- 相關(guān)推薦
數據分析師必懂的分析思維
在平日的學(xué)習中，很多人都經(jīng)常追著(zhù)老師們要知識點(diǎn)吧，知識點(diǎn)是指某個(gè)模塊知識的重點(diǎn)、核心內容、關(guān)鍵部分。那么，都有哪些知識點(diǎn)呢？以下是小編收集整理的數據分析師必懂的10種分析思維知識點(diǎn)，歡迎大家借鑒與參考，希望對大家有所幫助。
數據分析師必懂的分析思維
一、邏輯思維
邏輯思維即明白價(jià)值鏈，明白各項數據中的關(guān)系; 該方法的關(guān)鍵在于明白其中的關(guān)系要求你對這項工作要了解、熟悉，要細致和慎密，要清楚充分性和必要性的關(guān)系。 實(shí)際上也就是指：你需要那些數據?如何獲得這些數據?數據之間的關(guān)系如何?
二、向上思維
在看完數據之后，要站在更高的角度去看這些數據，站在更高的位置上，從更長(cháng)遠的觀(guān)點(diǎn)來(lái)看，從組織、公司的角度來(lái)看，從更長(cháng)的時(shí)間段(年、季度、月、周)來(lái)看 ,從全局來(lái)看，你會(huì )怎樣理解這些意義呢?也許向上思維能讓你更明白方向。 該思維方法的關(guān)鍵是：建立長(cháng)遠目標、全局觀(guān)念、整體概念、完整地分析數據，不做井底之蛙。
三、下切思維
數據是一個(gè)過(guò)程的結果反映，怎樣通過(guò)看數據找到更多的原因以及隱藏在現象背后的真相，需要我們下切思維，把事物切細了分析，把過(guò)程拆分細了分析。此時(shí) 關(guān)鍵是要知道數據的構成、分解數據的手段、對分解后的數據的重要程度的了解。也就是說(shuō)那些數據需要分解分析?這也如同 顯微鏡原理
四、求同思維
當一堆數據擺在我們面前時(shí)，表現出各異的形態(tài)，然而我們卻要在種種的表象背后，找出其有共同規律的特點(diǎn)。 關(guān)鍵是找到共性的東西進(jìn)行分析，還要客觀(guān)。 實(shí)際上就如同：現在的整體數據表現出什么問(wèn)題?是否有規律可行?
五、求異思維
每一個(gè)數據都有相似之處，同時(shí)，我們也要看到他們不同的地方，特殊的地方 。 這就需要對實(shí)際情況的了解，對日常情況的積累，對個(gè)體情況的了解，對個(gè)體主觀(guān)因素的分析。 正如：你了解你的下屬員工嗎?如何幫助她們分析問(wèn)題，從自身找到解決方案。
六、抽離思維
當你從一個(gè)旁觀(guān)者的角度不思考看待數據時(shí)，你往往能發(fā)現那些經(jīng)常讓我們迷失方向的細枝末節并沒(méi)有太多的意義，我們迷失方向，忘記了自己的價(jià)值，同時(shí)深受情緒困擾。這時(shí)，你用用抽離思維更加能夠幫助到你。 關(guān)鍵是要用多種分析方法，多角度看問(wèn)題，不要鉆牛角尖，多學(xué)習別人的好方法，學(xué)會(huì )集思廣益，發(fā)散性思維。 比如說(shuō)：你的學(xué)習能力和方法有效嗎?
七、聯(lián)合思維
很多銷(xiāo)售數據，需要我們能站在當事人的角度去思考和分析，這樣你才會(huì )理解人、事、物。 關(guān)鍵在與多了解當事人的情況，學(xué)會(huì )換位思考。 比如：你了解你周邊的情況嗎?你了解你周?chē)娜藛?
八、離開(kāi)思維
通過(guò)數據分析，你發(fā)現你處在一個(gè)不太有利的地位，那么，此時(shí)，你就要有離開(kāi)思維去替你想辦法，離開(kāi)困境 。 關(guān)鍵是學(xué)會(huì )自我調節，自我放松。 實(shí)際情況如：遇到難解的結，你怎么辦?
九、接近思維
怎樣達成目標，實(shí)現銷(xiāo)售增長(cháng)，這時(shí)候你需要接近思維來(lái)幫助你 。 關(guān)鍵是多接觸你要解決的問(wèn)題，花時(shí)間分析，你要的是方案，不是問(wèn)題。 實(shí)際情況如：你在做選擇題還是問(wèn)答題?責任點(diǎn)在哪?
