数据分析一直以来都是一项非常重要的能力,它是为了推动决策,但这并不只是说说而已,一位优秀的数据分析师必须具备数据分析思维,并通过收集数据进行更好的更新迭代,接下来小编就给大家分享一下关于数据分析思维的几种类型,一起来看看吧。
一文带你了解数据分析思维!
1. 对比思维
在我们日常的工作和生活中,对比思维其实是随处可见的。
比如说,小明某次期末考试的成绩不好,英语只得了 30 分,小明的妈妈对他说:“你上次考试英语考了 70 分,这次怎么就考得这么差?你看你的同班同学,这次都考 80 分以上。”
从这个例子中可以看出,对比通常有两个方向,一个纵向,是指不同时间的对比,比如用小明上次考试的成绩与这次进行对比。一个是横向,是指与同类相比,比如拿小明的同班同学进行对比。
2. 细分思维
细分可以说无处不在,大到宇宙可以细分,小到原子核也可以细分。人生的大目标可以细分,某次小考试的成绩也可以细分。
比如说,小明某次考试的总成绩不好,细分一看,发现其他科目的成绩都不错,只有英语成绩特别差,只得了 30 分,从而拉低了整体的成绩。
这个例子就是把整体考试成绩细分为具体的科目。在数据分析的工作中,细分的纬度主要包括时间、地区、渠道、产品、员工、客户等。杜邦分析法、麦肯锡的 MECE 分析法本质上都属于细分思维。
3. 溯源思维
有时候,即使运用了对比思维和细分思维,依然分析不出来结论,怎么办?
此时可以试试溯源思维,追溯数据源的详细记录,然后基于此思考数据源背后可能隐藏的逻辑关系,或许会有意外的洞察。
比如说,小明的妈妈通过对比思维,知道了小明的考试成绩不好,通过细分思维,也知道他是英语没考好,但是依然不知道他当时为什么会没考好。通过跟小明谈心,详细了解他当时考试的详细情况,发现他当时肚子不舒服,无法集中精力答题,导致很多本来会做的题目都做错了。谈心之后,小明的妈妈对他表示理解,从此更加关心小明的身体状况,他们之间的感情加深了,小明的成绩也变得越来越好了。
如果不断用溯源思维去分析,那么对数据的敏感和业务的理解也能逐步加深。
4. 相关思维
在大数据时代,核心就是相关思维,这种思维是建立在相关分析的基础上。
啤酒与尿布的故事,是一个相关分析的经典案例。这个故事产生于20世纪90年代的美国沃尔玛超市中,当时沃尔玛拥有世界上最大的数据仓库系统,为了能够准确了解顾客在其门店的购买习惯,沃尔玛对其顾客的购物行为进行购物篮分析,想知道顾客经常一起购买的商品有哪些。
沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上,沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。一个意外的发现是:跟尿布一起购买最多的商品竟是啤酒。
经过大量实际调查和分析,揭示了一个隐藏在「尿布与啤酒」背后的美国人的一种行为模式:在美国,一些年轻的父亲下班后经常要到超市去买婴儿尿布,而他们中有30%~40%的人同时也为自己买一些啤酒。产生这一现象的原因是:美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布,而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。
在大多数情况下,一旦我们完成了相关分析,而又不再满足于仅仅知道「是什么」的时候,我们就会继续向更深层次的方向,去研究因果关系,找出背后的「为什么」。
5. 假设思维
当我们还没有足够的数据和证据来证明某件事的时候,我们可以先大胆假设,然后再小心求证,验证假设是否成立。
比如,有一天,小明去买水果,跟买水果的阿姨之间有一段对话。
小明:“阿姨,你这桔子甜不甜?”
阿姨:“甜啊,不信你试试。”
小明:“好,那我试一个。”
小明剥开一个桔子,尝了一口:“嗯,不错,确实挺甜的,给我称两斤。”
这个故事只是一个简单的类比,不必深究细节。从中可以看出假设检验的基本思维过程,首先,小明提出假设:桔子是甜的;其次,随机抽取一个样本;然后,检验是否真甜;最后,作出判断,确认桔子是真的甜,所以就购买了。
在数据分析中,假设思维的专业术语叫假设检验,一般包括四个步骤,即:提出假设、抽取样本、检验假设、作出判断,在这里我们就不展开去讲那些专业术语了。
6. 逆向思维
有时候,我们需要打破常规的思维模式,从相反的方向来思考问题。我们接着讲小明的故事。
有一次,小明去买西红柿,跟阿姨之间又有一段对话。
小明:“阿姨,你这西红柿多少钱一斤?”
阿姨:“两块五。”
小明挑了3 个放到秤盘:“阿姨,帮我称一下。”
阿姨:“一斤半,3 块7 毛。”
小明去掉其中最大的西红柿:“做汤不用那么多。”
摊主:“一斤二两,3 块。”
小明拿起刚刚去掉的那个最大的西红柿,付了7 毛钱,扭头就走了……
你看,运用逆向思维,有时可能会起到意想不到的效果。
7. 演绎思维
演绎思维的方向是由一般到个别,也就是说,演绎的前提是一般性的抽象知识,而结论是个别性的具体知识。演绎的主要形式是「三段论」,由大前提、小前提、结论三部分组成。
以物理学上一个常识为例。
大前提:金属能导电。
小前提:铜是金属。
结论:铜能导电。
从这个例子中可以看出,大前提是已知的一般原理( 金属能导电),小前提是研究的特殊场合( 铜是金属),结论是将特殊场合归到一般原理之下得出的新知识( 铜能导电)。
8. 归纳思维
归纳思维的方向与演绎正好相反,归纳的过程是从个别到一般。
还是以金属能导电为例。
前提:金 能导电,银 能导电,铜 能导电,铁能导电,……
结论: 金属能导电。
数据分析的过程,往往是先接触到个别事物,而后进行归纳总结,推及一般,再进行演绎推理,从一般推及个别,如此循环往复,不断积累经验。
以上就是小编给大家总结的数据分析思维常见的几种类型。有一点需要指出,各种分析模型都没有区分等级,也没有区分优劣,肯定要深入了解业务,针对不同的业务场景具体分析。这其中最重要的一项是分析方法和思考,这是数据分析的基本思维。看完小编整理的文章,这知道数据分析思维都有什么了吗?希望这篇文章对你有帮助。
[免责声明]
文章标题: 一文带你了解数据分析思维!
文章内容为网站编辑整理发布,仅供学习与参考,不代表本网站赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请及时沟通。发送邮件至36dianping@36kr.com,我们会在3个工作日内处理。