很多人掌握了很多数据分析工具和技巧，但还是做不好数据分析。面对具体的商业问题，我们很容易两眼一抹黑。光知道工具和技巧是不够的，还要有数据分析思维。

数据思维决定了你如何思考问题，如何匹配这些分析方法，如何得出结论，如何确定问题。

那么到底什么是分析思维呢？我认为有以下几个方面。

1、说事实，而不是观点

1.讲事实，而不是观点。

数据分析师接受培训的第一种思维方式是只说事实，不说观点。

事实和意见这两个名词似乎很不一样。但实际上，在生活中，我们经常会混淆这两者。

比如你的同事告诉你，最近转化率急剧下降。这句话是事实还是观点？显然，这句话是一种意见。跌幅多大算是大跌？可能你认为的大跌在我看来变化不大。

所以如果他说:转化率下降了。

这句话是事实还是观点？这句话看起来很像真理，其实还是属于观点。

有一种情况，短期内转化率看似在下降，但你站在宏观层面，以月甚至年为单位，是在上升的。所以你真的说是涨还是跌？

那么真相是什么呢？

只有分清观点和事实，才能继续分析。因为观点的传达会有误差，但事实不会。如果带着意见交流，自然会有很多误解。

2、用客观标准代替主观判断

2.用客观标准代替主观判断。

但是，只有数据对业务问题的分析没有帮助。毕竟我们要知道这个数据带来了什么商业信息，所以最后的事实要总结为“观点”。

要解读一个观点，首先需要找到一个标准。

标准怎么找？

可以是老板定的标准，看数据是否符合老板心目中的标准。虽然这也是当头一棒，但老板毕竟是老板，他们脑子里的一些战略想法都是建立在一定条件被满足的基础上的。

可以看看行业和竞品的平均标准，看看数据下滑是不是行业普遍现象。

看企业过去的平均水平，可以在历史数据中找到类似场景的数据，与自己的过去进行对比。

然后我们将数据与这些标准进行比较，得出一个观点。

3、不预设立场

3.没有预设位置

人们总是习惯于通过已有的经验和知识来判断未知的事物。这种预设的思维在原始时代是很有价值的。其优点在于:不浪费宝贵的精力，快速决策，避免因低效决策而错失良机。

在数据分析的场景中，我们需要尽可能地找出真正的原因。这时候这种预设的决策方***造成很多错误，因为现有的经验和知识在处理未知时是不足的，有偏差的。

如果出现业务问题，相关业务方往往会预设一个立场:没有看起来那么糟糕，或者与我无关。

比如转化率下降的时候，业务端的回应往往是这个数据下降肯定和自己没关系。

显然我自己的运营活动已经很成功了，转化率的下降一定是行业因素、用户素质等等其他因素造成的。于是为了证明这一点，他们顺着这个前提，找到了一些相关的证据来解释转化率下降的现实。

其实如果你想证明一个观点，只要你愿意去寻找，不管这个观点有多可笑，你总能找到支持你的理由。不仅辛普森悖论这种统计学上的小把戏可以得出完全相反的结论，就连最简单的“不完全讲真话”的方法也能达到这个目的。

比如我举一个很荒诞的例子:比如中国男足，是否可以用世界一流球队来形容？当然可以。

1.哥斯达黎加是世界杯历史上为数不多的能击败华南的国家。2.即使是巴西这样的世界顶级球队，也只赢过华南一次。3.自2002年韩日世界杯以来，中国队在世界杯上的不败纪录已经保持了12年。4.纵观世界杯漫长的历史，中国只输过三次。5.中国在世界杯点球大战中从未输过。6.中国队从未在领先时失球。

你看，只要你想证明什么，总能找到一些证据。所以先预设一个立场，再去找证据，是相当不靠谱的。

数据分析部门一般独立于业务部门，以保证数据分析师没有业绩压力，分析独立。因为数据分析的独立性，最后的问题是在产品、运营还是市场。数据分析师不会有明显的偏见，只认客观数据。