十、理解層次
問(wèn)題發(fā)現是第一步，要怎樣分析問(wèn)題，找到真正的原因，那么熟練的運用理解層次 。 關(guān)鍵是：你需要熟悉客觀(guān)環(huán)境，員工的能力、行為的規律、他需要什么? 實(shí)際情況如：你能夠分析到哪一步?
數據分析師必懂的分析思維
1. 對比思維
在我們日常的工作和生活中，對比思維其實(shí)是隨處可見(jiàn)的。
比如說(shuō)，小明某次期末考試的成績(jì)不好，英語(yǔ)只得了 30 分，小明的媽媽對他說(shuō)：“你上次考試英語(yǔ)考了 70 分，這次怎么就考得這么差？你看你的同班同學(xué)，這次都考 80 分以上�！�
從這個(gè)例子中可以看出，對比通常有兩個(gè)方向，一個(gè)縱向，是指不同時(shí)間的對比，比如用小明上次考試的成績(jì)與這次進(jìn)行對比。一個(gè)是橫向，是指與同類(lèi)相比，比如拿小明的同班同學(xué)進(jìn)行對比。
2. 細分思維
細分可以說(shuō)無(wú)處不在，大到宇宙可以細分，小到原子核也可以細分。人生的大目標可以細分，某次小考試的成績(jì)也可以細分。
比如說(shuō)，小明某次考試的總成績(jì)不好，細分一看，發(fā)現其他科目的成績(jì)都不錯，只有英語(yǔ)成績(jì)特別差，只得了 30 分，從而拉低了整體的成績(jì)。
這個(gè)例子就是把整體考試成績(jì)細分為具體的科目。在數據分析的工作中，細分的緯度主要包括時(shí)間、地區、渠道、產(chǎn)品、員工、客戶(hù)等。杜邦分析法、麥肯錫的 MECE 分析法本質(zhì)上都屬于細分思維。
3. 溯源思維
有時(shí)候，即使運用了對比思維和細分思維，依然分析不出來(lái)結論，怎么辦？
此時(shí)可以試試溯源思維，追溯數據源的詳細記錄，然后基于此思考數據源背后可能隱藏的邏輯關(guān)系，或許會(huì )有意外的洞察。
比如說(shuō)，小明的媽媽通過(guò)對比思維，知道了小明的考試成績(jì)不好，通過(guò)細分思維，也知道他是英語(yǔ)沒(méi)考好，但是依然不知道他當時(shí)為什么會(huì )沒(méi)考好。通過(guò)跟小明談心，詳細了解他當時(shí)考試的詳細情況，發(fā)現他當時(shí)肚子不舒服，無(wú)法集中精力答題，導致很多本來(lái)會(huì )做的題目都做錯了。談心之后，小明的媽媽對他表示理解，從此更加關(guān)心小明的身體狀況，他們之間的感情加深了，小明的成績(jì)也變得越來(lái)越好了。
如果不斷用溯源思維去分析，那么對數據的敏感和業(yè)務(wù)的理解也能逐步加深。
4. 相關(guān)思維
在大數據時(shí)代，核心就是相關(guān)思維，這種思維是建立在相關(guān)分析的基礎上。
啤酒與尿布的故事，是一個(gè)相關(guān)分析的經(jīng)典案例。這個(gè)故事產(chǎn)生于20世紀90年代的美國沃爾瑪超市中，當時(shí)沃爾瑪擁有世界上最大的數據倉庫系統，為了能夠準確了解顧客在其門(mén)店的購買(mǎi)習慣，沃爾瑪對其顧客的購物行為進(jìn)行購物籃分析，想知道顧客經(jīng)常一起購買(mǎi)的商品有哪些。
沃爾瑪數據倉庫里集中了其各門(mén)店的詳細原始交易數據。在這些原始交易數據的基礎上，沃爾瑪利用數據挖掘方法對這些數據進(jìn)行分析和挖掘。一個(gè)意外的發(fā)現是：跟尿布一起購買(mǎi)最多的商品竟是啤酒。
