经常有同窗识：“有没有业务剖析模型，能间接代入数据，输入论断”。不同企业里，业务外形千奇八怪，必需没法用一条公式满足一切需求。
然而，有一套方法很好用，可以协助大家极速梳理分明业务逻辑，构建剖析思绪。当蠢才享给大家，看完记得在右下角点个赞哦。
第一类：总分式模型
总分式结构普通用于繁多关键目的的剖析。比如咱们要剖析一个企业的支出状况，或许该企业有线上、线下，多个开售渠道，有多个类型产品在开售.
此时须要把全体支出依据渠道、商品状况拆开（如下图），从而看分明：
1、哪些是占支出大头
2、哪些是新增长点
3、哪些中央有疑问
老本剖析也能用相似方式，比如剖析一个商品的消费老本，须要拆解：
1、该商品须要哪些原资料
2、该商品有多少步工序
3、每一步须要多少人工，投入多少原料
总分式模型运行十分宽泛，由于大局部业务部门就只背一个关键KPI目的，因此间接拆KPI目的，就能获取该部门的剖析模型。
假设遇到一个部门同时有好几个义务，那么拆解会十分复杂，比如一个公司的客户服务部门，即得接客服电话，又得跟进售后服务，还得借售后时机采购新品，那它的业务就混合了好多种形式，须要逐一梳理（如下图）。
第二类：矩阵式模型
矩阵式结构普通用于两个关键目的的剖析，比如把支出老本摆在一同，对某个业务的投入产出状况启动剖析，评价业务体现，发现疑问点。
当然，实操的时刻，支出、老本的外形会很复杂：
矩阵式模型的关键，在于：依据业务特点+业务目的，正当地划分支出/老本。
比如开门，假设仅评价当月运营状况，是不须要思考漂浮老本的。但思考新开门方案，就必需思考漂浮老本的回收速度。比如促销优惠评价，究竟怎样核算收益，怎样预算人造增长率，哪些老本该算到优惠里，须要联合优惠方式详细思考，很难用一套规范去硬套。
好信息是：很多公司的业务部门，只需埋头做自己的KPI就行，不须要思考这些复杂疑问。坏信息是：很多公司会间接把支出老本的评价丢给财务，而财务的同窗不咋懂业务。于是剖析做得很辛劳，做进去又会引发业务和财务的PK，总之没那么轻松交差。
第三类：循环式模型
比如商品的进销存控制，就是一个典型的循环式模型，只需商品没下架，就要继续进货→开售→清点库存→再进货。相似的，比如用户运营，也是循环式结构，继续拉新→促活→转化→唤醒，坚持用户群体的生机（如下图）。
在循环式结构中，数据目的相互影响，因此普通会选一个终点开局剖析。比如商品进销存控制，可以：
1、先清点库存
2、参考过去销量，预估未来销量
3、启动缺货状况判别
4、做出下架/补货选择
整个剖析如下图方式倒退。
在这个环节中，对未来的预测是最关键的，也是最复杂的。由于大局部商品销量不是一条直线，遭到人造周期，生命周期，营销举措，产品竞争力，目的市场偏好等综合影响。这里有或许衍生出很复杂的剖析。
第四类：逻辑树模型
逻辑树模型普通用来诊断疑问。之所以叫“树”，是由于在诊断疑问的时刻，经常须要做“是XX要素，不是XX要素”的判别，这些判别逻辑写进去形同树枝。
比如要剖析：为什么A店铺销量不达标。有一位同窗提出：是由于A店的位置不好。那么他提出这个假定的时刻，就自动了：不是由于A店的店长不行。此时写进去剖析逻辑如下图所示（如下图）：
假构想进一步验证判别，就须要少量罗列数据，允许论断。随着例子的增多，逻辑树也会越来越大（如下图）：
逻辑树模型有两个难点，第一个是：提出正当的假定。比如一提到支出降低，很多人会习气性地扯“大环境不好”；提到老本升高，很多人习气性扯“通货收缩”。这些看似有理但过于巨大的假定，会误导剖析方向，覆盖实在疑问。
第二个难点，在于：找到足够多的证据。很多时刻，单靠历史数据不能间接推导出论断，须要联合测试启动验证。比如上文提到的“店长才干不佳”，严厉的做法，须要找同类门店，互换店长做测试。事实中，很多业务部门不情愿做额外测试，总是死守一种老方法。这样会错失找到疑问关键的时机。
综上：想要做出好的业务剖析，梳理分明业务逻辑，明晰剖析目的，提出正当的假定是必无法少的环节。