5个要点，让你拥有数据分析思维

本文分析了如何拥有数据分析思维的5个要点：说事实，而不是观点、用客观标准代替主观判断、不预设立场、演绎而不是归纳、找出背后的逻辑。

引言

数据分析师究竟要掌握哪些技能？

大部分的数据分析教学都会教你excel，Python，sql，机器学习，还有一些分析方法比如对比分析、漏斗分析、留存分析等等技能。

但是，很多人掌握了这么多工具和技能，依然做不好数据分析。面对具体的业务问题，我们还是容易两眼一抹黑。

就像我们大部分人学习英语，都会学习单词、语法、音标等等，但是一开口就跪了。而英语母语的人就算不懂语法是什么，却能如同抬手睁眼一样自然地用英语表达。

这其中的区别，便是因为英语母语的人拥有“英语思维”。

想要做好数据分析也一样，单单会工具和技能是不够的，还必须拥有数据分析思维。数据思维决定了你如何思考问题，如何搭配这些分析方法，如何得出结论，如何确定问题。

那么究竟什么是分析思维呢？我认为有以下几个方面。

1. 说事实，而不是观点

数据分析师第一个要训练的思维方式便是：只说事实，不说观点。

事实和观点这两个名词看起来区别很大。但实际上在生活中我们经常会将两者混淆。

比如说你的同事告诉你：最近的转化率大幅下降。

这句话到底是事实还是观点呢？

很显然这句话是观点。究竟下降多少算大幅下降？也许你认为的大幅下降在我看来变化并不大。

那么如果他说：转化率下降了。这句话是事实还是观点呢？

这句话看起来已经非常像事实了，但是实际上它依然属于观点。

有这样一种情况，转化率在短期内它看起来是下降的，但是你站在宏观的层面上，以月为单位甚至以年为单位，它是它是上涨的，那么你究竟说他是上涨还是下跌呢？

那么什么是事实？

周一到周三的转化率持续下降，周三相比周一已经下跌了5％。这句话就是事实，这句话不同的人都能理解，不会出现歧义。

只有分清楚观点和事实才有继续分析的可能性。

因为观点的沟通会出现误差，而事实则不会。如果我们用观点进行沟通，自然会出现大量的误解。

如果连背景都没有理解清楚，后续的分析也就无从谈起。

2. 用客观标准代替主观判断

但是单纯只有数据，对业务问题的分析没有什么帮助。毕竟我们得知道这个数据到底带来了哪些业务信息。所以最后事实还是要归纳成“观点”。

不过如果我们用主观判断数据的好坏，那么还是回到了原来的老路上去。

那么周三相比周一转化率下跌了5%，这个数据到底表现如何呢？

想要解读出观点，我们需要先找到一个标准。

标准怎么找？

可以是老板定的标准，看数据是否符合老板心中的标准。虽然这也是拍脑袋，不过老板毕竟是老板，他们心中有些战略构想是建立在某些条件满足的基础上的。所以没什么说的，如果老板不满意，那这数据肯定是有问题的。

可以看行业和竞品的平均标准，看数据下降是否是行业的普遍现象。

看企业过去的平均水平，可以在历史数据中找到类似场景下的数据情况，和自己的过去对比。

然后我们通过数据和这些标准进行对比，得出一个观点。比如我们可以分析每周的情况，看历史上是否存在这一的趋势，平均下跌是多少？如果历史上每周三都会下跌，平均下跌7%，那么我们就可以认为目前数据比较正常，没有问题。

这样得出的结论全都是客观的，如果你不找标准，而用主观判断数据的好坏，那么不同部门的人会沟（shuai）通（guo）很久。

3. 不预设立场

人们总是习惯于通过自己的现存经验和知识去判断未知事物。

这本身是进化带来的优势，它能让人在信息不完备的情况下迅速做出决断并付诸实施。

这种预设立场的思维在原始人的时代很有价值，其优势在于：

第一，不浪费宝贵的能量，大脑是能量消耗大户；

第二，快速决断，避免因为低效决断而错失机会，这一点在避免伤害时尤为重要。

在数据分析的场景下，我们需要尽可能地找出真实原因。此时这种预设立场的决断方式会造成许多错误，因为现有经验和知识在应对未知事物时是不足的，是有偏差的。

而且不同岗位的人还会存在“屁股决定脑袋”的现象。

如果出现了业务问题，关联的业务方往往预设一个立场：这事没有看起来那么糟，或者这事和我没关系。

比如转化率下降了，业务方的反应往往是这个数据下降肯定跟自己无关。