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
榮耀標識如何培養數據思維
編輯導語：無論是身處什么行業什么領域，數據分析越來越成為一向必不可少的技能，而運用數據思維進行決策更能產生形成高質量的決策結果。本文作者結合自身經驗向大家分享了數據分析方法論以及兩個數據思維的原則，希望對你有幫助。
哈嘍，大家好，我是一??！
最近幾年一丁已經不從事具體的數據分析工作，但是在工作中也免不了要和數據打交道，具備良好的數據分析思維能夠很好形成決策判斷。
本文簡單分享一些數據分析的方法論，結合日常工作中的刻意練習，逐步形成超過90%同行的數據思維能力。
面對問題，通常的想法是零散的。方法論就是“能將零散的想法整理成有條理的分析思路”的方法。
簡單總結一丁的數據分析方法論，就是知輕重、有條理、會拆解、多對比。
一、知輕重
如果一個人在為人處世上能夠做到知輕重，那可以說是一個成熟的人，對于數據分析師也一樣，每個人的精力都是有限的，如果你選擇了一個并不重要的專題進行研究，耗費大量精力，結果可能收效甚微。
推薦通過矩陣分析法將問題進行劃分，該方法以屬性A為橫軸，屬性B為縱軸，組成一個坐標系，在兩坐標軸上分別按某一標準進行刻度劃分，構成四個象限，將要分析的每個事物對應投射至這四個象限內，進行交叉分類分析，直觀地將兩個屬性的關聯性表現出來，進而分析每一個事物在這兩個屬性上的表現。比較經典的就是波士頓矩陣模型。
矩陣分析法的本質是通過不同維度的排列組合，可以是二維，也可以三維、四維甚至更多，取決于你分析事物的復雜程度。
通過矩陣分析，可以將我們面臨的問題進行輕重緩急排序，并針對性地部署相應的策略，你的精力放在哪個區域，決定了你成就的天花板。
如鏈家創始人左暉的名言，做難而正確的事情，他就是把事情按照難易程度和正確程度進行劃分，他選擇了難而正確的這個象限。
回到數據分析這個話題，如果看到指標有波動，到底要不要深入地分析一下呢，這個時候就可以波動幅度作為橫軸，是否趨勢性作為縱軸進行劃分。
毫無疑問，右上是最重要和最迫切需要解決的問題，但在日常工作中一般不會頻繁出現，而左上角是需要持續投入精力研究的。
二、有條理
通過知輕重，能夠對分析的話題進行劃分，確定優先級，第二步就需要開始分析，在數據分析過程中常常遇到的問題是，數據太多了導致在分析的過程中忘記了自己最初的目標，鉆到了牛角尖中，花費了大量的精力但是收效甚微。
更理想的做法是，借助類似思維導圖工具，圍繞分析目標將各個分析方向進行窮舉，在分析過程匯總，圍繞思維導圖進行分析，避免分析到哪里算哪里佛系分析法，也避免在細枝末節處窮追猛打，浪費資源。
在畫思維導圖的時候，向大家推薦MECE分析法，全稱Mutually Exclusive Collectively Exhaustive，中文意思是“相互獨立，完全窮盡”。也就是對于一個重大的議題，能夠做到不重疊、不遺漏的分類，而且能夠借此有效把握問題的核心，并成為有效解決問題的方法。
比如一丁之前分析過如何增加貸款余額，貸款余額=貸款投放-還款-核銷，然后再圍繞這個基礎公式按照產品維度展開，保證分析維度不重不漏。
三、能拆解
每個人的拆解能力決定了他能否有效處理和解決復雜事務，拆解能力簡單來說，就是把一個復雜問題拆解成一個個基礎元素，你通過研究這些元素，控制和改變基本的元素進而解決復雜的問題。
以下介紹兩種基礎的拆解方法：
1. 維度細分
細分簡單地說，就是按照各不同維度進行拆分，定位變化因素最大的細分領域。比如獲客下滑了，就可以區分是線上渠道下降還是線上渠道下降，進一步可以發現是具體某一個渠道下滑，這樣分析更具針對性。
細分思維除了能定位問題外，更重要的是如果我們只看數據整體，可能注意不到“數據內部各個部分構成的差異”。
如，本月新房5萬/平，上月新房2萬/平，大家看了驚呼房價暴增，但如果通過結構拆分，會發現本月交易新房80%集中在中環內，而上月60%是在外環外，房價完全不變的情況下受交易結構的影響產生了誤導。
2. 流程細分
最直觀的就是漏斗圖，漏斗圖是一個適合業務流程比較規范、周期比較長、各流程環節涉及復雜業務過程比較多的管理分析工具，漏斗圖是對業務流程最直觀的一種表現形式，并且也最能說明問題的所在。
比如獲客就是一個鏈路比較長的業務場景，涉及到電銷人員外撥、客戶接通、客戶意愿、填寫信息便捷性、審批效率、審批通過率、用戶激活等一系列業務環節，通過漏斗圖可以很快發現業務流程中存在問題的環節，確定業務瓶頸。
四、多比較
最后就是多比較，就像我們說的，沒有對比就沒有傷害，比較是數據分析中非常重要的一部分，下面介紹幾種常見的比較方法：
1. 與同業比
一般指的就是和行業的龍頭比，弄清楚自己和行業標桿的差距。
一般來說，同業的數據來源主要公開發表的數據，包括上市公司的財報、主動披露的數據等等，數據的信息源不同其準確性也會存在各種差異，但是通過仔細分析還是能得到一些自己想要的東西，取決于每個人數據思維能力的高低。
2. 與自己比
一般來說，會進行同比、環比等，通過趨勢圖觀察一段時間的走勢，這是常見的比較思路，但是注意不要忘記最初設定的目標。
在工作中會發現有個問題就是有時候我們會發現同比環比之后，指標都上漲了，營造出欣欣向榮的局面，但其實并沒有達到我們的目標，只是基準值太低，這是一種典型的目標侵蝕。
3. 細分對比
簡單來說，就是按照各種維度細分之后的對比，比如按某個特征，將數據分為不同的組，然后比較各組的數據，比如一丁在工作中經常進行相似群體隨時間的變化，產品會隨著你的開發和測試而不斷迭代，這就導致在產品發布第一周就加入的用戶和后來才加入的用戶有著不同的體驗。
每一組用戶構成一個同期群，參與整個試驗過程，通過比較不同的同期群，你可以獲知：從總體上看，關鍵指標的表現是否越來越好了。
以上是一丁分享的一些簡單的數據思路，最后和大家分享兩個數據思維的原則：
（1）對于數據行業從業者
要有敏感性，要能夠合理懷疑，拿到的數據不能盲目相信，而是先懷疑數據是否準確，對一些異常的數據尤其如此，這就需要通過時間培養數據常識，學不來，只能刻意練習。
（2）對于一些外部數據
獲取的時候非常困難，不能過于求全責備。沒有人有上帝視角，靜下心處理你能夠拿到的數據，可能數據存在偏差，但數據背后的趨勢、原則和機遇，這些騙不了人。
本文由 @一丁 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
學到了，感謝分享
數據思維的核心有兩個，第一個是數據敏感度， 第二個是數據方法經驗
感謝作者分享！數據思維真的很重要?。∽钪饕倪€是在數據分析時明確所要解決的問題避免做無用功
數據思維真的是工作中必不可少的，知輕重、有條理、會拆解、多對比這個方法真不戳