數據分析方法——邏輯樹分析法

2021-03-01 學謙數據運營



邏輯樹分析法,又稱為麥肯錫邏輯樹,其最大的優勢在於,將繁雜的數據工作細分為多個關係密切的部分,不斷地分解問題,幫助人們在紛繁複雜的現象中找出關鍵點,推動問題的解決。

在實際的業務場景中,這頁是最常見的一種分解任務的方式。合理的分解任務不僅能夠提高各部門的積極性,更能從宏觀上把控項目的整體進展。

邏輯樹又被稱為問題樹、演繹樹或分解樹等,是麥肯錫公司提出的分析問題、解決問題的重要方法。

首先它的形態像一棵樹,把已知的問題比作樹幹,然後考慮哪些問題或任務與已知問題有關,將這些問題或子任務比作邏輯樹的樹枝,一個大的樹枝上還可以繼續延伸出更小的樹枝,逐步列出所有與已知問題相關聯的問題。

邏輯樹是將已知問題及所有子問題分層羅列,從最高層開始逐步擴展,幫助我們理清所有的思路,避免重複和無關的思考。如圖:



1)抽絲剝繭提出問題

在運用邏輯樹分析法時,從上至下、從下至上、從左至右地先畫出樹幹,即要分析地內容,然後再依次畫出主要分支,再畫出細節分支,可以任意層級,但一般情況下不要超過3層。超過3層的,一般來說需要從中間斷開,單獨分析。

分析1 :分析公司利潤同比大幅下降的原因(拆解到2層分支)

2)解決問題——怎麼做

通過常規的數據分析我們實際上能夠比較輕鬆地總結出利潤下滑的原因。但找出原因是遠遠不夠的,必須得有改進策略。

在以邏輯樹追究出問題的原因之後,接下來就以分析的結果做為依據,思考具體的解決方案。這個過程同樣可以藉助解決問題的邏輯樹達成,做法上也與追究原因類似:首先最左邊是思考的主題也就是已知問題——樹幹,之後則是已知問題有幾種解決方案,即第一層樹枝,然後再深入分析提出第二層解決方案,一步步深入找出具體方法。

這就前邊說的,再上圖客戶流失後面就不添加內容了,而要單獨列一個客戶流失的解決辦法。如果說上圖是決策層該關注的內容,那麼作為各個部門,第三層的每一條都應當做出如下的部門策略拆解:

分析2:針對客戶流失的解決方案


可以看到,邏輯樹分析法是把複雜的問題分層拆分,變成一個個具體而直接的問題再來分析,從而找到解決問題的方法。掌握邏輯樹分析法,運用縝密的邏輯思維勢必能夠在各個方面對我們都有極大的幫助。



第一步:確定需要解決的問題。

也就是說將原本模糊籠統的問題,確定為一個個具體的、單純的問題。

第二步:分解問題。

將問題的各個結構拆分成一個個更細緻的的、互相獨立的部分。

第三步:剔除次要問題。

針對各個部分再依次進行分析,找出問題的關鍵點,剔除那些不重要的。

第四部:進行關鍵分析。

針對關鍵驅動點,集思廣益找出解決方案。

第五步:制定方案。

將思維過程轉化為可執行的計劃。

當我們在工作中遇到雜亂無章、毫無頭緒的問題的時候,倘若能對少數已知的問題進一步地分類和歸類,逐一擴展延伸地提出問題,就可能在有限的時間內有效的解決這些問題。

這種邏輯能力在工作中是經常被調用的。所以在面試時,很多面試官也都喜歡聽聽你是怎麼將複雜問題拆解為多步,最終解決的,以考核你的邏輯能力。

當然,沒有受過專業訓練的人,大部分是不會分析的。

面試時,面試官最常見的問題就是——費米問題。


費米問題是在科學研究中用來做量綱分析、估算和清晰地驗證一個假設的估算問題。命名來自美國科學家恩利克·費米。這類問題通常包括關於給定限定信息的有可能計算的數量的猜想的驗證。

費米問題的特點為初次聽到這種問題的提問時,會覺得已知條件太少,離答案差距甚遠。但當變通改變分析對象之後,所有這類問題都會迎刃而解,不需要求助專家書本,就可以出乎意料地接近確切的答案。


在求職面試中,經常會考察這種問題:

深圳有多少個產品經理?

一輛公交車裡能裝下多少個桌球?

一個正常成年人有多少根頭髮?

……

諸如此類的估算問題,被稱為費米問題。

一般人拿到費米問題這樣的題目就會感覺摸不著頭腦,不知道怎麼解決,乾脆憑感覺瞎猜一個數字。

這其實忽視了面試官考察的目的,他不是要你一個確定的數字,而是想看到你面對問題的分析思路。所以,你需要把自己的思路說出來,而不是一上來憑感覺胡說八道的人。

回答費米問題時,就可以用邏輯樹分析方法。

比如維基百科上有一個「芝加哥有多少調琴師」的例子。貼到這裡:

如果芝加哥居民300萬,平均每戶4人,擁有鋼琴的家庭佔1/3,則全市有250000架鋼琴。如果一架鋼琴每5年調音一次,則全市每年有50000架鋼琴要調音。如果一個調音師一天調4架鋼琴,一年工作250天,那麼,芝加哥市大約有50個調音師。

再比如:

【案例】上海有多少產品經理?

