今天老李给大家讲一讲数据分析行业中最经典的7个模型，因为篇幅太长，所以分成了上、下两篇，这次先为大家详细讲一讲目标思维、假设思维、溯源思维、逆向思维。
目标思维
第一个要讲的思维是目标思维，很多人都觉得不屑一顾，但是很多人做数据分析之所以失败，恰恰就是没有这个目标思维
因为只要找到了、找准了数据分析的目标，基本上能够解决数据分析场景里90%以上的问题
首先何为目标？
目就是眼睛，标就是靶子，也就是用眼睛盯着靶子瞄准，这就是目标思维
大家可能会说这很简单嘛，那我们就举一个实际的业务场景例子来看一下，你们究竟是不是真的理解目标思维。
某个租房APP最近新上线了一个二手房交易功能，业务找到你想让你分析一下，这个功能的用户使用人数有多少？
首先我们看到这个业务问题，业务方已经提出了一个十分具体的问题，那就是：
功能的使用用户有多少？
于是一般没有经验的数据分析小白就会去数据库取数，做个表格交给业务
然而狗血的就是业务这时候就会说，这个数据不是我想要的，你再拿别的数据来；没办法，你只能再从数据库里重新取数。
这时候你也许就会无语，明明是业务自己想要的数据，为什么还会这么多的扯皮和无效沟通
其实原因很简单，因为业务想要的数据并不一定就是他真正需要的数据
而我们在接到业务的需求之后，需要先想一下这个需求的真正核心目的是什么，如果知道了业务目标，那么就可以把这样一个取数需求变成一个分析类需求，最终的交付形式就成了一份PPT，这样就能避免成为取数机器。
假如我们已经知道了业务的真实需求，是否就已经结束了？
当时不是，我们需要通过这个目标确定我们分析的指标，如果你没有清晰的业务目标，那么也就不可能制定出准确的数据指标。
还是这个例子，如果业务人员很专业，让你分析一下这个二手房交易功能的留存率
这时候如果你不去分析业务的分析目的，你还是会陷入误区，所以我一般听到业务人员跟我提这种具体的需求，我都会先反问一句“你分析这个指标的目的是什么”？
如果业务说是为了验证功能的使用率，因为如果用户用过之后还会用，说明这个功能是有价值的。
那么我们就要继续想，为什么要验证这个功能的价值，因为要确保这个功能能带来利润，帮助用户解决一些问题，我们才会添加这个功能。
也就是说我们的分析目的要从产品角度出发，用户为什么要用这个软件？是为了租房子？那么我们就可以用成交率来衡量这个问题，成交率与功能价值的关系显然更加密切。
这就是目标思维，这个思维是数据分析的开始，一般不懂业务逻辑或者不懂目标思维的人是很难准备找到自己的分析目的的，所以我们以后在遇到需求的时候，先别急着取数据，先去想想目的是什么？
假设思维
假设思维简单来说，就是通过不断假设、不断论证、不断推理、不断推翻原假设的方式，直到去找到我们最终的真实原因或者结论
比如说某APP的转化率下降了，我们不知道是什么原因，可能是业务运营差、可能是用户质量下降、可能是行业因素等等，我们不妨先假设一下：
转化率下降是因为业务运营差
那么为了验证这个观点，我们需要去找运营数据和转化率数据之间的逻辑关系，这就需要用到演绎思维了
如果发现业务运营效果跟以前是一样的，同时其他APP的转化率并没有因为运营而变差，那么就可以推翻这个假设，我们继而重新假设
同样的，我们还是要注意假设思维中的一个误区：将假设当做预设。
我们在进行假设的时候，很多数据分析师特别喜欢坚持自己的原有假设，那么最终的论证过程就变成了：
比如还是刚才转化率的例子，我们为了证明“转化率低与运营效果差有关系”，就会找各种数据去验证这个假设，如果不能验证，就以为是数据不充分、或者还没找到合适的数据，直到我们去验证了这个假设。
这就是把假设当做了预设的立场，很多人不敢去抛弃原来的假设，以为这样做是自己的能力不合格
实际上，想要证明一个观点，只要你肯去找，不管观点多么荒谬，总能找到支持你的理由。
比如为了让你验证印度比中国更富有这个荒诞的假设，我们完全可以找出很多证据证明：
印度每年30%-40%的GDP增长来自于生产力而非劳动力
印度的耕地面积和人均耕地面积比中国多两倍
印度不良贷款率比中国低很多
相反的，为了证明印度比中国穷我也能找出很多理由：
印度GDP总值和人均GDP均低于中国
世界最贫穷的人口中有25%聚集在印度、居世界第一
世界500强企业中中国远超印度
所以真正的数据分析，一定要站在客观的角度，敢于去抛弃自己的假设
溯源思维
溯源思维简单来说就是对问题进行细分后再细分，把问题进行分解到可以找到原因，列出解决办法
有时候我们不仅仅只使用对比思维和细分思维就可以得出来结果，这时候要想追溯数据源，然后基于此思考数据源背后可能隐藏的逻辑关系，或许会有其他的数据结果
比如说，某公司在全国有5个大区，其中华北大区今年未完成销量任务
我们能够分析出是江苏地区的销量下降了，再细分是南京有问题
很多人可能细化到这一步就结束了，因为地区维度已经细分到底了，不能继续细化到某个区某个街道等等
但是根据溯源思维，我们需要找到事物本身发生的原因
比如我们需要对北京地区的销量进行溯源分析，发现销量降低是因为客户数减少
我们还要继续溯源客户数减少的原因，发现是因为竞争对手抢走了我们的客户
继续溯源为什么竞争对手能抢走我们的客户，分析发现是竞争对手举办了优惠活动，吸引了大部分的客户
那么我们就要采取一定的措施，比如提高优惠程度，将客户重新拉回来
这个就是溯源的思维，我们一定需要去追根到可以真正发现问题的原因，我们用溯源思维分析数据久了，我们对数据的敏感和业务的理解也能逐步加深
逆向思维
有时候我们做数据分析，不能仅仅依靠正常的逻辑推理，有时候需要灵活乍现、剑走偏锋，也就是逆向思维
王老板花40元进了一双鞋，零售价50元。一个小伙子来买鞋，拿一张100元人民币，王老板找不开，只能去找邻居换了两张50，然后找给了小伙子50元。后来邻居发现这个100是假币，没办法王老板又还了邻居100
问这场交易里，王大爷一共损失了多少钱？
如果我们按照逻辑推理关系去慢慢推到王大爷亏了多少钱，恐怕非常困难，因为逻辑关系比较复杂，我们不妨用逆向思维。
题中问王老板损失多少钱，其实就是问小伙子赚了多少钱走，因为邻居没赔没赚，所以不考虑他。
小伙子赚了多少钱？太简单了，就是一双鞋加50元零钱！
在运营中，我们可以采用这种思维方式观察数据，或者不自觉地采用这种思维方式观察数据。
我们将自己认知的正常的数据表现（大部分情况下出现的）进行详细的罗列，然后列出它们所对应的反常情况。在追踪数据时，我们的注意力就着重放在这些反常情况上。
