式,Excel函數學會了就是學會,分析則不同。大多數人的思維方式都依賴於生活和經驗做出直覺性的判斷,最直觀的體現是,在數據和業務分析中呈無頭蒼蠅狀態,無從下手。

想要有好的分析思維,乃至成為本能,需要不斷訓練和練習。

什麼是好的分析思維?

我覺得用兩張在網路上流傳甚廣的圖片就能代表。

左右兩種分析思維的分水嶺在於邏輯性。我們看一下代表兩種思維的場景。

我們12月的銷售額度下降,我想是因為年終的影響,我問了幾個銷售員,他們都說年終生意不太好做,各家都收緊了財務預算,談下的幾家費用也比以前有縮水。我對他們進行了電話拜訪,廠家都說經濟不景氣,希望我們價格方面再放寬點。

我們12月的銷售額度下降,低於去年同期和今年平均值,可以排除掉大環境的因素。其中A地區下降幅度最大,間接影響了整體銷售額。通過調查發現,A地區的市場因為競爭對手湧入,進行了低價銷售策略。除此之外,B地區的經濟發展低於預期發展,企業縮減投入。

第一個分析思維是依賴經驗和直覺的線性思維,第二個分析思維則注重邏輯推導,屬於結構化的思維。兩種思維往往會導致不同的結果。

如果沒有刻意訓練,很多人的思維方式都傾向第一種,以「我覺得我認為」展開。經驗主義雖然重要,但不正確的使用也會約束和限制我們。

好的分析思維可以後天訓練。雖然不同人的邏輯性有差異,分析水平也有高低,但都能通過不斷的練習和藉助工具獲得彌補。我們今天學習麥肯錫總結出的一套思維原則,快速達到合格的水平。

金字塔原理

麥肯錫思維中很重要的一條原理叫做金字塔原理,它的核心是層次化思考、邏輯化思考、結構化思考。

有一本同名書《金字塔原理》,有興趣可以閱讀。除了思考外,還有表達、寫作等內容。

什麼是金字塔?任何一件事情都有一個中心論點,中心論點可以劃分成3~7個分論點,分論點又可以由3~7個論據支撐。層層拓展,這個結構由上至下呈金字塔狀。

看一下運營中典型的金字塔思維:

我們活躍用戶數在下降(中心論點),主要原因是競爭加劇(分論點),其次原因是新用戶減少(分論點),老用戶流失加快(分論點)。其中競爭加劇是因為競爭對手ABC出現(論據),新用戶減少是ASO排名下降(論據)和渠道投入疲軟(論據)造成,老用戶流失是因為產品欠佳(論據)。我建議……

這是合格運營的結構化思考。如果你把它換成一名初級運營的思考方式:

Boss,我發現我們最近的ASO排名下降了不少,渠道投入也減少,導致用戶數少了不少。對了,最近產品表現也欠佳,有幾家模仿我們的競爭對手出現,對我們造成了影響。這個影響應該會讓我們減少一些用戶。我建議……

這一種表達方式就是有什麼說什麼,想到哪就是哪,接聽者的思維方式被無序地牽著鼻子走,讓人抓狂。

結構化思考我建議利用紙或思維導圖工具畫出來。我說過,人是依賴經驗思考的,擅長的是線性思維:因為-所以-最終,不擅長深度的結構思考。思維導圖是一個非常好的工具,擅加利用,已經完成一半。

(圖片來源於網路,以《金字塔原理》的思維導圖筆記作為範例)

結構化可以是三層,也可以拓展更多的分論點和層數。這一點大家想成我國語文教育中經典不衰的議論文作文模板:總-分-總結構(為什麼作文要這樣寫,因為思路清晰,方便語文老師快速閱卷,用在思考是一樣的道理)。金字塔思維則是總-分-再分。

MECE

金字塔原理有一個核心法則MECE,讀作MeSee,全稱Mutually Exclusive Collectively Exhaustive,中文意思是相互獨立,完全窮盡。它指導我們如何搭建結構。

