数据分析底层思维

一、目标思维

原文传送门

（1）找到目标，跳出取数怪圈。
业务方想要的数据，不一定真是他想要的。
（2）找到目标，才能确定指标。
每项业务都会有一个核心的关键指标，一切工作都应当是为了优化这个指标而开展的。要确定这个核心指标，就必须了解业务开展的目的。确定业务指标有一个基本的模型——osm模型。
（3）找到目标，才能选择正确的分析方法。

二、系统思维

原文传送门

结构化思维只能解决静态复杂的问题。要解决动态复杂问题，需要系统性思维。站在更大角度思考问题，更有深度的观察，抓住主要矛盾，提前预知事物未来的发展。

分析系统的工具是系统循环图。
系统循环图的基本组成部分：正反馈、负反馈、延迟。
系统循环图的基本结构是回路，包括增长回路、调节回路。
系统的进阶结构是若干个增强回路或调节回路构成。场景的模式包括：有延迟的负反馈、强者愈强、增长极限、转移负担、恶性竞争。

三、逻辑思维

原文传送门

逻辑推理一般有演绎法、归纳法、类比法。

（一）演绎法
演绎法是由一般推导出特殊的思维方式，由因推导出果。
【
著名的「苏格拉底三段论」：
（大前提）所有的人都是要死的
（小前提）苏格拉底是人
（结论）所以苏格拉底是要死的
】
如何质疑演绎法？质疑大前提、小前提、或者质疑论证过程。
如何质疑论证过程？基本原则有四项错误、中项两不周延等等。
（二）归纳法
归纳法是由特殊推导出一般的思维方式，由果推导出因。
但是，归纳法有一个问题，哪怕所有论证都是正确，结果也可能是错误的，即犯了以偏概全的错误。机器学习是建立在归纳法逻辑基础上的。
（三）如何有效运用？
演绎法更容易把握结论的正确性。不过还是既然演绎法的大前提往往还是来自于归纳法，怎么样保证结果的正确性的？我们可以尽量采用那些前人已经总结过的结论，这些结论经历了时间的考验，相比自己临时归纳的结论更加可靠。即用更权威的大前提。
数据分析结论，往往就是演绎法和归纳法层层叠加起来的一座逻辑大厦。

四、结构化思维

原文传送门

结构化分析的主要工具是逻辑树。逻辑树有三种类型：问题树、假设树、是否树。
（一）问题树
解决问题的初始阶段用问题树。按照维度全面拆解问题。问题的同一层级必须遵循MECE原则。借助问题树，可以帮助我们展开思维，用结构化思维讨论解决why/how/what等问题。

建立问题树有两种方式，一种是自上而下做分解，一种是自下而上做聚合。
（1）自上而下分解，适用于对问题的解决方法有深刻理解的情景，效率高，可以快速把问题结构化。
【
侧重于分而治之的，可以按空间维度进行分类：新客户、跟进中客户、老客户；或者业务A、业务B、业务C；
侧重于进度把控的，可以按时间维度进行分类：第一个月、第二个月、第三个月；
侧重于战略聚焦的，可以按重要程度进行分类：机构客户、普通客户；
侧重于目标达成的，可以按演绎逻辑进行分类：流量、转化率、客单价、复购率。
】
（2）自下而上聚合，一般先通过头脑风暴列举出各种信息，用归纳法把相同信息划为一类，逐层向上归类。

（二）假设树
当对问题有了充足的了解，可以用假设树分析问题。假设树，顾名思义，提出假设，验证假设。

（三）是否树
提出问题，对问题进行是否判断。

（四）逻辑树的优点
1）通过“树干”和“树枝”的搭建，找出问题的所有相关项，以此确保问题获得完整的解决；
2）通过问题与问题的关联，识别哪些是必须的，哪些是证明前提假设的重点；
3）个人使用时能帮助理清思路，将大问题分解为利于操作和解决的小问题；
4）团队使用时，能将大问题分解为小问题再落实到个人，避免责任不清。

参考微信公众号三元方差，感谢原作者的辛勤总结。