數據分析包含哪幾個步驟？

數據分析主要有哪些思維？學習的路線是怎么樣的？

為了提供一個簡單的方向指引，讓數據分析思維的學習過程更加有趣，我做了一幅數據分析思維九段路線圖，你可以把學習的過程當作一種游戲，享受段位升級的樂趣。

編輯切換為居中

添加圖片注釋，不超過 140 字（可選）

在段位升級的過程中，如果你理解起來感覺比較吃力，那么應該沉下心來，認真地先把基礎打好，積累更多的數據分析經驗。

DataFocus 企業大數據BI分析系統，讓數據分析像搜索一樣簡單

1. 初段：目標思維

做數據分析，首先要一定明確目標，以終為始。

只有明確目標，才不會迷失方向，就像導航軟件，如果沒有設置目的地，那么它是沒法告訴你路線圖的。

目標思維主要體現在以下 3 個方面：

（1）正確地定義問題

比如說，小明聽了煎餅大媽月入 3 萬的故事，心里就想：為什么煎餅大媽月入 3 萬？

這個問題的定義，應該是關注「月入 3 萬」，而不是「煎餅大媽」。

也就是說，小明想的應該是「如何實現月入 3 萬」，而不是「如何變成煎餅大媽」。

（2）合理地分解問題

比如說，煎餅大媽如何實現月收入 3 萬？

這是一個比較大的問題，可以進行細分，因為收入等于訂單數乘以客單價，所以把這個問題細分為兩個小問題：

a. 如何實現一個月賣 5000 個煎餅？

b. 如何實現平均每個煎餅賣 6 塊錢？

（3）抓住關鍵的問題

在不同的發展階段，關鍵問題是不一樣的。

比如說，對煎餅大媽來講，剛開始做的時候，關鍵問題是：如何選擇人流量大的好地段？

當選好地段之后，關鍵問題就變成：如何提高路人來購買的概率？如何提高客單價？如何提高重復購買率？

總之，數據分析的目標，就好比槍上的瞄準器，如果沒有瞄準器，槍照樣可以打，但是有了瞄準器，槍才可以打的更準。

2. 二段：對比思維

有人說：

沒有對比，就沒有傷害。

在數據分析中，沒有對比，就沒有結論。

比如說，小明某次期末考試的成績不好，英語只得了 30 分，小明的媽媽對他說：“你上次考試英語考了 70 分，這次怎么就考得這么差？你看你的同班同學，這次都考 80 分以上。”

常見的對比思維有以下 5 種：

（1）跟目標對比

（2）跟上個月比

（3）跟去年同比

（4）分渠道對比

（5）跟同類對比

數據分析的過程，就是在明確目標之后，通過對比等思維，找到問題的原因，得出分析的結論，提出可行的建議，從而起到幫助決策和指導行動的作用。

3. 三段：細分思維

有人說：

不自由，毋寧死。

在數據分析中，細分是數據分析的靈魂，無細分，毋寧死。

比如說，小明某次考試的總成績不好，細分一看，發現其他科目的成績都不錯，只有英語成績特別差，只得了 30 分，從而拉低了整體的成績。

常見的細分方法有以下 5 種：

（1）按時間細分

（2）按空間細分

（3）按過程細分

（4）按公式細分

（5）按模型細分

在運用細分思維解決問題的過程中，要做到有的放矢，圍繞數據分析的目標，找到合適的方法，不要像無頭蒼蠅一樣到處亂撞。

當發現數據異常時，嘗試從不同的維度進行細分，這樣既能鍛煉你的數據分析思維，又能加深你對業務的理解。

4. 四段：溯源思維

做數據分析的時候，要多問幾個為什么，追根溯源，在數據源尋找可能隱藏的邏輯關系和解決方案。

比如說，小明把自己每天的行動數據，都用 Excel 詳細記錄下來，其中包括每一時段的情緒數據。小明做復盤總結的時候，發現有一天情緒數據特別低，然后連續問了幾個為什么：

