分层思维和能力是分析的底层核心能力。可以毫不夸张地说，所有的分析和思考，都离不开分层。
分析和思考的本质，就是把错综复杂的事物和问题进行梳理，
寻找共性和差异
，有共性的放在一起形成一组，有差异的形成不同的组，不同的组再进行关联重组，
具备从属关系的形成上下层次，具备并列关系的形成左右层次
。
我们会发现，这整个的过程，其实就是一个
不断重复分类并形成层次的过程
，就是所谓的
分层
。
分层方法的作用体现在2个方面。
1. 化繁为简，简化复杂问题
分层可以将复杂的事物或问题分解成多个简单的层次，有助于我们逐层解决，理清思路，减少混乱和困扰。
比如，
地球上自生命出现以来，现存生物有2000万-5000万种，其中动物有150多万种。我们不可能对这么多生物都熟悉，但是通过“界门纲目科属种”的分层，就可以对地球上的生物形成清晰判断和认知。
2. 理清事物的关联，理解问题的本质
我们之所以思维混乱，无法解决问题，原因就是无法梳理清楚不同事物间的关系和影响。而分层可以对
事物进行层层剖析，发现整体和局部、局部和局部的内在联系，从而更深入地理解事物的本质和运行机制。
比如，对社会结构的分层，能够帮助我们更好地理解社会的组成、财富的分配、人的协作方式等。
在工作和业务分析中，分层思维和方法更是遍地开花，比如
数据、商品、用户、客户等，都离不开分层
。一旦无法分层，就容易分不清主次，抓不住重点，轻则影响工作效率，重则南辕北辙。
比如，
-
不理解数据分层，对数据来源、存储和结构的理解就不深入，会大大影响取数的效率和准确度。
-
不理解重要度的分层，在工作和解决问题时，就分不清主次，不会分配资源、精力和时间，做无用功。
-
不理解商品和用户的分层，就容易胡子眉毛一把抓，无法找到不同商品和客户的差异，无法制定差异化策略。
大家都知道做数据分析的完整流程是：
确定问题、明确需要的数据、获取数据、数据处理、数据分析、可视化及结论报告撰写、汇报结果
。
很多人的
卡点在获取数据
这一环节，不知道自己要的数据存放在哪里，也不知道如何去获取。
究其原因有两点：一是对SQL类的取数工具不熟练：二是对业务数据分层和数据仓库不熟悉，不了解数据的源头。
其实，数据都是有分层的，要想提升获取数据的效率，了解数仓分层必不可少。
数据仓库分层的原理，就像我们在电脑里存放文件一样，就是为了提升数据查询的效率和灵活度，
方便数据分析师、数据产品经理、数据运营、数据科学家、数仓工程师、业务人员等更加高效地获取、调度和查询数据
。
通常来说，数据分层包括：
数据运营层（ODS）、数据仓库层（DW）、数据应用层(APP)
。其中，
数据仓库层又分为DWD层、DWM层和DWS层
。
英文为“Operational Data Store”，翻译为“操作数据层”。
ODS层最接近原始数据源，它是对数据源中的数据进行
抽取（Extract）、转换（Transform）、加载（Load ）
之后再进行存储的，这个过程也就是我们经常所说的
ETL
。
2. DWD层
英文为“Data Warehouse Detail”，翻译为“
数据明细层
”。
DWD层主要是对ODS层的数据进行进一步的
处理、清洗和规范
，并按照一定的业务主题进行组织，进一步提升数据的完整性和质量。
3. DWM层
英文为“Data Warehouse Middle”，翻译为“
数据中间层
”。
DWM层对DWD层的数据进行
轻度汇总
，形成一系列的
中间表
，主要目的就是提升数据分析的性能，减少对其他表的操作。
4. DWS层
英文为“Data Warehouse Service”，翻译为“
数据服务层
”。
DWS层，
有的也称为数据集市（Data Market），
是对DWM层和DWD层的数据进行聚合计算生成，
按业务进行汇总和划分
（比如订单表、用户表、流量表等），形成一系列的
宽表
，主要目的就是方便数据分析和业务人员的数据查询。
5. APP层
即数据分析与应用。
以业务为导向，主要目的就是形成各种
和业务强相关的报表
，比如收入报表、用户留存表、订单成交表等。
意大利经济学家帕累托于20世纪初提出了著名的帕累托法则，这是关于意大利社会财富分配的研究结论：
20%的人口掌握了80%的社会财富
（因此该方法又被称为二八法则）。
这个结论对大多数国家的社会财富分配情况都成立。
除此之外，这个结论还被应用到不同的领域，经过大量检验，被证明在其他很多场景下都是正确的。比如，
20%的客户贡献了公司80%的收入，20%的员工产出了80%的工作成果，20%的产品带来了80%的销售量。
其实，帕累托法则最重要的思想就是告诉我们，由于资源、时间、精力都是受限制的，我们不可能所有事情都面面俱到、事无巨细地思考分析，
要善于对事物进行分层，能够识别出对自己重要的事情、工作或问题
，
把80%的时间、资源和精力用在解决20%的重要事情上。
比如，
对公司的客户进行分层，分为头部客户和腰尾部客户。
20%的头部客户量贡献了80%的价值，虽然客户数量比较少，但是贡献的价值很大，这些客户必须一对一个性化服务。80%的腰部和长尾客户贡献的价值相对较小，因此可以采用批量自助化服务模式。
再比如，对影响问题的因素进行分类，分为关键因素和不重要因素。关键因素数量少，但却是解决问题的关键，我们必须把资源和精力集中在关键因素上。不重要因素数量多，却对解决问题帮助不大，因此不应该投入过多的资源和精力。
ABC分析法是对库存商品进行分层、管理和分析的方法。它与帕累托法则相似，本质都是通过数据分析进行分层，
找到管理的核心区域进行重点维护
的分析方法。
ABC分析法将库存商品分为三类：
