家都知道“具体问题，具体分析”。是的，估计大家从小学的思想政治课本就听过这八个字。问题是：这句话本身就很不具体啊！到底怎样的问题算“具体”问题，啥样的分析又算“具体”分析呢？其实并没有一个很明确的标准。

如何使用结构化思维表达观点

重构四核：结论先行，以上统下，归类分组，逻辑递进——论证类比。

结论先行：先明确观点，一次展示，最后总结观点。

以上统下：上下表达要一致。

归类分组：快速归类，原则：MECE法则——相互独立，完全穷尽

比：逻辑递进，讲的顺序有方法。分类之后，对每个类别排序，时间，结构（总体与部分），重要性顺序，空间顺序，只能选其一。

公式化思维：一切可量化

主要用到的就是加减乘除。

销售额由什么组成？销量和客单价。

利润由什么构成？销售额-利润。

业务思维：思考更全面

有没有从业务方的角度来思考？

我分析的原因是真正地原因吗？

能否将分析结果落地？

是否要落地很重要，比如一家销售公司业绩下滑，分析的结果是：

（1）销售人员的效率降低，因为士气下降；

（2）产品质量不佳，和同期竞争对手比没有优势；

（3）价格平平，顾客并不喜欢。

这里面的因素，士气下降，产品质量不佳，顾客不喜欢都只是现象，不是因素。具体是因为什么产品的质量不佳呢？哪些原材料变了呢？这才是真正可以落地的分析结果。所以，数据是某个结果的体现，要找到真正的原因，必须要用业务思维找出真正落地的东西。

最主要的就是换位思考，如果我是业务方，我该怎么办？如果我是使用者，我该怎么办？多和业务方沟通，多从业务方思考，最好本身就参与到业务中。

业务数据分析方法论

业务问题发现——帕累托分析

又称为二八法则，即百分之八十的问题是百分之二十的原因造成的。在项目管理中主要用于找出核心问题。

业务建模——RFM模型

根据用户历史行为数据，结合业务理解，实现用户分类，助力用户的精准营销。帮助企业判断哪些用户有异动，是否有流失的预兆，从而增加相应的运营措施。

分析报告

从数据中发现经营问题， 且数据分析师需要主导分析内容， 输出业务问题发现。由于数据维度的丰富性， 使用第一类分析需求思路往往会卡在第二步， 如果每个维度都尝试下探非常耗时。 这时可以考虑从总体指标入手， 逐层分解总体指标， 形成下钻式树结构。 分析思路如下：