相互獨立,說的是每個分論點彼此應該沒有衝突和耦合,都屬於獨立的模塊。完全窮盡,則是所有的分論點都被提出,不會有遺漏。這一點看上去容易,其實很難做到。

回到我們活躍數下降的例子,它提出了競爭加劇、新用戶減少、老用戶流失三個分論點。競爭加劇,競爭對手湧入,本來就意味著競爭對手會掠奪你的新用戶,而ASO排名是非零和博弈,競爭對手上升你的排名就會下降,也造成新用戶減少。兩個分論點並不完全獨立,違反了MECE法則。那麼應該怎麼分?

1.競爭對手出現:

  • 競爭導致ASO排名下降

  • 競爭對手掠奪了新用戶

2.新增渠道疲軟:

  • 投入減少

3.老用戶流失:

  • 產品欠佳

如何劃分分論點,我們可以用事物間的不同特性劃分,它本質上也是一個分類問題,目的是找出事物(論點)之間的共性。

比如活躍下降可以從新老用戶展開、可以從產品不同模塊分析等等。分析思路不同,則分論點不同,核心依舊遵循MECE法則。當然很多分析結構已經有前人總結,屬於套路,諸如運營的核心拉新促活留存。

結構強調的是窮盡,也就是越多越好,而隨著分論點的增加,結構會更加複雜,不便於梳理和總結,所以分論點需要強調在3~7之間。

實際上我們很難真正做到窮盡,因為不了解的因素、隱藏的關鍵、信息不對稱、經驗等局限都會阻礙思維,做不到窮盡。如何找出儘可能多的分論點?這裡列舉我的心得,這不是麥肯錫方法。

你首先要找到一個萬能公式。

絕大多數的商業項目、數據分析、業務討論,都可以抽象成公式:

利潤 = 銷售額 - 成本;

銷售額 = 購買人數 * 轉化率 * 客單價;

購買人數 = 地區A購買人數+地區B購買人數+……

地區A購買人數 = 地區A新用戶 + 地區A老用戶;

此類公式均為小學難度,可很多分析項目就是能用公式化的思維和套路概括。因為項目本身是由三到四個核心因素決定,只要找到核心因素,就能將其組合。

接下來舉一個具體問題:企業利潤下降了,是什麼原因?我們就能用公式分解出分論點。

是銷售額下降了?還是成本上升?

如果是銷售額下降,那麼是購買人數少了?是客單價下降了?還是購買轉化率降低?

以此類推,則能形成結構化的分析思路。

公式是一種思維框架,是一種經驗導向的方法論,將你過去的經驗總結和抽象,得到高度概括的因素。像利潤這種都是再簡單不過的商業理論,熟悉後就能快速使用。很多分析思維,在多年總結下,已經有成熟的解決方案。遇到問題,別急著畫思維導圖,不如先問問前輩和大牛們。經驗會阻礙我們,經驗也能幫助我們。

互聯網行業的分析有點特殊,因為互聯網的不確定性增加了。除了技術發展日新月異,用戶需求不斷改變,很多運營玩法也常常翻新。早幾年標題黨火爆,現在則注重內容價值的回歸,曾經運營的核心是用戶數,現在則是商業變現。這種快速變化導致分析思維也要有快速響應、學習和調整的能力。這方面,對互聯網的分析是一種挑戰。

對新人而言,很難一開始就掌握萬能公式,但在具體的工作過程中,需要有意識的總結和提煉。另外分析中會有非量化的因素,比如團隊士氣、管理風格、員工忠誠度等。這是公式無法解決的缺點。

假設先行

MECE是思考活動的技術和藝術,首先得有一個思考作為開始。這是什麼意思?因為金字塔是從上而下,需要有一個中心論點,也就是塔尖。

上文說過新人容易變無頭蒼蠅,就是缺少了一個塔尖、一個中心論點、一個下刀的地方。麥肯錫為了解決這個困擾,提出了假設先行的方法。

新人的缺點是什麼?他們會以分析為樂,為分析而分析。試圖找出一切關聯、一切因素。如果我是新入行的產品經理,我會找出所有的競品作分析,想產品的突破點在哪裡。如果我是新入行的活動運營,我會試圖分析所有的爆款活動,想一個完美的綜合方案。可是結果真的能好嗎?

