九大數據分析方法：Mece法
本文轉載自微信公眾號「碼工小熊」，作者小熊妹。轉載本文請聯系碼工小熊公眾號。
大家好，我是愛學習的小xiong熊妹。
今天繼續分享九大數據分析方法系列。上一篇說到，當我們要分析的問題，受到太多因素的影響的時候，經常會不知道從哪里下手。這時候，需要把各種影響因素梳理清楚，就需要用到MECE
一、什么是MECE
MECE是(Mutually Exclusive Collectively Exhaustive)的縮寫，指的是“相互獨立，完全窮盡”的分類原則。通過MECE方法對問題進行分類，能做到清晰準確，從而容易找到答案。
很多小伙伴聽到MECE，都會眉頭一皺，大呼：
“好難呀!”
“怎么做到獨立窮盡!”
“是不是要懂得世界上所有道理，才能窮盡?”
其實完全不是，最好的做到獨立、窮盡的辦法，就是二分法。舉個簡單的例子，門店的店長抱怨：“遇到個刮風下雨打雷，街上沒有人了，生意就很差”。這里的刮風下雨打雷，就不符合MECE原則。因為這三者之間既有關系，又有區別(如下圖)
那么怎么做到MECE呢?
二、如何做到MECE
首先要明確目標：其實我們關心的不是天氣咋樣，而是天氣會不會影響人流。那么在對影響因素分類的時候，就得先把最大因素分離出來，再分離小的因素。由大到小，逐步剝洋蔥。
比如刮風、下雨、大雷三件事，刮風除非是臺風天，否則很少能影響到人們出行。大雷往往和下雨相伴，干打雷不下雨情況很少。因此相比之下，刮風、下雨、大雷里邊，下雨影響最大，可以第一個分離出來。
這樣，通過下雨/非下雨的區分，就做到了獨立、窮盡。是和否的二分類，是很容易做到獨立窮盡的。
三、如何利用MECE做分析
但是僅區分是否下雨并不能進行分析。如果下的雨很小，也不會影響人流。我們還需要更細致的劃分，才能分析問題。好在，天氣預報軟件能給出具體的氣象信息，包括溫度、濕度、降雨量等等，可供分析使用。
這里有兩種深入方法：
- 用相關分析法，收集降雨量指標，之后尋找降雨量指標與客流之間關系。比如收集了10個下雨天氣的客戶流量數據，可以做散點圖，尋找相關關系。這種做法，靈活性較大，可以在沒有經驗積累的情況下總結出規律。
- 用標簽分析法，不糾結具體降雨量多少，而是直接用氣象局給的暴雨警報標簽(黃色、橙色、紅色)。然后看不同標簽下的客流情況這種做法，直接采用現成標簽，在有標簽積累的情況下更好用，很直觀。
理論上，兩種方法都可行。最后選哪個，主要看
- 從數據來源上，那種方法更簡單可靠
- 從結果上，那種方法區分度更明顯(如下圖)
經過這一步，就又進行了第二級拆分，還可以類似的，做三級/四級拆分(如下圖)
總之，通過逐層拆分，能幫助我們看清問題真實發生原因，就算達到了目的。
四、MECE法綜合運用
上邊只是個簡單的例子，實際上，作為分析問題的基本原則，MECE法是一種基礎的分析方法。現實中相當多的問題，都是各種因素交織在一起，因此需要用MECE法，把可能的影響因素一一列出來，然后再逐一確認。
比如影響門店業績的，除了天氣，還有：
- 門店位置
- 開業時間
- 貨物供應
- 促銷政策
并且這些因素會相互疊加，因此在分析的時候，需要用MECE法，逐級選取重點因素，剝洋蔥一樣找到問題核心。后續再慢慢跟大家分享，如何用MECE法構建復雜的分析邏輯。
五、MECE法不足之處
MECE法最大不足之處，在于并非所有影響因素，都能直接用數據觀察到。舉個簡單的例子：用戶為什么會流失?一般在用戶已經3個月/6個月沒有互動的時候標記為流失。但實際上，在用戶被標記為流失以前，可能已經2個月沒有登錄過了，也沒有留下什么數據記錄。
那么，到底為什么會流失呢?
- 因為產品體驗不好?
- 因為缺少促銷活動?
- 因為服務沒有到位?
- 因為用戶根本沒有需求?
這些復雜的因素，都隨著用戶數據的缺失，變得難以解答。即使做出來了很好的MECE分析，也沒有數據佐證。
類似的場景還有很多，比如新用戶獲取、新產品上線這種新業務，都缺少數據積累。此時需要用另外一種思路解決問題：配合運營活動/產品改版，用實驗的方法，把真實影響因素測試出來。這樣既能彌補數據的不足，又能直接獲得解決問題的手段，一舉兩得。
不過這些測試類方法，并不是直接從數據中解讀出含義，而是先設計實驗再看結果，因此沒有和九大分析方法歸為一類，小伙伴們還想看的話，記得轉發+點贊+在看三連，支持下小熊妹哦，下一部分來更新《8個故事，看懂數據測試》敬請期待哦。