【參考答案】

上海有多少家網際網路公司(可以通過招聘網站的公司數量查到),每家公司大概產品經理佔總人數的佔比。然後上海的產品經理數=公司數量 * 平均每家公司產品經理佔比。

這樣就得出來了。

最後放幾個作業,歡迎留言討論:

一個煎餅攤一年賣多少個煎餅?

全國有多少個加油站?

遊一次泳,你會喝多少尿……

相關焦點

  • 麥肯錫邏輯樹分析法:快速分析和高效解決問題的方法,職場人必備
    再茂盛的樹,我們也能順著每一根樹枝往下追尋,最後找到樹幹;同樣,無論一個事件、一個問題有多複雜,我們都可以順著影響事物發展的因素,層層追根溯源,從而幫助我們抓住問題的核心,及時準確地解決問題。這是麥肯錫邏輯樹分析的來源。什麼是邏輯樹分析法?
  • 麥肯錫之邏輯樹分析法
    目錄● 1邏輯樹分析法簡介 ● 2邏輯樹分析法的特點 ● 3邏輯樹的類型 ● 4相關條目 ● 5關鍵字邏輯樹分析法簡介 邏輯樹又稱問題樹、演繹樹或分解樹等。
  • 數據分析方法:結構分析法
    編輯導語:我們在日常工作中,經常會收集很多數據,比如周報、月報等等,但是真正要用的時候卻還是重新取數;因為我們只有數據,沒有方法,比如我們可以用結構分析法來讀出數據的含義;本文作者分享了關於數據分析方法中的結構分析法,我們一起來看一下。你是不是覺得,平時做的日、周、月、季、年報沒啥用?
  • 九大數據分析方法:相關分析法
    在工作中,我們經常會問:一、什麼叫「相關」即使沒有做分析,直觀上看這些事件之間也有關係。但是不做分析的話,具體是啥樣的關係,很難說清楚。而相關分析,就是找出這種關係的辦法。比如品牌廣告與銷售收入,理論上肯定是存在關係:廣告多了,知名度高了,銷量肯定好。但是品牌廣告又沒有帶貨連結,不能直接說:有5000萬的銷售業績是用戶通過廣告連結購買的。此時就是典型的間接相關關係(如下圖)。分析間接相關關係,有2種常用方法,一種是散點圖法,可以直接做散點圖,發現相關關係(如下圖所示)
  • 8個常用數據分析方法,輕鬆搞定各種業務分析
    在數據分析訓練營給大家講解數據分析案例的時候,發現一些新手小白在做數據分析時,拿到數據不知道怎麼分析、從什麼維度分析,腦海裡沒有清晰的分析思路。對於數據分析思路的培養是一個不斷練習積累的過程,剛入行的小白可以先套用一些常用的數據分析方法或模型,掌握基礎的分析思路。
  • 數據分析,結構分析法解析
    答:因為光有數據,沒用配解讀數據的方法! 數字要讀出含義才有價值。結構分析法,就是解讀數據的一種簡單、快捷的方法,也是數據分析師的祖傳手藝,今天我們系統講解一下。人們天生討厭平均數,總覺得用平均數很扯淡,有種:「我和姚明平均身高,有毛用」的感覺。
  • 6種常見的數據分析方法論及應用
    對於數據分析來說,數據分析方法論是非常重要的,對於想入行數據分析的小白來說,有一些常見的數據分析方法論(模型)可以直接套用,本文將為大家講解6個常見的數據分析方法論及相關案例,幫助大家快速入門數據分析!1、PEST分析法PEST分別是四個單詞的首字母,其中:P:Political,政治環境。
  • 從方法論到案例實操,帶你剖析數據分析底層邏輯
    同時,伴隨而來的是整個社會對於企業或者個人數據分析能力的要求也越來越高。 如何突破原有的決策思路,用數據的視角看問題找方法?6月30日,觀遠數據資深數據分析專家 孫沁在「數據分析實戰研習社」直播間,分享了《如何通過洞察數據規律以支撐決策》。
  • 基於事故樹分析法的錯報氣壓值不安全事件研究
    (西北空管局氣象中心 南博文)針對《空管系統不安全事件標準》中規定的「錯報氣壓值相差2百帕(含)以上」的不安全事件,應用事故樹分析法(FTA-Fault Tree Analysis)對錯報氣壓值的引發因素進行探究,構建「錯報氣壓值相差2百帕(含)以上」事故樹模型與簡化事故樹模型,運用最小割集方法分析發生路徑,找出了「錯報氣壓值相差
  • 統計學最常用的「數據分析方法」清單(二)
    BAYES判別分析法 BAYES判別分析法比FISHER判別分析法更加完善和先進,它不僅能解決多類判別分析,而且分析時考慮了數據的分布狀態,所以一般較多使用。 十、主成分分析 是一種統計方法。
  • 一文講透數據分析經典方法:5W2H分析法