上面的兩個例子,很大可能,最終都停留在淺顯的層次。因為沒有方向,沒有目標,也就無法深入。我們當中的大部分人都不善於批判自己的想法,缺少批判性思維。你連自己的想法都判斷不了,怎麼做出決策?

什麼是假設先行?就是以假設作為思考的起點。我不需要做全局的思考,而是先問出一個問題,然後思考解決它:我這款產品的特點在A功能嗎?這款產品對用戶們很有吸引力嗎?我的活動如何在朋友圈引發傳播?怎麼讓用戶在活動中更爽?

在做出假設後,引導思維去挖掘分論點,然後分析。比如我希望活動傳播,我要考慮哪些人會傳播,他們是因為利益引誘還是情感觸動?傳播的過程應該什麼樣,方便還是複雜?這樣的分析思維,比堪堪想一個空中樓閣的完美方案靠譜多了。

不管問題形式是如何、是否還是能不能,只要作出了假設,就能用MECE原則畫出金字塔結構。不要想著從無盡的業務和數據中找出規律,這叫大海撈針。這種根據問題作為中心論點形成的結構化思維,叫做問題樹/邏輯樹 Issue Tree。

可以通過搜索引擎圖片查找Issue Tree或者問題樹邏輯樹,有很多案例,英文為佳。

(附圖是維基百科中的IssueTree案例)

假設抽絲剝繭後的每一個論據都應該能用是或否回答。分析思維和數據分析不一樣,數據分析追求數據的精確度,而分析思維不需要,只要能回答問題,是和否足夠了。

假設會被否定或者拒絕,我認為產品對用戶有吸引力,但是最後所有的論據,包括留存率、用戶使用時長、功能使用率、用戶評價都是否定,那麼吸引力也就不成立,此時應該修改假設:產品的某一方面有問題,然後繼續畫新的問題樹。

不要害怕修正錯誤的假設,不要尋找事實強撐錯誤的假設。

關鍵驅動因素

接下來談剪枝。MECE雖然能畫出詳盡的結構,但不意味著我們要全部分析。維基百科案例中的IssueTree,有些分論點層層展開,有些分論點就嘎然而止。很多論點我們沒有深入必要,需要對這部分論點論據捨棄,目的是找出關鍵驅動因素。

關鍵驅動因素是分析的核心,應該聚焦於這些因素,不然你會有數不完的因素要分析。如果一家企業成本的關鍵因素是地租、房租,那麼就不應該深入分析辦公用品成本,否則你分析出這個月公司廁紙成本上升了50%,是因為我們CEO吃壞肚子上了很多次廁所,你信不信被揍死?

麥肯錫有句名言:不要妄想燒乾大海。就是指不要試圖對所有因素分析,尤其在數據證明的過程,非常費苦功。

企業利潤的關鍵驅動因素是利潤和成本,用戶吸引力的關鍵驅動因素是留存率。利潤和成本還能再找出其中的細分關鍵因素,留存率也一樣。這才是我們要的。

一旦找到關鍵驅動因素,可以基於此展開數據調研、取證、分析和結論,而不是對所有問題樹開展。為什麼需要圍繞關鍵驅動因素?這裡有一個新的核心法則,大名鼎鼎。

二八法則!

