【原创】从理解分析一词到用 MECE 分析法深度解密
既然我们的主题是数据分析,今天就来谈谈:分析。
分析是什么
什么是分析?搜索百科,如下:
https://zh.wikipedia.org/wiki/分析
可以得到:
分析,是将复杂的话题或事物逐渐拆分的过程,以此来达到对话题更好的理解。尽管“分析”作为一个正式的概念在近年来才逐步建立起来,这一技巧自亚里士多德(公元前384年至322年)就已经应用在了数学、逻辑学等多个领域。
其中强调的是:
将复杂的话题或事物逐渐拆分的过程。
按照“分析”一词的这个定义,如果我们要去“分析”词汇“数据分析”,就可以将其拆解成两个词语,就是:
数据
分析
这两个词,尤其是前者,由于在不同语境下的含义不同,导致“数据分析”说的事的差别非常大。PowerBI 也是适用于特别的一种情况的。这个话题暂且按下不表,本文单单就来看看“分析”二字本身。
从“分析”一词的起源来看,在数学和逻辑中可以得到最常见的体现,考虑到“分析”一词的内涵:将复杂的话题或事物逐渐拆分的过程,可以回忆,在我们上学的过程中,有什么数据或逻辑上的话题有这个被分析的过程呢。
下面举一个自己有记忆个例子。
这个例子来自高中数学,那时,我的眼镜总是乱放,而且眼镜片朝下,放在桌子上,数学老师看到了,很温馨的提醒我,眼镜不能这样放,会摩坏镜片,很少得到老师的关注,所以,特别认真听了一节课。其中有一个例子类似如下:
怎么做?由于得到了老师的特别关心,所以接下来的四个字记忆就很清晰,叫:分类讨论。这也变成了解决高中数学类题目的一种通用套路。
读者不用慌,其实这道题我是随意摘录的,我也不会做了。记忆的片段仅仅是老师的爱心以及“分类讨论”四个字。
结合,我们看到的:分析,是将复杂的话题或事物逐渐拆分的过程,以此来达到对话题更好的理解。而以上述的数学题为例,分析,就是分类讨论。
如何分类讨论
既然,分析,是分类讨论,用于在某一个类别下的讨论和思考来进一步理解事物。那么,如何有效的分类讨论呢?
先举一个反面的案例:
总裁问:今年疫情,导致我们的销售大幅度下降,现在是 5 月,可以分析下,接下来有什么好的策略来调整,以尽量提升销售吗?
总监答:我们开过会了,大家大致有一些策略,包括:
可以多拓展几个用户渠道
可以在线上增加主播带货的方式
可以做出新的产品组合
可以减少不必要的长尾产品
总裁微微一笑,而不语,这个微表情被总裁助理留意到了。会后,总裁助理约总监去喝了星巴克。
在这里,总监就犯了一种错误,这种错误来自:分类的错误。
线上增加主播带货,属于一种渠道,而拓展渠道已经包含了这种情况。
减少不必要的长尾产品和新的产品组合都属于产品改造。
从这个意义上说,也许总监可以解决业务部署,但其思路,尤其在分类上,是不规范的。
那么,在思考一件事情上,如何做到一种更优化的分类模式以便更好的来理解事物来达到“分析”的目的呢?
MECE 分析法
要做到分类的优化,就必须满足一个原则:MECE。
MECE,是Mutually Exclusive Collectively Exhaustive,中文意思是“相互独立,完全穷尽”。
也就是对于一个重大的议题,能够做到不重叠、不遗漏的分类,而且能够借此有效把握问题的核心,并解决问题的方法。
它是麦肯锡的第一个女咨询顾问巴巴拉·明托(Barbara Minto)在金字塔原理(The Minto Pyramid Principle)中提出的一个很重要的原则。
所谓的不遗漏、不重叠指在将某个整体(不论是客观存在的还是概念性的整体)划分为不同的部分时,必须保证划分后的各部分符合以下要求:
各部分之间相互独立 (Mutually Exclusive)
所有部分完全穷尽 (Collectively Exhaustive)
MECE(相互独立、完全穷尽)是麦肯锡思维过程的一条基本准则。“相互独立”意味着问题的细分是在同一维度上并有明确区分、不可重迭的,“完全穷尽” 则意味着全面、周密。
从这个定义来看,总监给到总裁的解释是完全不满足 MECE 规则的。
在比较正规的公司(尤其是国际型企业),多使用职业经理人,他们有很自然的职业素养,MECE 的原则基本是他们处理问题的一种本能思维习惯,这可以帮助找到所有影响预期效益或目标的关键因素,并找到所有可能的解决办法,而且它会有助于管理者进行问题或解决方案的排序、分析,并从中找到令人满意的解决方案。
我们通常说一个人不讲逻辑,不讲道理,有时的一种体现就是:他用了不满足 MECE 的思维很随性地在看待事物。
如何做到 MECE
一般要做到 MECE,有两种方法:
【方法一】一是在确立问题的时候,通过类似鱼刺图的方法,在确立主要问题的基础上,再逐个往下层层分解,直至所有的疑问都找到,通过问题的层层分解,可以分析出关键问题和初步的解决问题的思路。
例如:
方法一,中隐含了一个问题是:确立主要问题的基础上,再如何如何。
而主要问题是什么呢?
