九大数据分析方法:Mece法

大数据 数据分析
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。

[[431610]]

本文转载自微信公众号「码工小熊」,作者小熊妹。转载本文请联系码工小熊公众号。

大家好,我是爱学习的小xiong熊妹。

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。

 

不过这些测试类方法,并不是直接从数据中解读出含义,而是先设计实验再看结果,因此没有和九大分析方法归为一类,小伙伴们还想看的话,记得转发+点赞+在看三连,支持下小熊妹哦,下一部分来更新《8个故事,看懂数据测试》敬请期待哦。

 

责任编辑:武晓燕 来源: 码工小熊
相关推荐

2021-10-26 00:00:53

数据分析指标

2021-09-26 18:38:36

数据分析DEA

2021-09-09 17:38:55

数据分析矩阵

2021-10-19 17:52:56

数据分析标签

2021-09-07 11:14:36

数据分析互联网

2021-11-16 11:49:07

数据分析应用

2019-10-14 15:57:36

数据分析多维度二八法

2022-09-07 15:47:21

数据分析对比分析大数据

2019-04-25 14:20:56

数据分析套路工具

2021-11-08 14:03:44

大数据数据分析技术

2017-01-23 13:34:44

2020-07-16 17:26:05

数据分析转化用户

2023-10-29 18:15:41

数据分析趋势分析法漏斗分析法

2020-11-18 09:33:03

数据分析业务问题

2020-02-09 17:22:27

5大数据分析预测

2013-04-02 09:32:18

大数据分析大数据市场预测大数据全球技术峰会

2021-01-26 11:12:57

数据分析大数据大数据分析

2015-08-14 10:28:09

大数据

2023-11-26 08:20:35

数据分析周期性

2022-08-03 14:30:52

大数据数据分析数据收集
点赞
收藏

51CTO技术栈公众号