简单来说，就是结构化、公式化、业务化。
结构化思维
数据的分析应该是有序的、结构的，不能是一团乱麻，想到一个idea就分析一下是不可行的，业务看了会流泪，老板看了想打人。
结构化思维来自于麦肯锡的金字塔理论。
核心论点：金字塔的顶端，可以是假设，可以是问题，也可以是原因。
结构拆解：自上而下，将核心论点拆分成分论点，上下之间呈因果或者依赖关系。
MECE：相互独立，完全穷尽。论点之间避免交叉和重复，分论点要尽量完善。
验证：不论核心论点还是分论点，都应该是可量化的，可验证的。
假设某店的销量下降了20%，现在让你去分析原因。
这里的关注的焦点是销量，对于其下降的原因，可以从内部和外部两方面来思考，对于内部原因，可以从消费者、地区、时间等来分析，对于外部原因，可以从市场竞争、市场容量、政策风险等分析。
人通常都是线性思维，而对于结构化思维可以借助思维导图来辅助完成。有很多的思维导图工具，比如Xmind、mindline思维导图、幕布等。
公式化思维
结构化的一种分析思维，但是它不一定可以量化，公式化则弥补了这一点。
对于公式化，可以将第一步做出的思维导图用公式化的表达代替，一层层细分。
对于之前举例中的销售额下降，存在以下关系：
销售额 = 销量X客单价
销量=人均销量X购买人数
客单价=原价 x 折扣率
购买人数=新客+老客
老客 = 回头客 + 忠诚客 +普通客
忠诚客 = 忠诚客 x （1-流失率）
用结构图表示为：
业务化思维
分析不能脱离具体的业务，用结构化思考和公式化拆解，很多时候获得的是现象，数据只能代表某个结果，而不代表原因。
比如，通过结构化和公式化最终发现，是新客户的人数下降了，这只是一个结果，我们需要知道，新客户人数为什么下降了呢？
对于数据分析师，需要学会：1）、多和业务方沟通 2）、从业务方角度思考 3）、多参与到业务中