經(jīng)過(guò)大量實(shí)際調查和分析，揭示了一個(gè)隱藏在「尿布與啤酒」背后的美國人的一種行為模式：在美國，一些年輕的父親下班后經(jīng)常要到超市去買(mǎi)嬰兒尿布，而他們中有30%～40%的人同時(shí)也為自己買(mǎi)一些啤酒。產(chǎn)生這一現象的原因是：美國的太太們常叮囑她們的丈夫下班后為小孩買(mǎi)尿布，而丈夫們在買(mǎi)尿布后又隨手帶回了他們喜歡的啤酒。
在大多數情況下，一旦我們完成了相關(guān)分析，而又不再滿(mǎn)足于僅僅知道「是什么」的時(shí)候，我們就會(huì )繼續向更深層次的方向，去研究因果關(guān)系，找出背后的「為什么」。
5. 假設思維
當我們還沒(méi)有足夠的數據和證據來(lái)證明某件事的時(shí)候，我們可以先大膽假設，然后再小心求證，驗證假設是否成立。
比如，有一天，小明去買(mǎi)水果，跟買(mǎi)水果的阿姨之間有一段對話(huà)。
小明：“阿姨，你這桔子甜不甜？”
阿姨：“甜啊，不信你試試�！�
小明：“好，那我試一個(gè)�！�
小明剝開(kāi)一個(gè)桔子，嘗了一口：“嗯，不錯，確實(shí)挺甜的，給我稱(chēng)兩斤�！�
這個(gè)故事只是一個(gè)簡(jiǎn)單的類(lèi)比，不必深究細節。從中可以看出假設檢驗的基本思維過(guò)程，首先，小明提出假設：桔子是甜的；其次，隨機抽取一個(gè)樣本；然后，檢驗是否真甜；最后，作出判斷，確認桔子是真的甜，所以就購買(mǎi)了。
在數據分析中，假設思維的專(zhuān)業(yè)術(shù)語(yǔ)叫假設檢驗，一般包括四個(gè)步驟，即：提出假設、抽取樣本、檢驗假設、作出判斷，在這里我們就不展開(kāi)去講那些專(zhuān)業(yè)術(shù)語(yǔ)了。
6. 逆向思維
有時(shí)候，我們需要打破常規的思維模式，從相反的方向來(lái)思考問(wèn)題。我們接著(zhù)講小明的故事。
有一次，小明去買(mǎi)西紅柿，跟阿姨之間又有一段對話(huà)。
小明：“阿姨，你這西紅柿多少錢(qián)一斤？”
阿姨：“兩塊五�！�
小明挑了 3 個(gè)放到秤盤(pán)：“阿姨，幫我稱(chēng)一下�！�
阿姨：“一斤半，3 塊 7 毛�！�
小明去掉其中最大的西紅柿：“做湯不用那么多�！�
攤主：“一斤二兩，3 塊�！�
小明拿起剛剛去掉的那個(gè)最大的西紅柿，付了 7 毛錢(qián)，扭頭就走了……
你看，運用逆向思維，有時(shí)可能會(huì )起到意想不到的效果。
7. 演繹思維
演繹思維的方向是由一般到個(gè)別，也就是說(shuō)，演繹的前提是一般性的抽象知識，而結論是個(gè)別性的具體知識。演繹的主要形式是「三段論」，由大前提、小前提、結論三部分組成。
以物理學(xué)上一個(gè)常識為例。
大前提：金屬能導電。
小前提：銅是金屬。
結論：銅能導電。
從這個(gè)例子中可以看出，大前提是已知的一般原理（金屬能導電），小前提是研究的特殊場(chǎng)合（銅是金屬），結論是將特殊場(chǎng)合歸到一般原理之下得出的新知識（銅能導電）。
8. 歸納思維
歸納思維的方向與演繹正好相反，歸納的過(guò)程是從個(gè)別到一般。
還是以金屬能導電為例。
前提：金能導電，銀能導電，銅能導電，鐵能導電，……
結論：金屬能導電。
數據分析的過(guò)程，往往是先接觸到個(gè)別事物，而后進(jìn)行歸納總結，推及一般，再進(jìn)行演繹推理，從一般推及個(gè)別，如此循環(huán)往復，不斷積累經(jīng)驗。
【數據分析師必懂的分析思維】相關(guān)文章：
數據分析師要懂商業(yè)07-10
數據分析師的職責02-07
數據分析師的層級07-10
數據分析師工作職責05-27
數據分析師都干啥？07-10
數據分析師就業(yè)前景06-28
數據分析師的基本素質(zhì)07-11
數據分析師工作總結07-07