品才网>其他>数据分析师必懂的分析思维

数据分析师必懂的分析思维

时间：2023-12-09 11:10:15 诗琳其他我要投稿

相关推荐

数据分析师必懂的分析思维

　　在平日的学习中，很多人都经常追着老师们要知识点吧，知识点是指某个模块知识的重点、核心内容、关键部分。那么，都有哪些知识点呢？以下是小编收集整理的数据分析师必懂的10种分析思维知识点，欢迎大家借鉴与参考，希望对大家有所帮助。

　　数据分析师必懂的分析思维

　　一、逻辑思维

　　逻辑思维即明白价值链，明白各项数据中的关系; 该方法的关键在于明白其中的关系要求你对这项工作要了解、熟悉，要细致和慎密，要清楚充分性和必要性的关系。实际上也就是指：你需要那些数据?如何获得这些数据?数据之间的关系如何?

　　二、向上思维

　　在看完数据之后，要站在更高的角度去看这些数据，站在更高的位置上，从更长远的观点来看，从组织、公司的角度来看，从更长的时间段(年、季度、月、周)来看 ,从全局来看，你会怎样理解这些意义呢?也许向上思维能让你更明白方向。该思维方法的关键是：建立长远目标、全局观念、整体概念、完整地分析数据，不做井底之蛙。

　　三、下切思维

　　数据是一个过程的结果反映，怎样通过看数据找到更多的原因以及隐藏在现象背后的真相，需要我们下切思维，把事物切细了分析，把过程拆分细了分析。此时关键是要知道数据的构成、分解数据的手段、对分解后的数据的重要程度的了解。也就是说那些数据需要分解分析?这也如同显微镜原理

　　四、求同思维

　　当一堆数据摆在我们面前时，表现出各异的形态，然而我们却要在种种的表象背后，找出其有共同规律的特点。关键是找到共性的东西进行分析，还要客观。实际上就如同：现在的整体数据表现出什么问题?是否有规律可行?

　　五、求异思维

　　每一个数据都有相似之处，同时，我们也要看到他们不同的地方，特殊的地方。这就需要对实际情况的了解，对日常情况的积累，对个体情况的了解，对个体主观因素的分析。正如：你了解你的下属员工吗?如何帮助她们分析问题，从自身找到解决方案。

　　六、抽离思维

　　当你从一个旁观者的角度不思考看待数据时，你往往能发现那些经常让我们迷失方向的细枝末节并没有太多的意义，我们迷失方向，忘记了自己的价值，同时深受情绪困扰。这时，你用用抽离思维更加能够帮助到你。关键是要用多种分析方法，多角度看问题，不要钻牛角尖，多学习别人的好方法，学会集思广益，发散性思维。比如说：你的学习能力和方法有效吗?

　　七、联合思维

　　很多销售数据，需要我们能站在当事人的角度去思考和分析，这样你才会理解人、事、物。关键在与多了解当事人的情况，学会换位思考。比如：你了解你周边的情况吗?你了解你周围的人吗?

　　八、离开思维

　　通过数据分析，你发现你处在一个不太有利的地位，那么，此时，你就要有离开思维去替你想办法，离开困境。关键是学会自我调节，自我放松。实际情况如：遇到难解的结，你怎么办?

　　九、接近思维

　　怎样达成目标，实现销售增长，这时候你需要接近思维来帮助你。关键是多接触你要解决的问题，花时间分析，你要的是方案，不是问题。实际情况如：你在做选择题还是问答题?责任点在哪?

　　十、理解层次

　　问题发现是第一步，要怎样分析问题，找到真正的原因，那么熟练的运用理解层次。关键是：你需要熟悉客观环境，员工的能力、行为的规律、他需要什么? 实际情况如：你能够分析到哪一步?

　　数据分析师必懂的分析思维

　　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。