先來看一下解決問題的普適性的思維框架，一共有三步。
第一步：發現和澄清問題
第二步：分析和拆解問題
第三步：提出解決方案
那結合數據如何應用以上框架呢？
一、發現和澄清問題：運用數據解決問題的核心，就是找對問題
問題就是目標和現狀之間的差異，比如發現產品新用戶留存率不斷走低，就是現狀用戶留存情況不如預期。所以要發現問題，就要找到目標和現狀之間的差距。
那麼怎麼區找到目標和現狀之間的差距？
很顯然，是去看數據，有時候問題很明顯，但是大多數時候問題是不明顯，這個時候就要通過對比從數據中發現問題。可以對比的數據有歷史數據、標杆數據、橫向數據和外部數據，對比的數據維度有3類，第1類是平均數、中位數、衆數等用來描述數據集中程度的，第2類是用來描述數據極端情況的最值；第3類是用來描述數據的比值，如比率、比例等。
如果遇到其他交給自己的問題，需要找對方明確要解決的問題是什麼，數據分析要用於做什麼，所以除了發現問題之外，還要澄清問題，確保最終結果是想要的。問題澄清到位需要搞清楚問題的目的、相關方、背景、截止日前、可用資源和預期效果。
二、分析和拆解問題：把無法解決的大問題，拆解成可被解決的小問題
舉個例子，我們的人生應該如何度過，這樣的問題很大，難以直接回答清楚，這個時候可以通過結構化思維將問題按生活、工作、學習等進行拆解，當然也可以有其他的拆解方式。這個時候你會發現問題就變得好回答了。解決問題也是同樣的道理。
如何有效分析和拆解問題呢？
可以採用漏斗分析法和相關分析法。
漏斗分析適合流程化的問題，以最常見的海盜模型爲例，從用戶獲取、激活、留存、變現、自傳播是用戶從新用戶到忠實用戶的過程，在這個過程中，人數會越來越少，就像是漏斗一樣。除了常見轉化模型，很多工作也存在漏斗，比如招聘工作，從發佈JD、篩選簡歷、預約面試、面試通過一直到最終入職也是一個漏斗。分析不同環節轉化率的情況，就可以從中發現最應該優化的環節是什麼。
相關分析法主要通過統計學中相關係數計算來了解不同事物之間的相關性。比如要探究產品的aha時刻（當用戶真正體會到產品的價值），可以通過分析新用戶使用的不同功能情況與新用戶活躍度的相關關係，相關係數越大越相關，由此也可以針對性優化產品。
三、提出解決方案：先加法再減法，用數據找到最優解決方案
當你分析和拆解問題之後，基本上可以確定問題解決的切入點。比如通過互聯網效果廣告投放的漏斗模型（展示、點擊、訪問、轉化）發現點擊率降低，那麼切入點就是提高點擊率。圍繞這一點，可以提出很多解決方案，比如優化文案、更改定位人羣、更改投放時間、更改投放位置等。
如何選擇最優解決方案呢？
可以採用ROI分析和AB測試。ROI分析就是對投資回報率分析，也就是對投入和產出進行計算，有時候很容易進行ROI分析，比如對不同渠道廣告投放效果分析後，要決定下一步的廣告投放計劃，可以通過計算不同渠道投入費用和用戶數或者成交金額的比率等，來對比不同渠道的ROI，找到應該加大投放費用的渠道。不容易分析ROI的時候，可以採用AB測試，比如針對不同文案，測試廣告投放效果。