今天继续分享九大数据分析方法系列。上一篇说到，当我们要分析的问题，受到太多因素的影响的时候，经常会不知道从哪里下手。这时候，需要把各种影响因素梳理清楚，就需要用到MECE
一、什么是MECE
MECE是（Mutually Exclusive Collectively Exhaustive）的缩写，指的是“相互独立，完全穷尽”的分类原则。通过MECE方法对问题进行分类，能做到清晰准确，从而容易找到答案。
很多小伙伴听到MECE，都会眉头一皱，大呼：
“好难呀！”
“怎么做到独立穷尽！”
“是不是要懂得世界上所有道理，才能穷尽？”
其实完全不是，最好的做到独立、穷尽的办法，就是二分法。举个简单的例子，门店的店长抱怨：“遇到个刮风下雨打雷，街上没有人了，生意就很差”。这里的刮风下雨打雷，就不符合MECE原则。因为这三者之间既有关系，又有区别（如下图）
那么怎么做到MECE呢？
二、如何做到MECE
首先要明确目标：其实我们关心的不是天气咋样，而是天气会不会影响人流。那么在对影响因素分类的时候，就得先把最大因素分离出来，再分离小的因素。由大到小，逐步剥洋葱。
比如刮风、下雨、大雷三件事，刮风除非是台风天，否则很少能影响到人们出行。大雷往往和下雨相伴，干打雷不下雨情况很少。因此相比之下，刮风、下雨、大雷里边，下雨影响最大，可以第一个分离出来。
这样，通过下雨/非下雨的区分，就做到了独立、穷尽。是和否的二分类，是很容易做到独立穷尽的。
三、如何利用MECE做分析
但是仅区分是否下雨并不能进行分析。如果下的雨很小，也不会影响人流。我们还需要更细致的划分，才能分析问题。好在，天气预报软件能给出具体的气象信息，包括温度、湿度、降雨量等等，可供分析使用。
这里有两种深入方法：
用相关分析法，收集降雨量指标，之后寻找降雨量指标与客流之间关系。比如收集了10个下雨天气的客户流量数据，可以做散点图，寻找相关关系。这种做法，灵活性较大，可以在没有经验积累的情况下总结出规律。
用标签分析法，不纠结具体降雨量多少，而是直接用气象局给的暴雨警报标签（黄色、橙色、红色）。然后看不同标签下的客流情况这种做法，直接采用现成标签，在有标签积累的情况下更好用，很直观。
理论上，两种方法都可行。最后选哪个，主要看
从数据来源上，那种方法更简单可靠
从结果上，那种方法区分度更明显（如下图）
经过这一步，就又进行了第二级拆分，还可以类似的，做三级/四级拆分（如下图）
总之，通过逐层拆分，能帮助我们看清问题真实发生原因，就算达到了目的。
四、MECE法综合运用
上边只是个简单的例子，实际上，作为分析问题的基本原则，MECE法是一种基础的分析方法。现实中相当多的问题，都是各种因素交织在一起，因此需要用MECE法，把可能的影响因素一一列出来，然后再逐一确认。
比如影响门店业绩的，除了天气，还有：
门店位置
开业时间
货物供应
促销政策
并且这些因素会相互叠加，因此在分析的时候，需要用MECE法，逐级选取重点因素，剥洋葱一样找到问题核心。后续再慢慢跟大家分享，如何用MECE法构建复杂的分析逻辑。
五、MECE法不足之处
MECE法最大不足之处，在于并非所有影响因素，都能直接用数据观察到。举个简单的例子：用户为什么会流失？一般在用户已经3个月/6个月没有互动的时候标记为流失。但实际上，在用户被标记为流失以前，可能已经2个月没有登录过了，也没有留下什么数据记录。
那么，到底为什么会流失呢？
因为产品体验不好？
因为缺少促销活动？
因为服务没有到位？
因为用户根本没有需求？
这些复杂的因素，都随着用户数据的缺失，变得难以解答。即使做出来了很好的MECE分析，也没有数据佐证。
类似的场景还有很多，比如新用户获取、新产品上线这种新业务，都缺少数据积累。此时需要用另外一种思路解决问题：配合运营活动/产品改版，用实验的方法，把真实影响因素测试出来。这样既能弥补数据的不足，又能直接获得解决问题的手段，一举两得。
评论