起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識5個要點，讓你擁有數據分析思維
本文分析了如何擁有數據分析思維的5個要點：說事實，而不是觀點、用客觀標準代替主觀判斷、不預設立場、演繹而不是歸納、找出背后的邏輯。
引言
數據分析師究竟要掌握哪些技能？
大部分的數據分析教學都會教你excel，Python，sql，機器學習，還有一些分析方法比如對比分析、漏斗分析、留存分析等等技能。
但是，很多人掌握了這么多工具和技能，依然做不好數據分析。面對具體的業務問題，我們還是容易兩眼一抹黑。
就像我們大部分人學習英語，都會學習單詞、語法、音標等等，但是一開口就跪了。而英語母語的人就算不懂語法是什么，卻能如同抬手睜眼一樣自然地用英語表達。
這其中的區別，便是因為英語母語的人擁有“英語思維”。
想要做好數據分析也一樣，單單會工具和技能是不夠的，還必須擁有數據分析思維。數據思維決定了你如何思考問題，如何搭配這些分析方法，如何得出結論，如何確定問題。
那么究竟什么是分析思維呢？我認為有以下幾個方面。
1. 說事實，而不是觀點
數據分析師第一個要訓練的思維方式便是：只說事實，不說觀點。
事實和觀點這兩個名詞看起來區別很大。但實際上在生活中我們經常會將兩者混淆。
比如說你的同事告訴你：最近的轉化率大幅下降。
這句話到底是事實還是觀點呢？
很顯然這句話是觀點。究竟下降多少算大幅下降？也許你認為的大幅下降在我看來變化并不大。
那么如果他說：轉化率下降了。這句話是事實還是觀點呢？
這句話看起來已經非常像事實了，但是實際上它依然屬于觀點。
有這樣一種情況，轉化率在短期內它看起來是下降的，但是你站在宏觀的層面上，以月為單位甚至以年為單位，它是它是上漲的，那么你究竟說他是上漲還是下跌呢？
那么什么是事實？
周一到周三的轉化率持續下降，周三相比周一已經下跌了5％。這句話就是事實，這句話不同的人都能理解，不會出現歧義。
只有分清楚觀點和事實才有繼續分析的可能性。
因為觀點的溝通會出現誤差，而事實則不會。如果我們用觀點進行溝通，自然會出現大量的誤解。
如果連背景都沒有理解清楚，后續的分析也就無從談起。
2. 用客觀標準代替主觀判斷
但是單純只有數據，對業務問題的分析沒有什么幫助。畢竟我們得知道這個數據到底帶來了哪些業務信息。所以最后事實還是要歸納成“觀點”。
不過如果我們用主觀判斷數據的好壞，那么還是回到了原來的老路上去。
那么周三相比周一轉化率下跌了5%，這個數據到底表現如何呢？
想要解讀出觀點，我們需要先找到一個標準。
標準怎么找？
- 可以是老板定的標準，看數據是否符合老板心中的標準。雖然這也是拍腦袋，不過老板畢竟是老板，他們心中有些戰略構想是建立在某些條件滿足的基礎上的。所以沒什么說的，如果老板不滿意，那這數據肯定是有問題的。
- 可以看行業和競品的平均標準，看數據下降是否是行業的普遍現象。
- 看企業過去的平均水平，可以在歷史數據中找到類似場景下的數據情況，和自己的過去對比。
然后我們通過數據和這些標準進行對比，得出一個觀點。比如我們可以分析每周的情況，看歷史上是否存在這一的趨勢，平均下跌是多少？如果歷史上每周三都會下跌，平均下跌7%，那么我們就可以認為目前數據比較正常，沒有問題。
這樣得出的結論全都是客觀的，如果你不找標準，而用主觀判斷數據的好壞，那么不同部門的人會溝（shuai）通（guo）很久。
3. 不預設立場
人們總是習慣于通過自己的現存經驗和知識去判斷未知事物。
這本身是進化帶來的優勢，它能讓人在信息不完備的情況下迅速做出決斷并付諸實施。
這種預設立場的思維在原始人的時代很有價值，其優勢在于：
- 第一，不浪費寶貴的能量，大腦是能量消耗大戶；
