5月19日晚，公司邀请Tableau高级顾问高云龙先生对公司高职级人员进行了数据思维专题讲座，借专家工作室之便，我也听了这节课，并提炼出了一些关键信息，现记录如下。
关键定义
<数据素养 Data Literacy> 从数据中获取信息和洞察的技能
数据素养需要具备的能力：看懂数据→对数据提问→用数据传递思想
<数据分析思维>根据数据来思考事物的一种思维模式，是一种量化的思维模式，重视事实，追求真理。
数据思维的过程是分析，成果是结论。强调结论与判断依据数据分析而来，而非经验或直觉。
<经验思维>经验思维是根据个人经验或者普适性的常识对事物做出判断、形成结论的过程。
<数据文化>数据文化是企业在运营过程中确立的原则，要求所有员工和决策者关注现有数据所传达的信息，并根据这些结果做出决策和变更，而不是基于特定领域的经验领导公司的个人。
经验思维中的BUG
- 一分为二：我们很容易直接选择事情的两极，现实是这道鸿沟往往不存在，绝大多数人生活在中间状态。
- 负面思维：我们对坏事总会不好事更加关注
- 直线思维：我们要认识到，不能假设事物总是按照直线发展的
- 恐惧本能：我们陷入恐惧的时候，我们就无法看到现实
- 规模错局：人们总是容易注意到局部而忽略整体。这是我们的本能之一。我们总是会注意到一个单一的数字* 而误判它的重要性。
- 以偏概全：以偏概全的本能使得我们认为“他们”是完全一样的
- 命中注定：要控制命中注定的本能，就要记住缓慢的改变也仍然是改变
- 单一视角：人么你总是倾向于认为所有的问题都有单一的原因和单一的解决方案
- 归咎他人：当坏事发生时，人们总是试图找到一个清晰而简单的理由去责怪他人
- 情急生乱：我们在感知危险的时候，就立即采取行动
基本数据分析思维模式
- 公式化
- 对比
- 拆分
- 相关性
- 归类
- 假设
- 逆向
- 演绎归纳
- 降维升维
- 漏斗
- 逻辑树
- 时间空间
关键认知
数据分析与数据展现的区别
-
分析是过程，结论是目的。分析以结论为导向，结论以分析为依据，两者互相依存。如果没有分析结论，纯粹的数据展现并不一定需要数据思维的参与。这是“表哥表姐”与数据分析师的根本区别。
-
数据分析需求高质量的解释和结论，数字只有在上下文语境下才有意义，只看到一个总数是毫无意义的。在一个甚至多个维度上对数字进行拆分才能发现问题，找到原因，寻找方案。
数据可视化的作用
- 数据如果仅仅是数字那么就难以转换成信息、知识和决策。数据可视化分析让数据中的规律凸显出来，让数据中的价值信息被发掘出来。
网友评论