数据分析应有的逻辑思维及分析方法

超级长文！数据分析应有的逻辑思维及分析方法

数据分析的下限，取决于逻辑归纳。与其说提高分析质量，不如说提升逻辑归纳能力。

逻辑归纳，需要拥有良好的逻辑思维，并结合领域知识形成该领域的分析方法。而领域方法，进一步归纳则能够成为通用了方法论。

关于数据分析，本文将从逻辑思维和分析方法2个角度进行解读，其中分析方法会介绍数据分析前的准备以及数据如何为我们创造长期价值。

一、数据分析应有的逻辑思维
逻辑思维，是在认识事物的过程中借助概念、判断、推理等思维形式反映客观现实的理性认识过程。借助逻辑思维，能够确立执行方向，减少方向的偏移度以及分析的误差。

原始的数据并没有太多的价值，它是已经发生的事实或者结果。从中发掘价值则是数据分析的目的。

在数据分析中，其过程是与逻辑归纳相近的，过程如下：
提出问题➟分析问题➟提出假设➟验证假设➟输出结论

只有具备了良好逻辑思维，才能更好的帮助我们数据分析。

认识逻辑，先从逻辑论证的三要素开始，如下图所示：

在训练自己逻辑思维时，首先要保证信息的完整性，其次才是讨论准确性。如果陈述和提问不够清晰，后续论证是没有意义的。

初步了解了逻辑，接下来将与各位分享4种思维方式以及其运用方法，分别是目标、结构化、推理、逆向思维。

01 目标思维
目标思维，作用是明确目标的定义及完整性，校准执行的方向。

从逻辑论证的要素来看，目标只是一个论点，而判断论点是否有效、正确，则需要细究其论据和论证方式。

将目标映射至三要素并进行结构化拆解，会变成我们熟悉的需求4要素，再次延伸又会变成5W2H法。

熟练运用目标思维，不仅能帮助我们分析问题，还能运用于生活的许多方面。

在陈述问题时所使用的KWIC方法，其实也是逻辑要素的延伸：
1）K（KEY）：核心观点
2）W（Widen）：扩展核心观点包含的内容
3）I（Illustrate）：举例说明佐证观点
4）C（Conclude）：总结

信息越全面，沟通的成本越低，后续的论证质量才能更高。

02 结构化思维
目标思维强调的是方向，结构化思维强调的是拆解和延伸。

在上一节中目标的拆解和延伸使用的就是结构化的思维，它能够帮助我们将无序、散乱的信息进行聚焦、归纳、分类。

2-1、问题树
问题树，是大家较为熟悉的方法，也是我们常使用的“脑图”。它是一种以树状图形来分析存在的问题及其相互关系的方法，也是逻辑树的一种类型。

在逻辑树中，每一层都是下一层的总结概括，同树干内的延伸范围相同，不同树干的延伸范围相互独立。

在使用问题树时将一个已知问题当成树干，然后根据相关问题增加树干或树枝，它能够帮助我们更全面的找到相关项。

设置第一条树干时有两种方式，自上而下以及自下而上。

自上而下其实是以终为始，通过最终的目标进行拆解；自下而上则常见于头脑风暴，当缺少拆解思路时，我们可以将信息完全罗列，并对其进行归类逐层向上聚合。

在拆解时，我们应注意树干间的平衡，假设某个树干上的树枝过多或过长，其上层的拆解维度可能是不正确的。

2-2、公式法及过程法
公式法，是问题树的一种延伸。

公式在横向表示时，我们也称为金字塔原理。

在逻辑树的使用场景下，公式法不太关注细分场景以及整体漏斗。在进行细化分析时结合场景、操作流程，对公式进行进一步的细化。

在结合过程法时，须注意的点是完全穷举。

举个例子：
在活动中分析成交时，会使用访问人数、点击购买按钮人数、成交人数去分析漏斗。但漏斗数据往往是不完整的，这会影响推断的准确性。

结合场景、操作流程并输出公式进行数据分析，会比漏斗更为直观。

以下载app后用户的注册流程为例，通过上图，可以拆解出以下公式：

a、app注册人数=手机号注册人数+微信注册人数