如果连主要问题都不知道怎么办?
【方法二】结合头脑风暴法找到主要问题,然后在不考虑现有资源的限制基础上,考虑解决该问题的所有可能方法,在这个过程中,要特别注意多种方法的结合有可能是个新的解决方法,然后再往下分析,每种解决方法所需要的各种资源,并通过分析比较,从上述多种方案中找到目前状况下最现实最令人满意的答案。
头脑风暴,可以简单理解为大家坐在一起胡思乱想,嗨哟,万一得到某种智慧了呢。
在人们逐渐长大成熟的道路上,以及一个企业在某个行业长大成熟的道路上,都走过了很多坑,有很多经验积累,这种经验积累,本质上就是:MECE 步骤中所说的“主要问题”。而我们通常所说的业务经验,就是可以立马锁定到主要问题的一种本能能力。
如何本能锁定主要问题
如果说,人工智能和机器学习非常非常先进,那不妨有时候把人本身就看作一架机器,那这部机器是有智慧的,他只要在一个环境呆上一段时间,自然就吸取了很多素材,而这个环境就是:某个行业领域的企业的某个职能上。
有伙伴刚刚参加工作不久,在北上广深打拼非常不容易,而且单身无依无靠,在遇到问题时就发慌了,其本质原因是:身体里没有货。解决这个问题的本质手段就是:不管在哪里,混迹三年,啥还不知道嘛。
你学 PowerBI,用三年,不管专业不专业,你肯定知道他到底是啥。
你学 PY,用三年,不管专家不专家,你肯定知道他到底能干啥。
你做互联网,不知道下一步要干嘛,想办法去一个企业混迹三年,看其起伏兴衰,你肯定就知道某个场景下的业务是啥样的。
从这个意义上来说,本能锁定主要问题的方法就是:花费时间到某个领域。
你甚至都不用管你干啥,只要你在那个领域,你混了几年,你基本就知道咋回事了。
有伙伴就问了:那还有必要买课学习吗?反正混几年就懂了。
从一定意义上来说:没有必要买。
学习的本质
一个内化(注意此处的用词是:内化)了 MECE 习惯模式的人来说,他可以很快找到一条适合自己的通路并尽快试错,排除通路假设中的死路,并从活路走出迷宫。那么学习的本质,从一定意义上说,其实是去借鉴一种 MECE 的分解模式。
比如,我告诉你,商业智能分成三步:数据获取,数据建模,数据可视化。就是一种 MECE,然后分别来讲解其中的某个部分,在这个部分进一步去做 MECE 分解,然后再如此循环往复。
古人讲:学而不思则罔,思而不学则殆。
学,就是借鉴其他人消耗了他的时间所取得的某种问题的 MECE 经验。
思,就是反思这种 MECE 经验是否有其他的入口可以得到另一种更合理的 MECE 模式。
学习,本身,尤其是不加思考的学习,就是无脑借鉴别人的 MECE,会慢慢消磨自己的 MECE 潜质,就是妈妈说的吃了别人嚼过的馒头。听了老妈这么说以后,我就不爱看书了,觉得不舒服。但后来想到,书里的知识不是吃的,而是能量精华,要吸收伟大前人的,就舒服了。
那有必要买课学习吗?
其本质在于,你是否能判断某种 MECE 模式的正确性,而这又是悖论的,如果可以判断其 MECE 是否正确,说明自己懂了,懂了还学个什么劲啊。
但聪明点的人是:
虽然无法辨别某种 MECE 是否更加优越
但是可以判别某种划分是否是 MECE 的
举一个例子:
如果有人告诉我让我 200元 学会 PowerBI,并且翻身立命。我并不会不信,我要看他的 MECE 分解,然后,很快就可以找到矛盾的话,说明这种方法是错的,我会去找一种满足 MECE 的方法。这帮助我省去了 80% 的试错。
再随着时间的推移,MECE 内化了,听过我线下 PowerBI VIP 的伙伴,你就会清楚感觉到我在将 PowerBI 做全新的 MECE 划分,所以,与众不同。我对自己新的要求不再是判别是否满足 MECE,而是去做 MECE 优化,也就是去发掘新的 MECE 模式。这种探索,让你可以获得一种满足和快乐,而原创就是来自这个过程。
那有必要买课学习吗?
