在界定問題后，最終要的是分析問題，并且能夠高效的分析問題。在這2年半的數據分析生涯中，日常的工作就是分析問題，剛開始的時候會搜集齊備相關的數據資料后才正式的開始分析，這種方式的弊端就是，事后會發現前期一些費勁的數據搜集并不是必要的，浪費了很多時間和精力。
如何避免這樣的情況，是否有比較好的方法論？個人總結的點是，分析前不要貪全貪多的去獲取大量的數據資源，而是先羅列出可能的問題點，然后再逐一攻破，用手頭上的數據取判斷驗證，整個就是‘猜測-驗證-確認’的過程。今天結合《金字塔原理》里面的第9章，系統的梳理了下里面的方法論。
因為工作中已對“從信息資料入手”的弊端有了實踐的認識，總結起來有以下4點缺陷；
1、信息量那么大，怎么搜集都覺得信息不完整；（其實這就是沒有經過結構化分析而茫然搜集信息缺乏目標感而買下的坑）
2、面對費勁搜集來的大量信息，真有一種茫然的感覺，很難從中得出有意義的結論發現數據的價值，即便有完整的數據，要組織好自己的觀點，并清楚的呈現也需要很大的努力；（輸在了起跑線上，所有即使費勁搜集了足量的信息，對信息的加工也是個難題；此外，在精力值是有限的前提下，前期信息搜集已經耗費了大量的精力，那信息處理的精力就會想要減少）
3、一般信息搜集的過程都是按照時間順序來進行的，這些信息并不能得出強有力的結論點；
4、快速的互聯網風格下，快速迭代，意味著大而全的信息搜集是件基本不可能的事情，在短暫時間多種外力和不確定的條件下，等到把信息搜集完全再分析，那黃花菜真的都要涼了
針對以上4點的弊端，在搜集數據之前進行結構化分析勢在必行。結構化分析流程可以歸為：
1、提出各種假設；
2、設計一項或幾項重要的實驗，根據產生的結果排除一個或多個假設；
3、通過實驗得出明確的結論；
4、相應地采取補救措施；
以上的這4點就是前面我說的‘猜測-驗證-確認’路徑，這種方法能有目標的分析并驗證，但問題是，怎么猜測？肯定不能胡亂猜測憑空捏造吧，所以必須要認真研究，對于固定問題分析時，可依據經驗，但對于非常規問題時該怎么處理？這就需要合適的方法（其實就是獲取猜想點），書中介紹了兩種框架：
1、診斷框架
目標：揭示分析中應該關注的要素或活動，找出產生問題的原因
方法：呈現有形結構、尋找因果關系、講產生問題的可能原因歸類分組
要點：MECE
淵博的知識由助于獲得真知灼見，發現只有超出邏輯推理的范圍方能發現的備選方案，對那些沒有敏銳洞察力的人，則可以使用邏輯樹找到解決問題的可能方案。
2、邏輯樹
其實就是細拆的思想，找到每個層級可以拆分出來的點，逐步的深入，分析時應該遵循“完全窮盡”的原則。
結構化分析的好處在于：
1、能讓精力更多的專注于真正問題，找出產生問題的所有原因以及相對應的解決辦法；
2、減少了在最終報告里組織和交流思想的工作量，因為結構化分析采用的邏輯結構是構成結論和建議的基礎，可以輕而易舉地轉化為金字塔的形式。
結合書中的介紹，對于結構化思考的認識提升了，“三思后行”講的也是這個道理，遇到分析問題，第一步還是要先界定問題，其次就是用結構化的方式思考，有猜測有驗證有結論，整個過程就是金字塔的思維方式，從上至下，逐層深入，找到根本。所以，堅決不要用行動上（比如無目標的信息搜集）的忙碌來彌補思考上（比如結構化思考）的懶惰，否則面對大量的數據，會很茫然，仍然做不好一個分析師。