    在實際的數據分析場景中,最困難的事情並不是如何分析問題,而是如何提出一個好問題。我們數據分析師經常說,能提出一個好問題,比解決十個簡單問題要有用的多 而很多人在做數據分析的時候,往往只是接受業務方或者領導提出的問題,自己很少去主動發掘數據問題,如果丟給他們一堆數據,他們很難從中發現出異常 今天啟方就介紹一種可以有效提高邏輯能力和問題發掘能力的方法,也就是商業分析中經常會見到的——5w2h分析法
  • 張松聊數據分析_數據科學家常用的分析模型
    01 數據分析模型 要進行一次完整的數據分析,首先要明確數據分析思路,如從那幾個方面開展數據分析,各方面都包含什麼內容或指標。是分析框架,給出分析工作的宏觀框架,根據框架中包含的內容,再運用具體的分析方法進行分析。
  • 做好財務分析,你不可不知的因素分析法
    來吧,一起聊聊因素分析法! 因素分析法,一個集技術和管理於一體的美妙財務分析工具。這個方法是管理會計中最實用的方法之一,CPA教材有一章就講這個,大概有一頁紙吧,只是粗粗的講一下,如何使用也沒有實例。 康師傅當年就靠這套體系把成本控制做到極致,當然從康師傅出來的同事都在推行這套方法,因為他們有實戰經驗。
  • 定性定量結合的分析方法——共詞分析法
    複雜科學管理的方法論是定性定量結合的方法論,首先通過定性判斷建立系統總體及各子系統的概念模型,即系統模型;然後對定性或定量的子問題求解,得出定量的結論;最後再用定量結論進行定性歸納,形成解決問題的方案。共詞分析法(co-word analysis)作為內容分析的基本方法,屬於一種數據挖掘技術,是一種定量與定性相結合的研究方法,也可以作為複雜科學管理理論的一種研究方法。
  • 大數據信息分析的方法與工具
    那麼大數據給我們帶來了什麼好處呢?大數據最大的好處在於能夠讓我們從這些數據中分析出很多智能的、深入的、有價值的信息。關係是指事物之間因為時間、秩序、結構、運動等產生的聯繫,包括時間、空間、發生和發展邏輯(包括流程,如工業流程、業務流程等;規律,如生命體的生老病死循環、自然運動規律等)   事物、現象、數據、信息之間的關係十分複雜且多種多樣,但都可歸為不確定關係和確定性關係兩種,不確定性關係主要是相關關係,是定性分析的基礎
  • 數據分析師最常用的三大數據分析法,助你搭建數據分析體系
    作為一個數據分析師,最重要的就是先建立起自己的數據分析體系,這個體系可以由很多的數據方法搭建而成,今天我們就來了解一下簡單實用的三大數據分析方法,分別是:對比分析細分分析轉化分析這三大分析方法同樣適用於網際網路行業及傳統行業。
  • 統計學 常用的數據分析方法
    2)BAYES判別分析法BAYES判別分析法比FISHER判別分析法更加完善和先進,它不僅能解決多類判別分析,而且分析時考慮了數據的分布狀態,所以一般較多使用;十、主成分分析主成分分析(Principal Component Analysis,PCA), 是一種統計方法。
  • 統計學最常用的「數據分析方法」清單(下)
    >的下篇,沒有看過上篇的小夥伴請點擊【D】統計學最常用的「數據分析方法」清單(上)複習內容哦!BAYES判別分析法BAYES判別分析法比FISHER判別分析法更加完善和先進,它不僅能解決多類判別分析,而且分析時考慮了數據的分布狀態,所以一般較多使用。10 主成分分析主成分分析是一種統計方法。
  • 數據分析技術:決策樹分析;機器學習入門模型
    ,包括聚類分析、判別分析和邏輯回歸分析,加上今天將要介紹的決策樹分析,這些分類方法之間有什麼區別呢? 分類方法對比需要明確,聚類分析、判別分析、邏輯回歸和決策樹這些分類方法,它們的分類對象是個案(研究對象),比如人、家庭、公司或國家等,這些分類對象都有一個共同點,那就是它們身上的標籤或屬性是多維和複雜的。
  • SEM常用的4種數據分析方法,你用過幾種?
    有經驗的 SEMer 都知道,盡信數據則不如無數據。數據就躺在哪裡,關鍵在分析之前,你之前要 有清晰的思維邏輯:你為什麼要分析數據?你希望通過數據分析得到什麼?我一般的分析數據邏輯如下:確定分析的目的—>收集數據—>整理數據—>分析數據—>得到一些分析的思路今天主要分享下數據分析的常用方法,