数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
目标思维强调的是方向，结构化思维强调的是拆解和延伸。
在上一节中目标的拆解和延伸使用的就是结构化的思维，它能够帮助我们将无序、散乱的信息进行聚焦、归纳、分类。
一、问题树
问题树，是大家较为熟悉的方法，也是我们常使用的“脑图”。它是一种以树状图形来分析存在的问题及其相互关系的方法，也是逻辑树的一种类型。
在逻辑树中，每一层都是下一层的总结概括，同树干内的延伸范围相同，不同树干的延伸范围相互独立。
在使用问题树时将一个已知问题当成树干，然后根据相关问题增加树干或树枝，它能够帮助我们更全面的找到相关项。
设置第一条树干时有两种方式，自上而下以及自下而上。
自上而下其实是以终为始，通过最终的目标进行拆解；自下而上则常见于头脑风暴，当缺少拆解思路时，我们可以将信息完全罗列，并对其进行归类逐层向上聚合。
在拆解时，我们应注意树干间的平衡，假设某个树干上的树枝过多或过长，其上层的拆解维度可能是不正确的。
二、公式法及过程法
公式法，是问题树的一种延伸。
公式在横向表示时，我们也称为金字塔原理。
在逻辑树的使用场景下，公式法不太关注细分场景以及整体漏斗。在进行细化分析时结合场景、操作流程，对公式进行进一步的细化。
在结合过程法时，须注意的点是完全穷举。
举个例子：在活动中分析成交时，会使用访问人数、点击购买按钮人数、成交人数去分析漏斗。但漏斗数据往往是不完整的，这会影响推断的准确性。
结合场景、操作流程并输出公式进行数据分析，会比漏斗更为直观。
三、二分法及矩阵法
这两种结构化方式，其实不太适合用于数据分析，但能够帮助我们梳理思路便于全局思考。
二分法不适用于数据分析的原因是，世界不是非黑即白的，它很难将某个数据指标的值枚举完毕。
而矩阵法所呈现的是结果数据，难以细化。
以时间管理中的四象限法为例：四个象限能够很好的用于任务分类，关于“重要”和“紧急”的程度，我们也可以使用坐标轴的值进行标记，但如果要细究哪个元素影响了”重要“和”紧急“的值，矩阵法就难以承载了。
声明：本文来自Info Tech，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。
数字化转型网数据专题包含哪些内容
数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数字化转型网数据专题包含：
1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料
2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！
3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中
4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用
