前一篇文章我介紹了邏輯思維，講解了演繹和歸納這兩種基本的推理方法，在結尾處我給了一個用基本的演繹和歸納方法推導複雜結論的例子。問題來了，用什麼結構建立起這樣的邏輯大廈呢？有沒有固定的模板可以學習？本篇就講解一下數據分析思維中另一個底層思維：結構化思維。
結構化分析的主要工具之一是邏輯樹。這是麥肯錫公司的諮詢顧問分析問題時最常使用的工具。
邏輯樹有三種類型，分別是：問題樹、假設樹、是否樹。問題樹也有翻譯成議題樹的。網上搜索邏輯樹一般會默認是問題樹，往往忽略了後兩種。
這三種邏輯樹結構類似，但是有不同的使用前提，合理的使用它們，對於我們分析問題和制定解決方案能起到事半功倍的效果。
01 問題樹
當對問題不了解 ，或者需要對問題進行全面的分解以確保不遺漏任何一個方面時，可以使用問題樹。即：在解決問題的初始階段使用問題樹。問題樹的結構如下：
MECE原則
問題的同一層級必須遵循MECE原則。
MECE（MutuallyExclusive,CollectivelyExhaustive）的意思是「相互獨立，完全窮盡」，發音是me see。
在思考問題的過程中，我們需要將問題進行分解，每一層級的問題與問題之間沒有重複、交叉、相關性，就是「相互獨立」，而每一層級中務必不出現遺漏，就是「完全窮盡」。
這個原理比較容易理解，不多說。
02 如何建立問題樹
建立問題樹有兩種方式，一種是自上而下，一種是自下而上。
1. 自上而下做分解
比如我們要完成100萬元的業績，可以從哪些方面入手呢？因為銷售的最終目標是客戶，所以我們可以將客戶分類，對不同的客戶群體採用不同的營銷方式。
根據MECE原則，客戶無非是三種：
陌生的新用戶正在跟進的用戶已經購買的老用戶因此，我們可以在邏輯樹的第一層，劃分這樣三個類別。
根據業務常識，銷售額=流量×轉化率×客單價。所以我們在三個群體下分別有三種策略。
根據上述的策略，再往每一個子分類中添加具體的對策。
這樣經過一層層的演繹推理，最終形成了一個問題樹。我們將一個大問題拆解成了一個個可執行的小問題。
其中，第一層的分類最重要，它決定了你整個結構的整體功能。
不過這個分解方式沒有標準答案，你在運用的過程中，得根據實際問題，找到對問題的解決最直接有效的切分方式，比如：
側重於分而治之的，可以按空間維度進行分類：新客戶、跟進中客戶、老客戶；或者業務A、業務B、業務C；側重於進度把控的，可以按時間維度進行分類：第一個月、第二個月、第三個月；側重於戰略聚焦的，可以按重要程度進行分類：機構客戶、普通客戶；側重於目標達成的，可以按演繹邏輯進行分類：流量、轉化率、客單價、復購率。資深分析師相比新手分析師，最大的區別就在於能夠找到更好的分類維度。這種差距是業務思維上的差別，我將在之後的文章再詳細解讀，本文不做深入。
2. 自下而上做聚合
自上而下演繹法的好處是效率高，可以很快速地就把問題結構化。可是，這種方式有個前提，就是你得對問題的解決方法有深刻的理解，能夠快速找到恰當的分解角度，或者大腦中已經有了現成的結構可以直接使用，比如：銷售額=流量×轉化率×客單價。如果沒有現成的結構，或者找不到分解的角度怎麼辦？你可以嘗試使用「歸納法」自下而上地提煉結構。具體怎麼做？
第一步：收集信息。在這一步，我們把所有收集到的信息，都一條一條地羅列出來。
第二步：分類。在這個環節中，我們要按信息的屬性、特點進行歸類，確保在同一組的信息都屬於同一個範疇。
第三步：概括總結。在這個環節中，我們要根據每個分類的特點，給每個分類寫一個具備總結功能的標題。
舉個例子：比如想要銷售額提升一倍，怎麼辦呢？如果你沒有對業務的整體認知，那麼可以召集團隊成員，一起開個頭腦風暴會議，大家一起想一想有什麼方法。
經過激烈的頭腦風暴會議，大家列舉出了很多的想法：
約客戶吃飯請客戶喝咖啡陌生拜訪公眾號合作電商合作老客戶回訪挖掘新用戶線下活動……這些信息雜亂無序，我們進入第二步分類，用歸納法把類型相同的信息分成一類。
比如電商合作、公眾號合作、線下活動屬於渠道類，請客戶吃飯、請客戶喝咖啡等屬於溝通類，陌生拜訪又屬於挖掘新用戶下面的一種方式。
然後是第三步概括總結。渠道類裡，電商和公眾號屬於線上渠道，線下活動屬於線下渠道。
經過這樣的梳理分類逐漸清晰。然後再根據每個分類下的情況，刪除重複的內容，增加缺少的內容。
比如用戶類型裡有挖掘新用戶、老客戶回訪，因此需要增加一個跟進中用戶。
但到了這一步還沒有完，我們依然要遵循MECE原則。
這樣的分類，有渠道、有溝通方式，還有用戶類型。用戶類型明顯和前天類型不是同一個維度的內容。所以我們可以選擇把用戶類型放到上一層。
