麥肯錫在用的MECE分析法,到底是什么?
在數據分析的世界里,MECE原則以其“相互獨立,完全窮盡”的特點,成為了一種備受推崇的分析準則。然而,對于許多數據分析師來說,MECE似乎總是遙不可及的理想狀態。本文將帶你深入了解MECE分析法的真正含義,以及如何在實際工作中運用這一強大的工具,讓你的分析工作更加系統化、條理化。
大家好,我是接地氣的陳老師。
幾乎所有數據分析的書、教程、文章,都很政治正確地寫上MECE作為數據分析的準則。這東西很快又成為一個數據領域的“咕咚來了”:
到底啥是MECE
為啥非得MECE
我做的是不是MECE
一大堆問號沒人回答,今天我們系統講解一下。?1?啥是MECE
MECE,是Mutually Exclusive Collectively Exhaustive的縮寫,簡單歸納成8個字:相互獨立,完全窮盡。聽起來就很厲害呀,如果能完全窮盡,那分析肯定是無懈可擊。問題是:怎么做到呢?來個最直觀的例子:
問題場景
項目組的張雨萱小妹紙又遲到了!上個月居然遲到了19天!原本同事們遲到個兩三天,HR是不會管的,可這一個月19天遲到也太夸張了,于是告到領導那里。
妹紙哭得梨花帶雨地來投訴:
那項目組好多人都遲到呀,你們也不管
那遇到下大雨全程堵車呀,你們又不管
那臨近項目上線,就是搞到很晚呀
那前一天加班了,就是會到得晚呀
……
問:該咋分析實際情況??2?不用MECE的惡果
新手數據分析師,馬上拿個筆在這列清單:
遲到原因1:堵車
遲到原因2:下雨
遲到原因3:項目上線
遲到原因4:加班
遲到原因5:自己懶
遲到原因6:其他
這么干的話,他們很快會發現:各種原因是交織在一起的!下雨了又自然會堵車,加班和項目上線也是經常重疊的,懶和所有問題是重疊的。然后又有可能既下雨又加班又很懶……根本扯不清到底影響多少。
即使都扯清了,還有個其他在等著呢。于是又情不自禁地想要百度《多因素獨立檢驗模型如何構建》,或者去微信群問“有沒有頭騰阿公司的HR分析大佬,急,在線等!”了。
這就是沒有用MECE法則拆解問題的壞處:數據分析毫無邏輯,變成了單純地拉交叉表。實際上很多新人就是這么干的,遇到問題,把渠道、時間、產品、用戶等維度拉出來,和問題指標一一交叉,交叉完看到哪個柱子低了:就它了!最后被人質問:多種原因交織的時候怎么區分?就回答不上來了。?3?MECE如何操作
MECE第一步:確定目標。
注意,現實中就是一個問題多個因素纏繞在一起的,因此到底怎么把問題歸類,首先取決于決策的目標:想趕盡殺絕還是可以放人一馬。比如眼前的問題,首先要做的是分清楚:到底是想懟妹紙,還是幫妹紙。
懟人:嚴格要求,只要參合一點個人因素,就是你的問題!
幫人:寬松要求,只要發現能用外因解釋,就不會歸罪個人
明確了目標,就能在多因素混雜的時候把握好尺度,從而避免思路跑偏,直撲核心問題。
MECE第二步:分步驟梳理問題。
注意,相互獨立,完全窮盡,是MECE操作完的最終結果。并不是要求一步到底,一下就能窮盡所有原因。在每一層原因分解的時候,用二分法才是最便捷的實現相互獨立,完全窮盡的要求,因此分析問題的邏輯層次可以很多,但每一層用的指標盡量少,切分的清晰一點。
比如,如果定了:幫人,看看是不是真的工作量太多,這個大目標。那么分解問題的時候,第一層可以切:加班/未加班。這是一個二分類,肯定是獨立+窮盡了。然后把所有前一日有加班記錄的日期,都標為:有加班(如下圖)。
第二層,可以把大家集體加班,還是只有一個人加班區分出來。這又是個二分類,在這一層還是獨立+窮盡哦(如下圖)。
第三層,自己加班,也有可能是工作量太大引起的,所以這一層可以再分解(如下圖)。
注意:分析的最終目的是能指導業務改善,因此分析邏輯應指向業務可以落地的地方。比如這一條邏輯的拆解,是完全沒有考慮天氣問題的。因為工作量多少,是領導可以安排的;法不責眾,是領導可以接受的。
在業務能動性范圍內討論的時候,盡量不要扯業務不能控制的因素,這樣能直接導向一個有用的業務結論。而不是一上來就扯天氣,最后結論是:“請領導學習如何呼風喚雨的魔法”——這樣鐵定被批。
類似地,在分解第二邏輯分支的時候,既然大目標已經定了:要幫人。就可以用“下雨了,全城堵車”之類的理由來開脫。注意,這里又有個小技巧:選擇切入維度,選可量化的維度。
比如下雨“下雨了,全城堵車”聽起來是個好理由,但是:
如何量化下雨?
小雨、大雨、暴雨?
小雨也堵車?
堵車就一定遲到?
這些都很難量化清楚。所以可以換個更簡單的量化方法?!跋掠炅?,全城堵車”指向的結果是:“大家都會遲到”。那就直接看“大家是否都遲到了”就好了(如下圖)。
MECE第三步:代入數據量化。
做數據分析,不談數據就是耍流氓,定好分類邏輯以后,就得按邏輯填入數據,最后數據說話。
脫離計量談毒性就是耍流氓,因此代入數據后,首先得看各類型問題的占比。問題比例本身就能很大程度上說明問題。這也是用MECE法拆解問題的最大優勢:避免被個別例子帶歪,大家看著數說話(如下圖)。
MECE第四步:導出業務結論。
最后,可以導出業務結論了。業務結論包含兩個方面:
第一:來自整體結構的判斷。小妹紙到底是主觀懶,還是客觀原因多。
第二:對每一個細化問題點的小結論。到底要輔導工作,還是簡單放過去。
做完了推斷,還能直接設定觀察指標,持續觀察問題走勢。觀察包括:
數量變化:是不是遲到天數減少了。
結構變化:是不是因為客觀原因的天數減少了。
細化問題點變化:因為工作分配導致加班天數,是不是在消減工作量后減少了。
這樣分析邏輯+業務行動+數據跟蹤,就能很清晰地看到是否在數據指導下解決了問題,從而達到良好的數據驅動的作用。?4?阻礙MECE發揮作用的障礙
對數據分析師而言,最大的障礙來自:不懂業務,不會溝通業務,不會推動業務。把數據分析當寫作業,反正數據庫里有這幾個現成的維度,我把所有的對比都做出來,哪個低了就說哪個有問題好了。
對業務方而言,最大的障礙來自:特立獨行,不看數據。逮住幾個個案講的頭頭是道,怎么用數據量化,怎么用數據考核,一概不談。要么干脆不動動上升到態度層面,更沒法量化考核了。
數據分析的優勢,正是能夠對抗業務發展中個案、情緒所帶來的判斷失誤。因此認真梳理業務邏輯,清晰目標,逐級推導直到落地監控,才是撥云見日的好辦法。
本文由人人都是產品經理作者【接地氣的陳老師】,微信公眾號:【接地氣的陳老師】,原創/授權 發布于人人都是產品經理,未經許可,禁止轉載。
題圖來自Unsplash,基于 CC0 協議。
關于MECE真是學到了