如果要学习某种问题或领域的知识和理解,如果有证据充分表明某人对某种问题的 MECE 足够优化,而且很难被超越,那么就学习他。如果没有证据,你还有可能学到完全错误的东西而不自知。从这个意义来说,学还不如不学,而对于破坏人类 MECE 思维养成的学习和教育以及培训和课程,就是智力杀手,那会阉割掉一个人的独立思考的 MECE 习惯,将人带着买课学习,买课学习,没有课就做不了事的状态,其表现就是:上学靠记老师笔记;靠老师划重点;靠背;上班后靠领导决定;靠模板;靠案例… 没有了 Excel 模板,根本不知道下一步要干嘛。
在 PowerBI 中的 MECE
很多同学在问学习什么 PowerBI 的书籍,一个好的回答就是去看:
是不是满足 MECE
能不能看出有与众不同的 MECE
更重要的是,自己去发掘新的 MECE
例如,我学习过 PowerBI 的各种互联网内容,一旦讲到 DAX,就是:
数据模型
筛选上下文
行上下文
上下文转换
这些是没有问题的,但其本质是对一个事物的 MECE 分解。
如果我想要更透彻的理解一个事物,我会继续问自己,是否可以找到新的 MECE 模式来让我更快更容易地接近事物的本质。
很多伙伴问:老师你的课程有什么特别的呢?如果你读了本文,应该能明白,作为老师,我会做到:
满足 MECE 的优质内容
不破坏你的 MECE 思维习惯
帮助你修复被损坏了的 MECE 思维
找到更优化的 MECE 来帮你理解事物
业务人员怎么分析
大多数数据分析课程会告诉我们数据如何被分析,你也觉得很有道理,因为你在那个领域是个小白,所以有道理。要比较,要钻取,要切片,要想。
对于某个混迹某领域的真正专家,他的 MECE 早已建立,他不需要分析,他只需要看几个数字,在脑中就连成了答案和路径。
而这,源于他们的大脑的 MECE 系统非常完整,没有被毒杀过,所以,他们不会学习如何分析,他们的分析已经是本能。
值得一提的是,那工具对业务人员有什么帮助呢?有的,工具可以通过某种算法,穷举人类大脑做不到的排列组合,以便找出超出人类已有经验的 MECE 分解模式,这个是一种随机,是一种硬刚。但这种力量,是要借助机器的。
从这个意义来说,业务高手:
有十分优质且内化的 MECE 模式指导自己
借助机器弥补人类天生能力不能及的隐秘的角落
结束。
一个企业招聘人员:
业务类,买的是优质的 MECE 模式来避免企业的风险;
技术类,买的是构建弥补人类能力不能及的硬刚之力。
那么,我们在出卖或者积聚自己的那种能力呢?
超越 MECE
作为补充,简单提下,MECE 好像被这里神化了,其实,MECE 有时也是一种障碍。正如:在你不懂的时候,请遵守规则;在你知道你在干什么的时候,不必遵守规则。例如:在你不懂的时候,请保持模型的一对多关系;在你知道你在干什么的时候,请随意。
前文中的总裁助理约总监去喝了星巴克,他们是很好的兄弟朋友,总监告诉总裁助理说,我故意说的混乱了点,因为…
在职场中,事情根本不是由逻辑和是否 MECE 来决定什么的,而要超越 MECE。当然,这也在提醒我们,不要被 PowerBI 或任何一种技能或知识以及工具所困,要用人类的本能和智慧去做机器可能永远做不到的事。
总结
分析,是将复杂的话题或事物逐渐拆分的过程。重要的模式是 MECE。很多人,不管是什么原因,他的 MECE 思维早已受损甚至消失。
要用 MECE 来帮助自己做判别,同时,挑战自己去发现新的 MECE 模式,就可以在行业,领域甚至是科学界创新。
好的教育,不能破坏人的 MECE 思维特质,而更要修复和激发这种特质的发挥,并教育的内容本身应该不断去探索新的 MECE 模式来帮助人们更有效的理解知识甚至是本来不敢相信的真相。
最后,要感谢我曾经的老师们,他们对待教学不是培训而是在潜移默化的想办法保存并开发学生的 MECE ,没有在我的学生时代被阉割这些,让我能尽力在激烈的竞争下生存,这种大智若无的教育太稀缺了。
如何让 PowerBI 的学习在保持 MECE 的模式下,找到更优模式,并告诉你很多人不知道的真相。你是不是那种缺了模板就不知道下一步干什么的人呢?你的 MECE 能力被损坏了吗?
这套课程在学习 PowerBI 的同时,帮助您修复损伤的 MECE 思维,并重建更加优化的 MECE 模式以及了解真正的真相。这不是广告词哦,但能想到这种广告的,难道不是一种非常需要的能力吗?
让数据真正成为你的力量
Create value through simple and easy with fun by PowerBI
Excel BI | DAX Pro | DAX 权威指南 | 线下VIP学习
扫码与PBI精英一起学习,验证码:data2020
PowerBI MVP 带你正确而高效地学习 PowerBI
点击“阅读原文”,即刻开始
↙