分析师|MECE：数据分析师都要掌握的准则( 二 ) 加班|穷尽|数据分析师|迟到|妹

类似地，在分解第二逻辑分支的时候，既然大目标已经定了：要帮人；就可以用“下雨了，全城堵车”之类的理由来开脱。
注意，这里又有个小技巧：选择切入维度，选可量化的维度。
比如下雨“下雨了，全城堵车”听起来是个好理由，但是：

如何量化下雨？
小雨、大雨、暴雨？
小雨也堵车？
堵车就一定迟到？

这些都很难量化清楚，所以可以换个更简单的量化方法；“下雨了，全城堵车”指向的结果是：“大家都会迟到”；那就直接看“大家是否都迟到了”就好了（如下图）。

文章插图
3. MECE第三步：代入数据量化做数据分析，不谈数据就是耍流氓，定好分类逻辑以后，就得按逻辑填入数据，最后数据说话。
脱离计量谈毒性就是耍流氓，因此代入数据后，首先得看各类型问题的占比；问题比例本身就能很大程度上说明问题。这也是用MECE法拆解问题的最大优势：避免被个例子带歪，大家看着数说话（如下图）。

文章插图
4. MECE第四步：导出业务结论最后，可以导出业务结论了。业务结论包含两个方面：

来自整体结构的判断，小妹纸到底是主观懒，还是客观原因多。
对每一个细化问题点的小结论，到底要辅导工作，还是简单放过去。

做完了推断，还能直接设定观察指标，持续观察问题走势。
观察包括：

数量变化：是不是迟到天数减少了。
结构变化：是不是因为客观原因的天数减少了。
细化问题点变化：因为工作分配导致加班天数，是不是在消减工作量后减少了。

文章插图
这样分析逻辑+业务行动+数据跟踪，就能很清晰的看到是否在数据指导下解决了问题，从而达到良好的数据驱动的作用。
四、阻碍MECE发挥作用的障碍对数据分析师而言，最大的障碍来自：不懂业务，不会沟通业务，不会推动业务；把数据分析当写作业，反正数据库里有这几个现成的维度，我把所有的对比都做出来，哪个低了就说哪个有问题好了。
对业务方而言，最大的障碍来自：特立独行，不看数据；逮住几个个案讲的头头是道，怎么用数据量化，怎么用数据考核，一概不谈；要么干脆不动动上升到态度层面，更没法量化考核了。
数据分析的优势，正是能够对抗业务发展中个案、情绪所带来的判断失误；因此认真梳理业务逻辑，清晰目标，逐级推导直到落地监控，才是拨云见日的好办法。
当然，看完以后，有同学会说：能举个运营的例子不？下一篇见。
#专栏作家#接地气的陈老师，微信公众号：接地气学堂，人人都是产品经理专栏作家。资深咨询顾问，在互联网，金融，快消，零售，耐用，美容等15个行业有丰富数据相关经验。
本文原创发布于人人都是产品经理。未经许可，禁止转载
【 分析师|MECE：数据分析师都要掌握的准则】题图来自Unsplash，基于CC0协议。