最終通過自下而上，構建了一個和之前類似的邏輯樹。
自上而下和自下而上，到底哪種方法比較好？要看不同的的情況。
自上而下適合我們的目標特別明確的時候。比如你參加競聘，這時你的目標就非常明確，一定是從上往下搭建結構會更好。
自下而上適合我們沒有目標的時候，比如年底寫工作總結的時候，一開始往往不知道怎麼歸類。那就把一月至十二月所有的事情列出來，然後按照你的工作內容進行分類，之後再將每個類別概括出一個結構，最後再將這些結論往上概括出一個總結論來，便完成了金字塔結構的搭建。
但是，在實際工作中，不太可能只用一種方法就把結構建完，一定是兩種方法同時使用。
03 假設樹
當你對問題已經有了較為充足的了解時，可以用假設樹分析問題。
假設樹是針對問題提出了某種假設的解決方案，需要驗證假設是否成立時的使用方法。換句話說，假設樹用於驗證假設。
假設樹的結構如下：
對於某種假設方案，只有當所有論點都支持該方案時，該假設方案可以得到驗證，否則會被推翻。對於每一個論點同樣可以進行分解，直至分解到可以被基本假設證實或證偽。
假如需要針對X公司制定「提高銷量」的方案，我們在了解了公司各方面的情況之後，覺得該公司可能可以通過研發新品來獲得銷量提升，遂繞過問題樹的方法，直接提出「X公司應該研發新產品」這一假設。
為了驗證假設是否成立，則可以構建如下假設樹。
只要我們將第三層次的7個論點進行驗證，就可以證明「X公司應該研發新產品」這一假設是否合理。
這種方式實際上就是對問題先做演繹或者歸納，列舉出前提或者是論據，然後用數據驗證這個推理是否正確。
假設樹這種分析方式相比問題樹效率更高。
假設樹針對問題所提出的假設，不用將問題的所有方面都考慮到，只要能夠驗證假設合理或者不合理即可，這是其與問題樹最大的不同，加快解決問題的進程。
不過還是那個問題，怎麼建立假設？
一個問題究竟如何提出正確的假設？在看到讓X公司「提升銷量」的問題時，為什麼要提出「X應該研發新產品這樣一個假設」，而不是「增加銷售渠道」？這個問題依然還是業務思維的範疇。
04 是否樹
是否樹相比假設樹還要更簡單。
是否樹的主要形式是：先提出一個問題，然後對這一問題進行是否判斷，分析的結果只能是「是」或者「否」；
然後接著進行下一輪判斷分析，繼續得出分析結果「是」或者「否」。是否樹的結構如下：
在使用是否樹進行分析前，對一些結果應已有標準方案。如果答案為「是」，就可以應用實現準備好的標準方案。如果答案為「否」，那就需要再進行下一輪的判斷分析，對具體情況進行具體分析，根據結果確定解決方案。
比如，以下是分析產品戰略的一個簡單的是否樹：
通過圖中的分析，根據不同的結果，就能夠確認最終合適的方案是哪一個。
05 三種樹的使用場景
最後，說一下三種邏輯樹的區別和其適用的場景進行簡單的分析。
問題的初始階段，尚不明確具體情況，需要對問題進行全盤分析時，使用問題樹；
對問題已經有一定了解了，並且有了一種假設方案，對假設方案進行驗證，使用假設樹；
對問題不僅足夠了解，且針對一些結果已經有了標準方案，需要在方案中進行選擇時，使用假設樹。
使用邏輯樹有以下優點：
通過「樹幹」和「樹枝」的搭建，找出問題的所有相關項，以此確保問題獲得完整的解決；通過問題與問題的關聯，識別哪些是必須的，哪些是證明前提假設的重點；個人使用時能幫助理清思路，將大問題分解為利於操作和解決的小問題；團隊使用時，能將大問題分解為小問題再落實到個人，避免責任不清。
總結
以上這些方法看起來平平無奇，似乎都是我們生活中部分覺知和使用的。麥肯錫最厲害的地方在於，把我們習以為常、自動化思維的做法，經過提煉和梳理，形成系統化的方法論。
嚴格執行這些方法論，可以消除不確定性，讓結果穩定、可靠、可達預期。即使是一個剛畢業的大學生，按照方法論分析的結果也不會差到哪裡去。
以上是解決問題的基本思維結構，很多的分析模型都是建立在這幾個結構之上。
比如矩陣模型，實際上就是通過2×2的矩陣列舉出MECE的四種情況，算是問題樹的另一種表現形式。
為什麼我不一上來就直接寫矩陣分析、漏鬥分析這類分析工具。因為如果不把這些更底層的東西說出來，很多人不懂得什麼時候用什麼工具，也不懂得工具如何變通。
前一篇的邏輯思維是建立結構化思維的基礎，本篇的結構化思維是後續更複雜分析的基礎。
工具是思維的延伸，不改變思維，就算掌握了正確的工具也未必能得出正確的結果。
#專欄作家#
專注用數據驅動業務增長，擅長數據分析、用戶增長。喜歡閱讀、思考和創作。
本文原創發布於人人都是產品經理。未經許可，禁止轉載。
題圖來自Unsplash，基於CC0協議