- 第二，快速決斷，避免因為低效決斷而錯失機會，這一點在避免傷害時尤為重要。
在數據分析的場景下，我們需要盡可能地找出真實原因。此時這種預設立場的決斷方式會造成許多錯誤，因為現有經驗和知識在應對未知事物時是不足的，是有偏差的。
而且不同崗位的人還會存在“屁股決定腦袋”的現象。
如果出現了業務問題，關聯的業務方往往預設一個立場：這事沒有看起來那么糟，或者這事和我沒關系。
比如轉化率下降了，業務方的反應往往是這個數據下降肯定跟自己無關。
自己的運營活動明明做的很成功，轉化率下降一定是行業因素、用戶質量等等其他因素導致的。于是為了證明這個觀點，他們順著這個預設的前提，找到一些相關的證據來解釋轉化率下降的現實。
實際上，想要證明一個觀點，只要你肯去找，不管觀點多么荒謬，總能找到支持你的理由。
不僅辛普森悖論這種統計學的把戲可以得出完全相反的結論，即使最簡單的“真話不全說”的方法，也能達到這種目的。
比如，我說兩個比較荒誕的列子：
1. 把正例說成反例
我想要證明一種物質是有害的，我列舉出以下論點：
- 它是酸雨的主要成分；
- 對泥土流失有促進作用；
- 過多的攝取可能導致各種不適；
- 皮膚與其固體形式長時間的接觸會導致嚴重的組織損傷；
- 吸入該物質容易引發窒息；
- 處在氣體狀態時，它能引起嚴重灼傷；
- 在不可救治的癌癥病人腫瘤中已經發現該物質；
怎么樣，你會不會覺得這是一種非常危險的物質，實際上上面描述的是“水”。
2. 想要把反例說成正例也沒問題
比如中國男足，想要把男足描述成世界強隊行不行？
當然行。
- 哥斯達黎加是世界杯史上為數不多能夠戰勝中國隊的國家
- 即使是巴西隊這樣的世界強隊也僅戰勝過中國隊一次
- 自2002年韓日世界杯后，中國隊在世界杯正賽上不敗紀錄已經延續12年
- 縱觀漫長的世界杯史，中國隊也僅輸過三次
- 中國隊從未在世界杯點球大戰中失利過
- 中國隊在領先的情況下從未丟過球
你看，只要你想證明一件事，總能找出一些證據。
所以，預設立場再去找證據是一件相當不靠譜的事。
數據分析部門一般獨立于業務部門之外，這樣可以確保數據分析師沒有業績壓力，分析具有獨立性。
因為數據分析的獨立性，所以最終問題究竟是在產品上、運營上或者市場上，數據分析師不會有明顯的偏向，只認客觀數據。
同樣是轉化率下降了，數據分析師的職責就是找出下降的真實原因。他們要梳理出和轉化相關聯的各個環節，獲取數據，根據數據推演出合理的結論。
有些資深的數據分析師有一定的業務敏感度，他們會提出一些可能性很大的假設。比如他們猜測可能是運營出現了問題，那么就需要找到一些數據來驗證這個假設。
但是假設驗證和預設立場不同。
預設立場，是要找到證據來證明猜想，一個數據不行，那就換另一個數據。直到能證明這個觀點為止。
而驗證假設，則是事先規劃驗證這個假設需要的數據。如果數據最終不符合假設，那么就拋棄這個假設。
好的數據分析師，能夠根據客觀數據，隨時拋棄舊的假設，并建立新的假設。
拋棄固有的思維定式，這是非常反人性的，這也是為什么說數據分析需要專業訓練的原因。
4. 演繹而不是歸納
邏輯思維方法分為歸納法和演繹法。
歸納法是從特殊到一般的推理，是從結果找原因的方法。
也就是說，通過觀察很多個別事物的特殊性，然后概括出同類事物的特征。
但是我們一般不可能觀察到這個事物的所有樣本。所以歸納法得出的結論是不確定正確性的。
你有沒有聽過這個故事：
在一個火雞飼養場里，一只火雞發現，不管是艷陽高照還是狂風暴雨，不管是天熱還是天冷，不管是星期三和星期四，每一天上午的9點鐘，主人都會準時出現，并給它喂食。
于是，它得出了一個驚天大定律：“主人總是在上午9點鐘給我喂食。”
時間來到圣誕節的前一天，上午9點，主人又一次準時出現，但是這一次，主人帶來的并不是食物，而是把它變成了食物….
