1.结构化
结构化：将分析思维结构化
- 将论点归纳和整理
- 将论点递进和拆解
- 将论点完善和补充
结构化要素
核心论点：寻找金字塔的塔顶，它可以是假设、问题、预测、原因。
结构拆解：自上而下，将核心论点层层拆解成分论点，上下之间成因果或依赖关系。
MECE：相互独立，完全穷尽。论点之间要避免交叉和重复，分论点们要尽量完善。
验证：不论核心论点还是分论点，都应该是可以量化的，从数据来看，他们必须是可验证的。
举例：
问题：现在有一线下销售产品，突然发现某月销售额度下降，分析下降的原因。
首先找到核心论点，即销售额度下降。将核心论点拆解成两个分论点：内部因素，外部因素。再将分论点进行进一步拆解。在拆解的过程中，要遵循结构化要素。那么即可得到如下简单的思维导图。图中论点只是简单拆分，可以根据情况继续拆解。
2.公式化
结构化并不能直接用于数据分析，数据分析是依照数据进行相应分析，而结构化的过程中，没有准确的数据作为支撑，并且还有发散的特点。在我们进行结构化时，很多论点可能仅仅是一个猜想，这些猜想并不一定能通过数据进行验证。所以很多时候我们还要用到公式化。
公式化：一切结皆可量化，拆解后的最后论点要满足：最小不可分割的原则。
还是使用上面的例子：
我们将它简单的公式化，结果如图。
图中每一个论点，都能够通过数据分析或现有数据得到的。
3.业务化
业务化：补全结构化，公式化的存在的不足。
问题：如何预估某个城市的共享单车投放量
- 从城市流动人口
- 从人口密度计算
- 从城市交通数据计算
- 从保有自行车计算
单车是有损耗的，计算公式中应该考虑单车的消耗问题。
用结构化思考，并使用公式化拆解，获得的最终分析论点，很多时候，是现象。但不代表是问题发生的原因。这时就需要用到业务化的思维再深入探究。
知识参考： 数据分析教程