（1）為什么這一天情緒數據特別低？

因為那一天小明上當受騙了。

（2）為什么會上當受騙？

因為騙子用生命安全來嚇小明。

（3）為什么騙子能嚇到小明？

因為小明擔心自己的生命安全。

（4）為什么小明會擔心生命安全？

因為求生是人類的本能反應。

（5）為什么人會有求生的本能？

因為人的大腦分為：年代久遠的本能腦、相對古老的情緒腦和非常年輕的理智腦。

理智腦對大腦的控制能力很弱，大部分決策往往源于本能和情緒，而非理智。

到這一步，小明找到了自己上當受騙的根本原因，在于自己當時沒有控制好自己的大腦，所以失去理智。

針對這個問題，小明運用「控制兩分法」，并在腦海中反復進行演練，然后在實踐中進行校正，實現與情緒的和平共處，從而更加理智地面對紛繁復雜的世界。

如果你經常運用溯源思維，就能提升數據的敏感度，并加深對業務的理解。

5. 五段：相關思維

相關思維，就是尋找變量之間相互關聯的程度。

比如說，有一家超市的數據分析師發現，跟尿布一起購買最多的商品竟然是啤酒，啤酒和尿布有什么關聯呢？

采訪小明的爸爸，他說自己下班后，給小明的妹妹買尿布的同時，也會購買自己喜歡喝的啤酒。

如果一個變量改變的時候，另一個變量也朝著相同的方向發生變化，那么我們就說這兩個變量之間存在正相關性。

運用相關思維，通常包括以下 3 個步驟：

（1）收集相關數據

（2）繪制散點圖形

（3）計算相關系數

需要注意的是，相關不等于因果。即使兩個變量之間相關，也不代表其中一個變量的改變，是由另一個變量的變化引起的。

比如說，國家的諾貝爾獎數量，與巧克力消費量之間呈現正相關關系，但這并不是說，多吃巧克力有助于獲得更多的諾貝爾獎。

一種合理的解釋是，諾貝爾獎的數量與巧克力的消費量，很可能都是由其他變量導致的，例如國民的受教育程度和富裕程度。

編輯切換為居中

添加圖片注釋，不超過 140 字（可選）

6. 六段：假設思維

胡適先生說過：

大膽假設，小心求證。

這句話非常適合用在數據分析領域。

大膽假設，就是要打破既有觀念的束縛，掙破舊有思想的牢籠，大膽創新，對未解決的問題提出新的假設。

小心求證，就是基于上面的假設，用一種嚴謹務實的態度，尋找真相，不能有半點馬虎。

比如說，有一天小明去買水果，跟賣水果的阿姨說：

“阿姨，你這桔子甜不甜？”

阿姨：“甜啊，不信你試試。”

小明：“好，那我試一個。”

小明剝開一個桔子，嘗了一口說：

“嗯，不錯，確實挺甜的，給我稱兩斤。”

運用假設思維，通常包括以下 3 個步驟：

（1）提出假設

（2）統計檢驗

（3）做出判斷

大膽假設并非絕對可靠，但是通過小心求證，我們可以更好地認識世界上的許多現象，從而得出更有價值的分析結論。

7. 七段：逆向思維

到了七段，你已經具備比較豐富的數據分析經驗，此時如果想要進一步有所突破，就得打破常規，具有逆向思維的能力。

比如說，有一天小明去買西紅柿：“阿姨，你這西紅柿多少錢一斤？”

阿姨：“兩塊五。”

小明挑了 3 個放到秤盤：“阿姨，幫我稱一下。”

阿姨：“一斤半，3 塊 7 毛。”

小明去掉其中最大的西紅柿：“做湯不用那么多。”

阿姨：“一斤二兩，3 塊。”

小明拿起剛剛去掉的那個最大的西紅柿，付了 7 毛錢，扭頭就走了。

你看，本來是阿姨想占小明的便宜，虛報重量。但是，小明利用逆向思維，反而讓阿姨吃了啞巴虧。

常見的逆向思維有以下 5 種：

（1）結構逆向

（2）功能逆向

（3）狀態逆向

（4）原理逆向

（5）方法逆向

理解這些逆向的方法，有助于你打開數據分析的思路，不斷提升自己的可遷移能力，尤其是底層的思維能力，做到以不變應萬變。

8. 八段：演繹思維

演繹思維的方向是由一般到個別，主要形式是「三段論」，由大前提、小前提、結論三部分組成。

比如說，小明不僅知道：金屬都能導電；而且知道：銅是一種金屬；所以小明可以得出結論：銅能導電。

運用演繹思維，應該遵循 5 項基本原則：

（1）不要出現第四個概念

（2）中項要能向外延伸

（3）大項和小項都不能擴大

（4）前提都為否，結論不必然

（5）前提有一否，結論必為否

掌握以上基本原則，能幫你建立更加嚴謹的數據分析思維。

9. 九段：歸納思維

歸納思維的方向與演繹正好相反，歸納的過程是從個別到一般。

比如說，小明先知道：金、銀、銅、鐵等金屬分別能導電，然后歸納出一個結論：所有金屬都能導電。

這個過程，是先接觸到個別事物，然后再進行歸納總結。

常見的歸納方法有以下 5 種：

（1）求同法

（2）求異法

（3）共用法

（4）共變法

（5）剩余法

這些方法是我們獲取新知識的重要途徑，不過需要注意的是，很多案例和故事都說明，有限的觀察并不等于真理。

為了避免以偏概全，我們還要加強歸納思維的訓練，積累更多實戰的經驗，這樣歸納總結出來的結論，才能經得起時間的考驗，才會更有現實意義。

通過歸納總結，得出有價值的分析結論，這既是數據分析的終點，也是數據分析的起點，形成一個正向的循環系統。

最后的話

正確的思維能力，是做好數據分析的必備條件，這也是很多人相對比較欠缺的一種能力。

要想成為一個有洞察力的人，就要多學習、多思考、多總結、多實踐，通過刻意練習，舉一反三，把數據分析的思維，應用到日常的工作和生活中去，逐漸提升自己的數據分析思維能力。