在任何一組東西中,最重要的只佔其中一小部分,約20%,其餘80%儘管是多數,卻是次要的。80%的成績,歸功於20%的努力;市場上80%的產品可能是20%的企業生產的;20%的顧客可能給商家帶來80%的利潤……

既然如此,為何要分析無關緊要的因素?問題樹也遵循這一法則,20%的分析過程將決定80%的分析結果。

不論你分析企業的利潤、還是用戶的活躍,只要抓住關鍵即可。因為一款內容產品,80%的內容一定由核心用戶提供;一款電商產品,80%的GMV一定是少部分買買買用戶下單。圍繞核心關鍵因素展開的數據分析,是最有效果的。

需要了解的方式方法到這裡結束了,如果對麥肯錫其他方法感興趣,可以業務時間再學習。

誠然,人的天性不適合結構化思維,有時候會因為壓力、緊張、時間緊迫等因素忘記使用,我也偶爾犯錯。可是要想有優秀的分析思維,還是需要通過不斷的訓練強化成本能。日常生活中處處皆可練習:這條道路的人流情況如何;那家漢堡店每天都賺多少錢……畫出一百張思維導圖,快則一個月,慢則半年,肯定長足進步。諮詢相關的Case Book也有幫助。

現在我們來理一下分析思維的思路:

提出假設—MECE原則(萬能公式)—結構化分析—找出關鍵驅動因素—數據分析

通過一道練習題回顧一下吧,這是以前針對實習生出的面試題:假設你是一位商業經理,現在有一家中型商場,我希望你對它的經營狀況作出分析,你會從哪幾個角度展開,列出你的框架。

既然是針對經營狀況作分析,那麼核心希望肯定是提高經營,先行假設就是如何提高經營狀況。我們用MECE畫出問題樹。

先找到萬能公式,上文提到過,絕大多數商業活動,都是利潤和成本的平衡。

利潤 = 銷售額-成本

我們可以通過提高利潤,降低成本作為兩個分論點展開。我們再考慮有哪些利潤,無非是商場各類產品和服務的售賣。它又能拆解出幾個公式。

銷售額 = 人流 * 轉化率 * 客單價

不同的產品和服務各有不同,人流是固定的,而轉化率因為商場的不同產品和服務會劃分成ABC的差異。

利潤 = 人流*(A轉化率*A客單價+B轉化率*B客單價……)

成本則考慮房租、資產折舊、人員工資等。是否需要考慮商場販賣的產品成本?需要的,但是不應該放在這裡,因為要遵循MECE原則的完全獨立,利潤中的客單價已經包含產品這類成本,所以應該歸類到利潤下。

再進行深度的結構劃分,比如人流各樓層不同,一樓人氣最旺,然後依次衰減,那麼結構中能不能體現?還有其他分論點嗎?都能想想。之後找出問題樹的關鍵驅動因素,並且思考如何提高。

這是一道開放的分析思維題,答案並不固定。我也並不要求商業知識和商場管理知識多嚴謹,考察的是能否通過生活中隨處可見的商場,通過自己思維去抽象出一套框架。

再來一道思考題,是網路上的淘寶數據分析師面試題

你是淘寶的數據分析師,現在需要你預估雙十一的銷量,你不能獲得雙十一當天和之前的所有數據。只能獲得11月12日開始的數據,你應該如何預估?

歡迎大家思考,想做分析師的同學也能動筆練習。可以在底下留言,也可以發送給我思維導圖的截圖,後期會綜合大家答案,給出相應解答(我也木有標準答案)。

下篇文章,將展開數據分析思維。

————————

歡迎大家關注我的微信公眾號:tracykanc

定期分享運營或數據的內容


推薦閱讀:

勒索病毒席捲全球,給我們文檔管理帶來什麼樣的警示?
你因為什麼喜歡數據分析?
數據讀書分享系列篇(1):那些年數據分析師必讀書單
為分析達人而生 諸葛io全面支持SQL查詢分析功能
一些關於TI7隊伍的數據分析——OG篇

TAG:数据分析 | 互联网产品运营 | 互联网数据分析 |