這個是英國哲學家伯特蘭·羅素提出的一個問題，被稱為「羅素的火雞」，用來諷刺那些歸納主義通過有限的觀察，得出自以為正確的結論。
大部分人思考問題，會優先使用歸納法。因為這是人類認識世界的方法，這是人性決定的。
比如一月到三月的成交金額連續上升，初級分析師往往會說：成交金額呈現上升的趨勢。
這句話的潛臺詞是，預計交易金額在四月份也會上升。
這是典型的歸納法思維：因為過去是這樣的，所以未來應該也會繼續這樣。這和那只火雞的思維其實也沒有什么本質的差別。而且這和沒分析一樣，你把數據丟給業務方，他們也能看出目前呈現上漲的趨勢。
如果想要做好數據分析，就不能濫用歸納法，這點依然很反人性。
那我們用演繹法，如何思考這個問題的呢？
演繹法是從一般到特殊的推理，是從原因找結果的方法。
要想預測四月份的成交金額會如何，首先需要分析前三個月的成交金額為什么會上漲？當時的背景是什么？上漲需要哪些條件？四月份的這些條件是否依然存在？如果維持成交金額上漲的條件不變，我們才能說四月份會繼續延續這種上漲的勢頭。
經過演繹法推理的結論才是合理的，而且我們通過深挖找出了內部的原因，這才是業務人員想要知道的。
數據分析的價值就體現在這。
5. 找出背后的邏輯
數據分析師是需要大量的邏輯思維訓練，但我們自己做好還不夠，我們的工作必需和業務方溝通，幫助他們解決實際的業務問題。
但是很多業務人員沒有考慮清楚就跑來溝通，他們的需求可能充滿了邏輯問題，這時我們就需要幫對方理清思路，找出對方表述背后的邏輯。
數據分析師往往會聽到業務方這樣問：本周的轉化率相比上周已經下降了5%，怎么辦？
這句話聽起來感覺沒什么問題，實際上邏輯并不是特別嚴密。
首先，這句話的前半部分很好地表達了事實，值得表揚。如果前半句是一個觀點，我們還要先找到事實。
但是這句話的后半句有問題，后半句的“怎么辦”，放在這個語境中，潛臺詞其實是這樣的：
- 本周轉化率相比上周下降了5%
- 這是個不好的情況
- 需要解決這個問題
- 怎么辦？
相比最開始的表述，我們分析出這句話中間出現了兩個衍生的問題。
問題1：轉化率下降5%真的是不好的情況嗎？
這就涉及到了標準了，之前提到了我們要找到一個客觀標準，通過標準解決出數據的業務含義。
因此我們首先要協助業務方找到一個標準。
問題2：如果數據表現真的不好，那么這是現在急需解決的問題嗎？
這個問題的答案也是不一定。
商業世界要解決的問題太多，在同一時刻，永遠存在著各種各樣的問題。
而企業的資源是有限的，不可能同時解決所有的問題。問題的解決必然有輕重緩急之分。
那么憑什么要先解決轉化率的問題，而不是解決引流的問題、留存的問題、活躍度的問題？
數據分析師必須了解企業當前的戰略方向，把有限的資源投入到更重要的方向上。
如果上面這兩個隱藏的問題不想清楚，就開始分析怎么辦，那么這類分析師的工作往往會費力不討好，做很多低績效的工作。
技藝理性需要長時間的練習
說到這兒你有沒有覺得，分析師的工作和法律工作者非常的像。