但假设验证与预设位置不同。

前提是找到证据证明猜想。如果一个数据不好，就换另一个数据。直到这一点可以被证明。

验证假设是预先计划和验证这个假设所需的数据。如果数据最后不符合假设，那么就抛弃这个假设。

一个好的数据分析师可以根据客观数据，随时抛弃旧的假设，建立新的假设。

抛弃固有的思维定势是非常反人类的，这也是数据分析需要专业训练的原因。

4、演绎而不是归纳

4.演绎而非归纳

逻辑思维方法分为归纳和演绎。

归纳法是由特殊到一般的推理，是从结果中寻找原因的方法。也就是说，通过观察许多个体事物的特殊性，然后总结相似事物的特征。

但是我们一般不可能观察到这个东西的所有样本。所以归纳法得出的结论是不确定的。

你听过这个故事吗:

在一个火鸡农场里，一只火鸡发现，无论是阳光灿烂还是狂风暴雨，无论是炎热还是寒冷，无论是周三还是周四，主人都会在每天早上9点准时出现，给它喂食。于是，就来了一条惊天动地的定律:“我的主人总是早上9点喂我。”圣诞节的前一天，早上9点，主持人又准时出现了，但这次，主持人把它变成了食物，而不是食物。

是英国哲学家伯特兰·罗素提出的问题，被称为“罗素的火鸡”。用来讽刺那些归纳通过有限的观察可以从自身得到的结论。

比如1-3月，成交量不断上升，初级分析师常说:成交量呈上升趋势。

这句话的潜台词是，预计4月份交易金额会上涨。

这是典型的归纳思维:因为过去是这样，所以未来也应该继续这样。这个和那个土耳其的思维其实没有本质区别。

而且和不分析是一样的。如果你把数据扔给业务方，他们也能看出目前有上升趋势。想做好数据分析，就不能滥用归纳，归纳还是很反人类的。

那么我们如何用演绎法来思考这个问题呢？

演绎是从一般到特殊的推理，是从原因中寻找结果的方法。

要预测4月份的成交额，首先需要分析为什么前三个月的成交额会上升。当时的背景是什么？上升需要什么条件？4月份这些条件还存在吗？如果交易量增加的条件不变，我们可以说这种上升趋势将在4月份继续。

演绎推理的结论是合理的，我们深挖发现了内在的原因，这也是商务人士想知道的。

这就是数据分析的价值。

5、找出背后的逻辑

5.找出背后的逻辑

数据分析师需要大量的逻辑思维训练，但是光靠我们自己是不够的。我们的工作一定要和业务方沟通，帮助他们解决实际的业务问题。

但是很多商务人士来沟通都没有想清楚，他们的需求可能充满了逻辑问题。这时候就需要帮助对方理清思路，找出对方说法背后的逻辑。

数据分析师经常听到业务方问:本周转化率比上周下降了5%。我该怎么办？这句话听起来没问题，但其实逻辑并不是特别严密。

首先，这句话的前半句很好的表达了事实，值得表扬。如果前半句是观点，我们得先找到事实。

但是这句话的后半部分有问题。这句话后半部分的“怎么办”，放在这个语境里，其实是这样的:

本周转化率较上周下降5%。

这是一个糟糕的情况。

这个问题需要解决。

我该怎么办？

对比最初的说法，我们分析出这句话有两个衍生问题。

问题1:转化率降低5%真的是一个不好的情况吗？

这涉及到标准。如前所述，我们需要找到一个客观的标准，通过标准来解决数据的业务意义。所以首先要协助业务方找到一个标准。

问题二:如果数据表现真的很差，这是现在急需解决的问题吗？

这个问题的答案是不一定。世界上有太多的问题需要解决。同时，总会出现各种各样的问题。企业的资源是有限的，不可能同时解决所有问题。解决问题要有轻重缓急。

那么为什么要先解决转化率的问题，而不是解决引流、留存、活跃度的问题呢？

数据分析师必须知道企业当前的战略方向，把有限的资源投入到更重要的方向。

如果没有想清楚以上两个隐藏的问题，就开始分析怎么办，那么这种分析师的工作往往会吃力不讨好，做很多低绩效的工作。

摘要

很多人想要快速的数据分析。他们认为“自然理性”加上“分析工具和方法”可以做好数据分析。分析工具和方法等技能确实可以很迅速，但是数据分析的能力却超出了自然理性的控制。

想要成为一名优秀的数据分析师，就必须具备数据分析的思维。如果你学了很多数据分析的工具和技巧，还是做不好数据分析，建议你试着练习一下本文提到的思路。