【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
↙