细分思维应用的最频繁，几乎每天都在应用，比如应用思维导图对某项任务的细分拆解。细分思维主要是将某个指标层层分解，拆解成最小颗粒度，定位分析问题的一种思维方法。

那在数据分析上，细分思维如何应用呢？

1. 单一维度细分

通过时间、空间、过程等单一维度进行拆解，比如将全年销售分解成12个月，将全国GDP分解成各个省市地区。

2. 2个维度交叉细分

通过2个维度的交叉，分析定位问题和原因，单一维度的应用虽然简单，但却过于浓缩，会将各组数据的差异在合并过程中消除掉，所以有时在分析问题时，需要再细分分解，如某学校男女生录取比例一致，但是再细分到学院分析，发现文学院女生的录取率比男生高，而理学院的男生录取率比女生高。

运营工作中，2个维度的交叉细分应用，比如研究新老客户对品类的需求差异，那么就是维度一新老客户和维度二各个品类的交叉分析

3. 多个维度交叉细分

多维度的交叉细分相对复杂一些，主要应用场景更多是在用户运营，用户研究分析上，例如RFM模型，通过最近一次消费 (Recency)、消费频率 (Frequency)、消费金额 (Monetary)三个维度，每个维度一分为二，将用户群切割成八个小群体进行针对性的运营。