法官只看事實，一切都講證據。
法官需要標準，標準就是法律文本。即使被告的行為看起來多么地不符合社會道德，只要法律沒有規定不允許，那么法官就不能認為有罪。
法官不預設立場，法律的原則是無罪推斷，任何人在未經證實和判決有罪之前，都視其無罪。
法官要用演繹法推斷。法官的判決講究證據鏈完整。證據鏈中的鏈字，就有一環扣一環的含義在其中。很明顯就是需要用演繹法來進行分析。
最后律師要理清當事人的邏輯，大部分人是說不清一件事的，當事人在律師的引導下把事情逐漸還原。
法律史上有一個非常著名的故事，可以為我們帶來一些啟發。
在1608年，英國國王詹姆斯召見了法官，提出一項要求：既然法官只是國王的代理人，國王自然有權直接裁決訴訟案。
但大法官柯克反對說：國王本人不能裁決任何案件。
詹姆斯一世說：“法律以理性為基礎，除了法官之外，我和其他人一樣具有理性，為什么就不可以裁決訴訟案？”
柯克大法官很聰明，先夸了國王一番：“確實，上帝賦予了陛下卓越的技巧和高超的天賦；”
接著，他又說：
“但陛下對于英格蘭本土的法律并沒有研究，而涉及陛下之臣民的生命或遺產、或貨物、或財富的案件，不應當由自然的理性，而應當依據技藝理性和法律的判斷來決定，而法律是一門需要長時間地學習和歷練的技藝，只有在此之后，一個人才能對它有所把握?！?/p>
這個故事中非常重要的觀點就是“自然理性”不等同于“技藝理性”，而技藝理性是需要長時間的專業練習的。數據分析也一樣。
總結
很多人想要數據分析速成。他們認為“自然理性”加上“分析工具和方法”就能做好數據分析。分析工具、分析方法等技能確實可以速成，但是數據分析的能力不是自然理性能夠駕馭的。想要做一個好的數據分析師，必須擁有數據分析的思維，這是一種“技藝理性”，有一點反人性，必須花大量的時間訓練才能掌握。
如果你學會了很多數據分析的工具和技巧，依然做不好數據分析。建議嘗試練習本文提到的思維。要點很簡單，堅持，堅持，堅持。
#專欄作家#
三元方差，公眾號：三元方差（sanyuanfangcha），人人都是產品經理專欄作家。專注用數據驅動業務增長，擅長數據分析、用戶增長。喜歡閱讀、思考和創作。
本文原創發布于人人都是產品經理。未經許可，禁止轉載。
題圖來自Unsplash，基于CC0協議
演繹推斷和復盤有什么區別
受益匪淺，謝謝
很受啟發！??！
想學習下數據分析思維，能否推薦一些相關書籍？
一直沒有找到比較適合的書，真要推薦的話麥肯錫的一些書可以看看。
文中的幾個要點能學習下來就已經不容易了。
蠻贊同
寫的真好
為什么這個APP不在底部欄顯示點贊按鈕，卻顯示收藏按鈕，然后不喜歡的按鈕和點贊按鈕等價顯示呢？而且放在右手邊，感覺地位更重
邏輯清晰，事例有趣。寫的很好吶~加油
感謝您的分享。
能否推薦一些練習思維的資料或書籍？
一直沒有找到比較適合的書，真要推薦的話麥肯錫的一些書可以看看。
文中的幾個要點能學習下來就已經不容易了。