单单会工具和技能是不够的，还必须拥有数据分析思维，结构化的分析思维。

数据思维决定了你如何思考问题，如何搭配这些分析方法，如何确定问题。如何得出结论。

先看几道面试题，自己可以先思考一下，文末附有参考和总结：

①如果次日用户留存率下降了 5%该怎么分析？

②如果现在有个情景，我们有一款游戏收入下降了，你怎么分析。

③一个网站销售额变低，你从哪几个方面去考量？

④用户流失分析？

一、逻辑树思维

如图的树状逻辑相信大家已经见过许多回了。一般说明逻辑树的分叉时，都会提到“分解”和“汇总”的概念。

我们这里把它变一变，使其更贴近数据分析，称为“下钻”和“上卷”。

下钻，就是在分析指标的变化时，按一定的维度不断的分解。所谓上卷就是反过来。

随着维度的下钻和上卷，数据会不断细分和汇总，在这个过程中，我们往往能找到问题的根源。

下钻和上卷并不是局限于一个维度的，往往是多维组合的节点，进行分叉。

事实上，逻辑树思维也可以理解为结构化思维或“金字塔思维”

更详细来讲就是：

核心论点：寻找金字塔的塔点（假设/预测/问题/原因）

结构拆解：自上而下将核心论点层层拆解成分论点，上下之间呈因果/依赖关系

MECE：相互独立，完全穷尽（分论点之间避免交叉重复，尽量完善）

验证：核心论点/分论点都是可量化的、可验证的，要用数据说话

举个简单的例子：比如我们发现有一个线下的销售产品，9月份销售额比去年同比下降了20%，按照结构化的思维我们就可以将问题拆分为：

二、公式化思维

上面学习了逻辑树思维，但它有个缺点：不够公式化。

公式化分析思维意味着：上下互为计算（一切结构皆可量化）、左右呈关联（最小不可分割）

公式化可以简单地看成是利用加减乘除来量化分析的分析思维：不同类别的业务叠加可以用加法，减法常用来计算业务间的逻辑关系；乘法和除法是各种比例或比率。

我们将上图中结构化的思维导图再加上公式化，就变成下面这样子：

三、面试题参考答案：

问题1：如果次日用户留存率下降了 5%该怎么分析？

“两层模型”分析：对用户进行细分，包括新老、渠道、活动、画像等多个维度，然后分别计算每个维度下不同用户的次日留存率。通过这种方法定位到导致留存率下降的用户群体是谁。

对于目标群体次日留存下降问题，具体情况具体分析。具体分析可以采用“内部-外部”因素考虑。

a. 内部因素分为获客（渠道质量低、活动获取非目标用户）、满足需求（新功能改动引发某类用户不满）、提活手段（签到等提活手段没达成目标、产品自然使用周期低导致上次获得的大量用户短期内不需要再使用等）；b. 外部因素采用PEST分析（宏观经济环境分析），政治（政策影响）、经济（短期内主要是竞争环境，如对竞争对手的活动）、社会（舆论压力、用户生活方式变化、消费心理变化、价值观变化等偏好变化）、技术（创新解决方案的出现、分销渠道变化等）。

问题2：如果现在有个情景，我们有一款游戏收入下降了，你怎么分析。

两层模型：细分用户、渠道、产品，看到底是哪里的收入下降了

指标拆解：收入 = 玩家数量 * 活跃占比 * 付费转化率 * 付费次数 * 客单价 进一步细分，如玩家数量 = 老玩家数量 * 活跃度 + 新玩家数量 * 留存率等。然后对各个指标与以往的数据进行对比，发现哪些环节导致收入下降

原因分析：a. 内部：产品变化、促活活动、拉新活动、定价策略、运营策略、服务器故障等 b. 外部：用户偏好变化、市场环境变化、舆论环境变化、竞争对手行为、外部渠道变化等

如何提高：基于乘法模型，可以采用上限分析，从前往后依次将指标提升到投入足够精力（假设优先分配人力、经费与渠道）后的上限，然后分析“收入”指标的数值提升。找到数值提升最快的那个阶段，就是我们提高收入的关键任务。

问题3：一个网站销售额变低，你从哪几个方面去考量？

首先要定位到现象真正发生的位置，到底是谁的销售额变低了？这里划分的维度有：

a. 用户（画像、来源地区、新老、渠道等） b. 产品或栏目 c. 访问时段

定位到发生位置后，进行问题拆解，关注目标群体中哪个指标下降导致网站销售额下降：a. 销售额=入站流量x下单率x客单价 b. 入站流量 = Σ各来源流量x转化率 c. 下单率 = 页面访问量x转化率 d. 客单价 = 商品数量x商品价格

确定问题源头后，对问题原因进行分析，如采用内外部框架：a. 内部：网站改版、产品更新、广告投放 b. 外部：用户偏好变化、媒体新闻、经济环境、竞品行为等

问题4：用户流失分析？

留言区写出你的答案~

四、总结：

针对具体业务问题的数据分析，总结如下：

第一步：明确你遇到的场景类型，明确分析目标：

企业数据分析场景可分为以下几种：

经营数据分析：监控企业的运行情况，目标是发现企业经营活动中的问题，主要关注点是销量/销售额总体时序变化、地区分布、总体

销售数据分析：目标是保证完成销售任务，监测销售效率低的原因，提出解决办法，主要关注时序进度、落后原因、销售情况等；

客户数据分析：目标是深入理解客户，典型方法是RFM模型；

营销/市场数据分析：目标是了解投放效果，优化投放计划，提升投放效率，关注点主要集中在ROI相关的指标；

产品数据分析：综合了前边几类分析的内容，分析目标则集中在某个产品上；

目标明确以后，利用数据搭建数据模型，本质上是一系列相关的数据指标的联系：

每一个场景里的内容看似复杂，但记住两个核心，即可推导出所有的分析点：

核心一：绝大多数分析都是针对人（内部人员和客户）、财（收入，支出）、物（产品，服务）三个对象进行的，所有的基础分析指标，由单个对象或对象间的组合推导出来。（即逻辑树和公式推导）

核心二：做分析时处理指标记住八个字：变化、分布、对比、预测

变化：指标随时间的变动，表现为增幅（同比、环比等）；（指标异动的时间点）

分布：指标在不同层次上的表现，包括地域分布（省、市、区县、店/网点）、用户群分布（年龄、性别、职业等）等；（即是找出指标异动的具体点）

对比：包括内部对比和外部对比（找出指标异动原因）

内部对比包括团队对比（团队A与B的单产对比、销量对比等）；

外部对比主要是与市场环境和竞争者对比；这一部分和分布有重叠的地方，但分布更多用于找出好或坏的地方，而对比更偏重于找到好或坏的原因；

预测：根据现有变化情况，给出将来可能情况的结论；