收集的信息未必能直接用作搭建逻辑框架的材料。有时还需要对它加以分析、深入挖掘。因为这样做能明确事物的本质、实际状态与问题点，提升它作为事实资料的价值。
举个例子。某酒店对顾客展开问卷调查，得到了「顾客平均满意度 4.2 分，满分 5 分。」的结果。乍一看，这位顾客满意度似乎挺高。
但只要结合实际情况我们发现，相比顾客满意度，酒店销售额的增长却并不理想。于是我们以顾客满意度为横轴，以顾客回头率为纵轴，制成坐标图观察两者的关系，得到一个可视化的结果。
顾客满意度超过 4 分后，回头率才能出现飙升。酒店的顾客平均满意度是 4.2 分。而 4.2 分尚处于顾客满意度刚呈现出上升苗头的阶段，还远远未达到能带来高回头率的水平。所以，什么才是有效的、能助力于酒店经营的事实，自然不言自明了。
统计数据等事实，有时会流于表象，模糊事物的本质。所以，我们要养成多问「这是真的吗？」从而养成更深入的观察数据的习惯。
常用的分析工具有框架和数字分析。
好的，我们来举个例子。对 1 个数据进行 SWOT 分析或定位图分析，就能导出全新事实。数字分析中，可以根据时顺排列解读数据变化，也可以像前面我们所说的顾客满意度与回头率的关系一样，找出与其他数字的关联性，运用这些方法深挖手头的数据。
其实，在「哪种分析哪种手法好」的问题上，是不存在标准答案的。要视具体情况而定。因此，掌握多少用于分析的框架，拥有多少数字分析的视角，决定着是否能导出更有效的分析结果。
很多时候，仅靠调研是无法收集到足够信息的。特别是挑战新型商务或新品开发等没有先例的事情时，如果不进行实际操作，就没办法弄明白。
这时，最行之有效的方法就是「实验」。推出试运营店或发布试用品，收集与分析从中得到的数据。这对某些大规模商务来讲，也许实施起来有困难，但对于试点店或IT商务、新产品开发等投入不多就能开展的商务来说，是极为有效的手段。电脑游戏的Beta版就是一个很好的例子。
从实际运作中得到的数据，远比统计数据更富有说服力。如果从实验中得出与最初主张相悖的数据，则可据数据修改我们原有的主张。
但是，实验结果是否具有普遍性，需要慎重的判断。比如，市中心与郊区，面向成年人的产品与面向儿童
（本章节未完结，点击下一页翻页继续阅读）
正在加载...