对数据分析而言，不仅仅是直接回答问题，同时还需要针对问题，不断去探求，不断去深入。当探求问题的时候，可以用到图表可以用到统计，不过图表和统计的方式只是解决问题的手段，真正要解决问题，就需要用到结构思维。
分析的目的
结构思维就是对应着数据分析的目的。需要通过数据分析来解释的问题，无外乎在三个方面：what，why，how即是什么，为什么以及怎么样三个方面的问题。针对问题的拆分和对比也是围绕着三个点展开。
分析的目的对what而言，就是需要了解现在的情况是什么样子，有哪些对象，在对象中涵盖了哪些数据，对象可以分成哪些部分，各个部门数据的大小如何，主要的数据贡献是来自于哪些地方等等。What就是状态进行展开，尤其是现状展开。比如分析现在各家产商的份额就是属于what的问题。
对why而言，比what更进一步，从现状进行回溯，需要通过分析来理清问题发生的因果关系以及对象之间的逻辑关系。和what聚焦静态数据相比，why更专注于动态数据，重点在考察哪些数据在不同的情况下发生的变化。比如需要分析市场份额为什么发生的变化，价格为什么上涨或者下降等等。
对how而言，从
基于逻辑分解
在针对问题的拆分中，有种方式是基于逻辑进行拆分，当问题基于逻辑拆分后，分解出来的单位之间具有逻辑关联的关系，在逻辑关联中还伴随着数学运算。在逻辑联接中，计算包括了加减乘除，加权汇总甚至到微积分的关系，随着逻辑链接的丰富和深入，更多更高深的计算关系也会出现。
分解的单位之间用逻辑联接，联接中伴随着数学运算
在加减关系中，可以将问题本身按照加减关系进行拆分，比如可以将利润根据“收入-成本”公式拆分为收入和成本两部分，将总额度按照“总额度=已用额度+未用额度”拆分为已用额度和未用额度两部分。
在乘除关系中，可以将问题本省按照乘法或者除法关系进行拆分，如通过“路程=时间×速度”公式就可以把路程的拆分为时间和速度两个要素，又如通过“利率=利息÷本金”公式，可以将利息拆分为利息和本金两个维度。
加权汇总其实是将加法和乘法关系互相融合，在问题背后有若干的要素，要素的占有不同的权重，在乘以权重后，就可以得到问题相应的数值。加权汇总通常用于计算KPI，同时在计算相关的指数时，也会用到微积分的关系体现出的是因子的变化引发问题本身数值的变化，这也是一种边际效应，即每一个因素变化以后，背后的结果也相应会发生变化。
在各行各业中，都会体现出对问题基于逻辑的分解，只要可以构成相关的计算逻辑，就能够基于逻辑进行分解。
杜邦分析时在财务领域中，对投资问题的按照计算逻辑分解的框架。在杜邦分析中，依次有乘法关系和除法关系。可以通过以下公式进行拆分
权益净利率=资产净利率×权益乘数
资产净利率=销售净利率×总资产周转率
销售净利率=净利润÷销售收入
总资产周转率=销售收入÷资产总额
通过公式，能够将权益净利率拆解乘一个树状结构，在树状结构中，各个指标都互相关联。
杜邦分析
从关联关系中可以知道，提升权益净利率可以通过提升资产净利率或者提升权益乘数的方式。同时提升资产净利率，可以通过提高销售净利率和增加资产周转的方式。要提升销售净利率在于提升净利率，进一步地提高收入降低成本。要增加总资产收益率，需要增加销售收入，同时采取轻资产运作的方式的，降低资产总额。
RFM与FEMA
在客户关系领域中，确定消费者的价值的问题可以通过RFM模型，将消费者分成多类，这背后的思想就是基于逻辑将消费者的整体进行拆分。RFM模型中RFM指数的计算公式是“RMF指数=R×Ｍ×Ｆ”，其中R为最近一次消费(Recency)，F为消费频率(Frequency)，Ｍ为消费金额(Monetary)。通过这三个指标，可以构成一个立方体，并按照指标中的高低关系，将立方体分成八块，即消费者拆分为八类，对八类消费者采用不同的管理手段。
在生产领域中，如何管理机器故障就用到了FMEA模型来衡量故障问题，起背后是基于逻辑关系将各种故障进行了细分。在FMEA模型是失效模式及后果分析的英文缩写，其中的指标计算公式为“FMEA程度=故障探测度×频率×故障严重度”，探测度表示故障难易的成都，严重度是指故障带来后果，即损失有多大。通过FMEA模型，将故常在探测度、发生频率，严重程度三个维度上，可以分成多类，从而用不同策略来应对。
结构思维总结
数据分析的目的是为解决问题，解决问题的前提就是要对问题进行剖析。剖析就是要梳理问题的结构，往最小的颗粒的方向分解，并在分解的过程，逐级地进行对比和向下拆分，直到发现问题的核心所在。
结构思维总结
结构思维就是数据分析思维中，科学、合理，可靠地分解问题的思维。
问题的分解需要有合理的方式，当前一个公认科学和有效的方式的就是MECE，中文的意思就是完全穷尽，互相独立。即在分解的过程中，同一个层级中的因素或者对象，都是互相独立的，不存在统属关系。同时对象合并后，能够完全解释或者组成他们的上一个层级。分解的过程是以完全穷尽，互相独立为原则，层层递进，步步延伸，最后对问题形成一个树状结构。
分解可以从多个维度进行，以时空维度围绕事物结构和变化进行分解，如把一年分成12个月，以成分维度围绕单位的构成和联系进行分解，如把人分成男女老少，要素维度围绕因果关系或者组合因素进行拆分，如营销中的4P和4C，逻辑维度按照相关的数学逻辑进行分解，如经营中的利润和收入成本之间的层级关系。
注：本文摘自简书，作者KEYA，版权著作权归原创者所有，如涉及版权等事宜请联系小编更正。