1.数据分析的三种思维：
1）结构化思维（金字塔思维——层层递进及拆解）| 借助思维导图
将论点归纳和整理(即一开始论点零散没有关系，只要把零散的论点及时的归纳和整理成比较大的论点即可)
将论点递进和拆解
将论点完善和补充
核心论点(金字塔塔顶)：寻找金字塔的塔顶，它可以是假设，是问题，是预测，是原因。
结构拆解：自上而下，将核心论点层层拆解成分论点，上下之间呈因果或依赖关系。
M E C E：相互独立，完全穷尽，要涵盖所有可能。论点之间避免交叉和重复，分论点们要尽量完善。
验证：不论核心论点还是分论点，都应该是可量化的，用数据说话。他们必然是可验证的。
结构化是分析的思维，但它还不够数据，而且难免有发散的缺点。
2）公式化思维
核心：一切结构都可以量化。
公式化——上下互为计算——一切结构皆可量化。
——左右呈关联——分论点最小不可分割。
公式化即加(不同类别的业务叠加可以用加法）减(减法常用来计算业务间的逻辑关系)乘除(乘法和除法是各种比例或者比率) )。
3）业务化思维（即分析是否贴合业务）
有没有从业务方的角度思考
是否分析出真正的原因
是否能将分析结果落地
用结构化思考➕公式化拆解，获得的最终分析论点，很多时候是现象。数据是某个结果的体现，但不代表原因。
结构化思维(捋顺思路——结构化) ——结构化数据(将其可数据化——公式化）——结构化业务数据(落地贴合业务——业务化）
2.数据分析的思维技巧：
1）对比法
好的数据指标一定是比例或者比率，好的数据分析一定会用到对比。
核心：对比法是一种挖掘数据规律的思考方式
优点：对比法可以发现很多数据间的规律，它可以与任何思维技巧结合，比如多维对比、象限对比、假设对比等
应用：对比更多的是一种习惯，一次合格的分析，一定要用到多次对比
须知：在条件允许的情况下数据分析还是要考虑到全局，否则会变得狭隘。
2）象限法
核心：策略驱动的思维
优点：直观清晰，对数据进行人工的划分。划分结果可以直接用于策略。
应用：适用范围广、战略分析、产品分析、市场分析、客户管理、用户管理、商品管理等
须知：象限划分可以按中位数，也可以按平均数，或者是经验。
3）漏斗法——必须与其他方法结合使用。
4）二八法(只抓住和先把精力聚焦在更多值得注意的地方)
a.数据中，20%的变量将直接产生80%的效果，数据分析更应该围绕这20%来进行。嗯，比如销量下降，我们可以直接看核心的20%的数据而不用注意太多80%的数据。
b.持续关注Top N的数据是一个非常好的习惯，尤其在部分行业。
c.虽然指标很多，但往往某些指标更有价值二八法则，不仅能分析数据也能管理数据。
核心：是一种只抓重点的思维。
优点：和业务及KPI紧密相关。几乎花费最少的经历，就能达到不错的效果，性价比很高。
应用：二八法则存在于几乎所有的领域，所以这种分析思维没有局限。
须知：在条件允许的情况下，数据分析依旧不能放弃全局，否则会让思路变得狭隘。
5）指数法——解决怎样衡量的问题(要制定一个统一的标准——即指数)
核心：是一种目标驱动的思维。通过对数据进行加工，然后变成一个目标。在通过这个目标达到聚焦的目的。
分类：（可以将三种方法融合使用）
a.线性加权——即设置不同的权重然后相加。
b.反比例（如用户忠诚度的计算——y=k/x，即让数字达到收敛的效果，反比例收敛为0-1）。
c.log（另一种收敛的方法）
优点：在没有数据没有指标的情况下创造数据创造指标。业务性很强，而且具有一定的指导作用，将原本没有目的的零散的数据聚合在一起。
应用：和讲授法不同，假设法是缺乏有效的数据，指数法是无法利用数据而将其加工成可利用的。
须知：只书法没有统一的标准，很多指数更依赖于经验。
6）假设法——通常用于没有数据或线索的情况（即控制变量或人工设置条件去反推)
核心：启发思考驱动的思维
优点：当没有直观数据或者线索能分析时，以假设先行的方式进行推断，这是一个论证的过程。
应用：他更多的是一种思考方式，假设——严重——论断。
须知：不只可以假设前提，也能假设概率或者比例，一切都能假设，只要自圆其。只要自圆其说。
7）多维法
核心：京C驱动的思维
核心：精细驱动的思维
优点处理大数据量，维度丰富且复杂的数据有较好的效果。但是维度过多，会消耗不少时间。
应用：只要数据齐全且丰富，均可以应用。
须知：对不同维度进行交叉分析时，需要注意辛普森悖论。
3.如何训练数据分析思维
1）好奇心
2）多加思考（先预估再完善）
3）试着从更高的角度去考虑
4）复盘及总结（需要日常有记笔记的习惯）
网友评论