今天繼續分享九大資料分析方法系列。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，經常會不知道從哪裡下手。這時候，需要把各種影響因素梳理清楚，就需要用到MECE。
一、什麼是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。透過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。
很多小夥伴聽到MECE，都會眉頭一皺，大呼：
“好難呀！”
“怎麼做到獨立窮盡！”
“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：“遇到個颳風下雨打雷，街上沒有人了，生意就很差”。這裡的颳風下雨打雷，就不符合MECE原則。因為這三者之間既有關係，又有區別（如下圖）
那麼怎麼做到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。那麼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。
比如颳風、下雨、大雷三件事，颳風除非是颱風天，否則很少能影響到人們出行。大雷往往和下雨相伴，乾打雷不下雨情況很少。因此相比之下，颳風、下雨、大雷裡邊，下雨影響最大，可以第一個分離出來。
這樣，透過下雨/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並不能進行分析。如果下的雨很小，也不會影響人流。我們還需要更細緻的劃分，才能分析問題。好在，天氣預報軟體能給出具體的氣象資訊，包括溫度、溼度、降雨量等等，可供分析使用。
這裡有兩種深入方法：
•用相關分析法，收集降雨量指標，之後尋找降雨量指標與客流之間關係。比如收集了10個下雨天氣的客戶流量資料，可以做散點圖，尋找相關關係。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。
•用標籤分析法，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籤（黃色、橙色、紅色）。然後看不同標籤下的客流情況這種做法，直接採用現成標籤，在有標籤積累的情況下更好用，很直觀。
理論上，兩種方法都可行。最後選哪個，主要看
•從資料來源上，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，透過逐層拆分，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，然後再逐一確認。
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
並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。後續再慢慢跟大家分享，如何用MECE法構建複雜的分析邏輯。
五、MECE法不足之處
MECE法最大不足之處，在於並非所有影響因素，都能直接用資料觀察到。舉個簡單的例子：使用者為什麼會流失？一般在使用者已經3個月/6個月沒有互動的時候標記為流失。但實際上，在使用者被標記為流失以前，可能已經2個月沒有登入過了，也沒有留下什麼資料記錄。
那麼，到底為什麼會流失呢？
•因為產品體驗不好？
•因為缺少促銷活動？
•因為服務沒有到位？
•因為使用者根本沒有需求？
這些複雜的因素，都隨著使用者資料的缺失，變得難以解答。即使做出來了很好的MECE分析，也沒有資料佐證。
類似的場景還有很多，比如新使用者獲取、新產品上線這種新業務，都缺少資料積累。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。這樣既能彌補資料的不足，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，並不是直接從資料中解讀出含義，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。
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
