大厂都在谈的数据思维，到底怎么建立？

数据思维既然名叫“思维”，那指的就是一种思考方式，而不是具体的某种代码写法或者算数公式。通过一些小问题，可以很容易测出来一个人的数据思维有多少。

比如某天，一个你的熟人哭丧着脸问你：“我炒股亏了100万，咋办呀！”

你会怎么回？

问一个简单的问题，什么叫“亏”。如果大家真的跟股民聊天，就会发现，“亏”这个字在不同股民口中，差异非常大。至少有六种情况：

情况1： 我看到一只好股票，犹豫了，没有买，结果少赚了100万

情况2：我买了一只好股票，卖！早！了！结果少赚了100万

情况3：我买了一只好股票，结果忘了逢高出货，现在跌了，少赚了100万

情况4：我买了一只好股票，结果忘了逢高出货，现在跌了，净亏了100万

情况5：我买了一只坏股票，结果一直闷不吭声，别人都涨了，少赚了100万

情况6：我买了一只好股票，结果一入手就开始跌，净亏了100万

所以，真的认真思考的话，“亏”是很不严谨的说法。“亏了100万”听起来也有数字，可并不能准确地描述问题。这是一个有数据思维的人绝对不能忍的，一定是先弄清楚情况，再做下一步讨论。

这就是数据思维的直观感受：遇到问题，先试着用数据量化的形式准确描述。根据数据大小决定后续应对策略。

而很多人不会这么思考，比如遇到这个问题，很多人的第一反应是：

1、你买的哪支股票？我看看这只股票行不行？

2、你手头还有多少钱？还有加仓/减仓的空间不？

3、你一共有多少资产？亏了100万能把裤子亏掉不？

注意，这三种回答，其实都默认了自己心中的“亏了100万”，与对方口中的“亏了100万”是同一回事。跳过了确认环节，直接去到行动环节。

有趣的是，这也是三种典型的思维模式:

● 讨论股票的是典型的产品思维，关注产品质量/性能/优劣

● 讨论加仓的是典型的销售思维，重要的是干！干！干！

● 讨论操作的是典型的运营思维，看操作手法，再折腾两把

如果把这四类人摆在一桌，你会发现他们的特点非常鲜明（如下图）：

实际上，凡是涉及大小、多少、高低、快慢等等评价的问题，都和数据有关。在解决问题的时候，需要随时警惕这些形容词，要做的数据思维也非常多。就比如“我炒股亏了100万”，到底这100万对于“我”意味着什么，仔细想想，也有很多情况：（如下图）

此外，光看总资产可能还不够，因为总资产里，有可能很大一部分是房产/汽车/固定存款/贵重首饰等不能快速变现的。很多人手头的流动资金没那么多，亏了100万可能把生活费都搭进去了，因此还得看资产结构（如下图）：

在这种由粗到细的思考中，你会发现：数据大小的变化，会直接影响决策判断。

如果“亏”的仅仅是潜在收益，则只需安抚人心即可。

如果“亏”的是实钱，但是和身家比起来不足一提，你请他吃顿饭就好。

这就是数据思维的最大用处：通过量化的、精细的数据，把思考建立在事实之上，从而找到更有效的解决问题的办法。人们常说：量体裁衣，看菜吃饭，其实就是这个意思。

实际上，这个题目里所包含的，需要用数据思维的地方非常多。注意，问题问的是：“怎么办！”那么回答的应该是一个具体的做法，比如“不管他”，比如“快跑路”。从问题到应对策略，需要量化思考的地方非常多。

比如：

● 是不是目前大环境不好，谁炒谁亏？

● 是不是这个哥们本来就不会炒股？十炒九亏？

● 是不是仅仅在一支股票载了？还有翻盘机会？

这些都会影响到最后应对策略，也都因为数据的不同，产生不同的判断。如果真的是十炒九输的菜鸡，那再多身家也经不起这么折腾。如果仅仅是一时失手，那还有翻盘机会。

甚至有可能在梳理数据的过程中，发现一些隐藏的真相。比如明明这哥们亏的是潜在收入，为啥还愁眉不展呢？排除了客观原因，那很有可能是主观原因。比如产生了自我怀疑，怕被老婆/朋友/亲戚鄙视等等。这时候就能跳过表象，更深入地解决心理问题。

总之，利用数据思维，把问题认真梳理清楚，总有有益的。不但能解决桌面上的实际问题，也能发现桌面下的潜在问题。对工作和生活是大有帮助的。

要注意的是，数据思维，不是一个黑箱，不是一粒发财丸，不是一条“阿瓦塔克拉芙拉”这样的咒语，而是通过认真细致的梳理，通过一条条线索推导出结论。最后拼起来一张完整的全图。

比如亏了100万，如果把各条线索都梳理完，可能有如下逻辑，同学们有空可以自己试试哦。

注意：数据思维并不是万能的。从本质上看，数据思维是一种理性的、有逻辑的、讲事实的思维方式。但并不是所有事情，都是依靠理性、逻辑、事实来做成功的。甚至有些学科，就是通过感性、冲动、情绪化来把事情办成的。

● 比如营销领域，就是用口号/包装/宣传，制造溢价，鼓励冲动消费。

● 比如传播领域，就是用笔法/包装/故事，吸引眼球，制造轰动效应。

● 比如设计领域，就是靠创作者个人天赋与灵感，打造吸引人的作品。

所以数据思维并不能包打天下，特别是在社会科学领域。人们天生更容易被感性、情绪、冲动影响。

另一个大问题，就是获取准确的数据实在太难，速度也太慢。很多情况下，我们只能靠有限的数据做决策，此时即使再有数据思维，也无法给出准确的答案。业务的敏感性，坚定的执行力，灵光一闪的直觉，都能成为制胜的因素。

锻炼数据思维最好的方法，不是去看什么《底层逻辑》《核心思维》的书，而是在日常工作生活中，尝试多问问题，多努力寻找数据。

当遇到数据的时候，多问：数据以何种方式采集？采集时间范围？计算公式？而不是不管数据来源，张口就说：我就感觉这个数据不对，因为我没看到……

当遇到大小多少快慢好坏一类判断的时候，多问：指标是什么？标准是什么？而不是不管判断标准，张口就说：我觉得对！/不对！

当遇到决策的时候，多问：我依据什么做决策？结果用什么衡量？要做到什么程度？如果条件数据大小变化，我会改变决策吗？而不是张口就来：老夫从业十年，我说的就是对的，咱就这么搞。

虽然有可能找不到答案，但是练习多了，就会养成：遇事想数据的好习惯。在有数据支持的时候，就能做出更好的判断。

当然，本文小测试只适合在平时开玩笑用。在面试的时候，问这种脑筋急转弯式的问题，很容易把面试者绕进去。

面试时候要考察数据思维能力，有更直接/正式的问题。通过具体业务场景，考察面试者：到底有潜力做分析，还是代码搬运工。感兴趣的话，本篇集齐60在看，下一篇我们专门来分享，敬请期待哦。

本文来自微信公众号“接地气学堂”（ID：gh_ff21afe83da7），作者：接地气的陈老师，36氪经授权发布。