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?！跋掠炅耍嵌萝嚒敝赶虻慕Y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。