这四种思维方式,决定着你数据分析能力的上限

大数据 数据分析
很多人做数据分析失败,就是因为没有目标思维。只要找到了数据分析的目标,基本上能够解决数据分析场景里90%的问题。

[[425649]]

一、目标思维

很多人做数据分析失败,就是因为没有目标思维。只要找到了数据分析的目标,基本上能够解决数据分析场景里90%的问题。

我们举一个实际的业务场景例子:

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?

面对这种问题,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,然而业务就会说,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?

[[425650]]

业务想要了解用户人数的目的是什么,我们要帮住业务去分析目的,去分解业务的思路。那么,这个目的是为了验证这个筛选功能是否有价值,所以要考虑活跃率、留存率、新用户的需求、用户的类型等等。

如果业务说是为了验证功能的使用率,那么我们就要从产品角度出发,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?

二、演绎、推理思维

首先什么是归纳和推理?我直接简单举个例子就行了:

  • 归纳:树能燃烧、纸能燃烧、筷子能燃烧,所以木制品能够燃烧
  • 推理:木制品能够燃烧,筷子属于木制品,所以筷子能够燃烧。

很显然,归纳是从个体属性出发,寻找因子之间的共性,总结出一个一般的特性;

而演绎则相反,是从一般整体出发,寻找事物之间的逻辑,从而得到某个个体的特性。

在实际的业务分析场景中,我们会潜移默化的用到演绎和归纳思维,比如说演绎法,我们最常见的就是三段论:大前提、小前提和结论。

但是演绎法要注意避免一个大误区:比如“最近公司利润率下降,是因为成本过高,所以我们要降低大家的薪资。”

首先这个论断是基于演绎法的三段论,每一段论之间的逻辑关系都是正确的,利润率确实与成本过高有关,而成本自然也包括人力薪资的成本,看似好像逻辑紧密,但如果这个论断是真的,可能每个公司都会用这个理由裁员降薪了。

问题出在哪呢?

明明每一段轮之间的关系都是有逻辑的,问题就出在大前提和小前提之间的论证是否真的有说服力。

比如说公司的利润率是否仅仅是因为成本过高?这是大前提的论证。成本过高是否只能降低大家的薪资?这是小前提的论证。很显然,这两个前提的论证过程是不严密的,因此会出现逻辑上的不通。

[[425651]]

那么归纳法就比较简单了,归纳法是从结果出发,寻找原因,通过观察对比、分析,找到事物之间因果关系的一种方法。同样的,归纳法也要注意一个误区:黑天鹅事件。

农场主每天早上7点准时到鸡场里喂鸡,久而久之火鸡们都得出了一个结论就是农场主每天7点都会来喂鸡,但是圣诞节这天等到火鸡们的却是一把刀。

[[425652]]

这就是归纳法的一个致命误区,也就是以偏概全,我们无法阻止黑天鹅事件的发生。

三、假设思维

假设思维其实是从演绎思维中延伸出来的思维,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“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验证自己的“错误假设”。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......

[[425655]]

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。

四、事实思维

数据分析师第一个要训练的思维方式便是:只说事实,不说观点。

事实和观点这两个名词看起来区别很大,但实际上在生活中我们经常会将两者混淆。

比如说你的同事告诉你:最近的转化率大幅下降。这句话到底是事实还是观点呢?

很显然这句话是观点。究竟下降多少算大幅下降?也许你认为的大幅下降在我看来变化并不大。

那么如果他说:转化率下降了2%。

这句话是事实还是观点呢?这句话看起来已经非常像事实了,但是实际上它依然属于观点。

有这样一种情况,转化率在短期内它看起来是下降的,但是你站在宏观的层面上,以月为单位甚至以年为单位,它是它是上涨的,那么你究竟说他是上涨还是下跌呢?

那么什么是事实?

周一到周三的转化率持续下降,周三相比周一已经下跌了5%。

这句话就是事实,这句话不同的人都能理解,不会出现歧义。

只有分清楚观点和事实才有继续分析的可能性,因为观点的沟通会出现误差,而事实则不会。如果我们用观点进行沟通,自然会出现大量的误解。

 

责任编辑:姜华 来源: 数据分析不是个事儿
相关推荐

2024-01-03 16:24:29

数据分析数据驱动大数据

2017-08-01 23:44:25

数据分析数据科学数据

2020-11-24 05:59:41

容器

2017-07-27 14:01:51

大数据数据分析类型模式

2021-08-12 11:37:23

数据分析错误

2017-09-21 13:04:35

数据挖掘分析分析方法数据分析师

2019-01-29 15:43:28

数据分析数据挖掘分析方法

2013-06-14 15:24:57

Android开发移动开发数据存储方式

2010-07-28 13:54:42

Flex数据绑定

2017-07-06 15:40:19

DevOps核心能力

2012-09-11 09:55:26

编程HTML5编程能力

2019-09-24 14:36:38

数据分析思维大数据

2016-10-26 19:33:45

数据分析大数据

2019-01-16 18:39:24

数据开发模型

2017-09-03 08:10:54

2022-07-29 07:58:34

思维能力技术人抽象能力

2019-09-27 11:46:06

人工智能数据技术

2018-09-28 15:37:49

2017-03-10 08:39:33

2011-03-14 13:33:32

Oracle数据库启动
点赞
收藏

51CTO技术栈公众号