标签 - 数据分析
近几年，大数据被炒的火热。这股热度，让许多人都以为，做数据分析很吃香。随便上招聘网站看看，就会看到各种高薪招聘数据分析人员，让人诱惑不止。而后，各种公众号、学习平台，都开始吹数据分析的前路有多么广阔，企业对数据分析师的缺口逐年扩大，供不应求。导致很多适合或者不适合从事数据分析工作的人，都想要来分一杯羹。
我们用数据分析中常用的分析理论来谈这个问题—5W2H。
（1） What：想从事数据分析工作
如下所示，是我之前搜集到的对各等级分析师的一个能力总结。
除了数据分析师，大部分人的工作其实都会接触到数据分析，只不过他们的分析工作都是比较简单的分析，相当于初级数据分析师的水平。而若是想进一步进阶到中级数据分析师，就会比较困难了，会迅速筛掉一大波打酱油的数据从业人员。
也就是说，我们应该明确自己的职业规划。如果你想从事数据分析工作，首先你应该考虑是从事专职的数据分析，还是类似于运营、市场等会经常进行数据分析的工作。它们的区别在于：
在初级阶段，专职的数据分析师基本相当于打杂，是作为数据专员一样的存在，名副其实的表哥表姐，工作内容枯燥，而运营等人员，会更多触及到业务以及业务的施行，工作内容丰富，更容易快速进入管理层。
到了中级阶段，由于专业知识技能、经验等的缺乏，很多初级数据分析师会被淘汰掉，而未被淘汰掉的数据分析师，就开始有了相对较好的薪资待遇和发展空间。而运营等人员，通常很难突然转到来做中级数据分析师，他们缺乏对数据分析相关知识技能的深入理解，这个阶段，不是说你会用数据透视表看透数据就可以了，需要你深入挖掘数据。
到了高级阶段，数据分析师的薪资待遇又上了一个很大的台阶，已经算是中高端的才人了。而运营等人员，才开始筛掉一大波从业人员，最终留下的，也会获得很好的待遇。但到此来说，如果你想从事专职数据分析师，在前期就会遭遇到残酷的优胜劣汰，而若只是想从事会接触到日常数据分析工作的其它岗位，这种优胜劣汰会发生在后期。毕竟，简单的工作谁都会做，如果你没有一颗不断进取的心，很难在每一次的优胜劣汰中存活下去。
（2） Why：为什么想从事数据分析工作？
确定问题后，接下来就应该不带任何杂念地问问自己：你为什么想从事数据分析工作？是因为被高薪诱惑到了，还是觉得这一块发展空间很大，或者是觉得它特别高大上，或者是觉得自己特别适合数据工作，亦或是别的什么原因。无论什么原因，你都要清醒理智一点，对你得出的原因进行
前一篇文章我介绍了逻辑思维，讲解了演绎和归纳这两种基本的推理方法，在结尾处我给了一个用基本的演绎和归纳方法推导复杂结论的例子。问题来了，用什么结构建立起这样的逻辑大厦呢？有没有固定的模板可以学习？本篇就讲解一下数据分析思维中另一个底层思维：结构化思维。
结构化分析的主要工具之一是逻辑树。这是麦肯锡公司的咨询顾问分析问题时最常使用的工具。
逻辑树有三种类型，分别是：问题树、假设树、是否树。问题树也有翻译成议题树的。网上搜索逻辑树一般会默认是问题树，往往忽略了后两种。
这三种逻辑树结构类似，但是有不同的使用前提，合理的使用它们，对于我们分析问题和制定解决方案能起到事半功倍的效果。
01 问题树
当对问题不了解 ，或者需要对问题进行全面的分解以确保不遗漏任何一个方面时，可以使用问题树。即：在解决问题的初始阶段使用问题树。问题树的结构如下：
MECE原则
问题的同一层级必须遵循MECE原则。
MECE（MutuallyExclusive,CollectivelyExhaustive）的意思是“相互独立，完全穷尽”，发音是me see。
在思考问题的过程中，我们需要将问题进行分解，每一层级的问题与问题之间没有重复、交叉、相关性，就是“相互独立”，而每一层级中务必不出现遗漏，就是“完全穷尽”。
这个原理比较容易理解，不多说。
02 如何建立问题树
建立问题树有两种方式，一种是自上而下，一种是自下而上。
1. 自上而下做分解
比如我们要完成100万元的业绩，可以从哪些方面入手呢？因为销售的最终目标是客户，所以我们可以将客户分类，对不同的客户群体采用不同的营销方式。
根据MECE原则，客户无非是三种：
陌生的新用户正在跟进的用户已经购买的老用户因此，我们可以在逻辑树的第一层，划分这样三个类别。
根据业务常识，销售额=流量×转化率×客单价。所以我们在三个群体下分别有三种策略。
根据上述的策略，再往每一个子分类中添加具体的对策。
这样经过一层层的演绎推理，最终形成了一个问题树。我们将一个大问题拆解成了一个个可执行的小问题。
其中，第一层的分类最重要，它决定了你整个结构的整体功能。
不过这个分解方式没有标准答案，你在运用的过程中，得根据实际问题，找到对问题的解决最直接有效的切分方式，比如：
侧重于分而治之的，可以按空间维度进行分类：新客户、跟进中客户、老客户；或者业务A、业务B、业务C；侧重于进度把控的，可以按时间维度进行分类：第