01 對比思維

在我們日常的工作和生活中，對比思維其實是隨處可見的。

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。”

從這個例子中可以看出，對比通常有兩個方向，一個縱向，是指不同時間的對比，比如用小明上次考試的成績與這次進行對比。一個是橫向，是指與同類相比，比如拿小明的同班同學進行對比。

[[277717]]

02 細分思維

細分可以說無處不在，大到宇宙可以細分，小到原子核也可以細分。人生的大目標可以細分，某次小考試的成績也可以細分。

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。

這個例子就是把整體考試成績細分為具體的科目。在數據分析的工作中，細分的緯度主要包括時間、地區、渠道、產品、員工、客戶等。杜邦分析法、麥肯錫的 MECE 分析法本質上都屬于細分思維。

03 溯源思維

有時候，即使運用了對比思維和細分思維，依然分析不出來結論，怎么辦?

此時可以試試溯源思維，追溯數據源的詳細記錄，然后基于此思考數據源背后可能隱藏的邏輯關系，或許會有意外的洞察。

比如說，小明的媽媽通過對比思維，知道了小明的考試成績不好，通過細分思維，也知道他是英語沒考好，但是依然不知道他當時為什么會沒考好。

通過跟小明談心，詳細了解他當時考試的詳細情況，發現他當時肚子不舒服，無法集中精力答題，導致很多本來會做的題目都做錯了。談心之后，小明的媽媽對他表示理解，從此更加關心小明的身體狀況，他們之間的感情加深了，小明的成績也變得越來越好了。

如果不斷用溯源思維去分析，那么對數據的敏感和業務的理解也能逐步加深。

[[277718]]

04 相關思維

在大數據時代，核心就是相關思維，這種思維是建立在相關分析的基礎上。

啤酒與尿布的故事，是一個相關分析的經典案例。這個故事產生于20世紀90年代的美國沃爾瑪超市中，當時沃爾瑪擁有世界上最大的數據倉庫系統，為了能夠準確了解顧客在其門店的購買習慣，沃爾瑪對其顧客的購物行為進行購物籃分析，想知道顧客經常一起購買的商品有哪些。

沃爾瑪數據倉庫里集中了其各門店的詳細原始交易數據。在這些原始交易數據的基礎上，沃爾瑪利用數據挖掘方法對這些數據進行分析和挖掘。一個意外的發現是：跟尿布一起購買最多的商品竟是啤酒。

經過大量實際調查和分析，揭示了一個隱藏在「尿布與啤酒」背后的美國人的一種行為模式：在美國，一些年輕的父親下班后經常要到超市去買嬰兒尿布，而他們中有30%～40%的人同時也為自己買一些啤酒。產生這一現象的原因是：美國的太太們常叮囑她們的丈夫下班后為小孩買尿布，而丈夫們在買尿布后又隨手帶回了他們喜歡的啤酒。

在大多數情況下，一旦我們完成了相關分析，而又不再滿足于僅僅知道「是什么」的時候，我們就會繼續向更深層次的方向，去研究因果關系，找出背后的「為什么」。

[[277719]]

05 假設思維

當我們還沒有足夠的數據和證據來證明某件事的時候，我們可以先大膽假設，然后再小心求證，驗證假設是否成立。

比如，有一天，小明去買水果，跟買水果的阿姨之間有一段對話。

• 小明：“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：“嗯，不錯，確實挺甜的，給我稱兩斤。”

這個故事只是一個簡單的類比，不必深究細節。從中可以看出假設檢驗的基本思維過程，首先，小明提出假設：桔子是甜的;其次，隨機抽取一個樣本;然后，檢驗是否真甜;最后，作出判斷，確認桔子是真的甜，所以就購買了。

在數據分析中，假設思維的專業術語叫假設檢驗，一般包括四個步驟，即：提出假設、抽取樣本、檢驗假設、作出判斷，在這里我們就不展開去講那些專業術語了。

[[277720]]

06 逆向思維

有時候，我們需要打破常規的思維模式，從相反的方向來思考問題。我們接著講小明的故事。

有一次，小明去買西紅柿，跟阿姨之間又有一段對話。

• 小明：“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。”
• 攤主：“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，運用逆向思維，有時可能會起到意想不到的效果。

[[277721]]

07 演繹思維

演繹思維的方向是由一般到個別，也就是說，演繹的前提是一般性的抽象知識，而結論是個別性的具體知識。演繹的主要形式是「三段論」，由大前提、小前提、結論三部分組成。

以物理學上一個常識為例。

• 大前提：金屬能導電。
• 小前提：銅是金屬。
• 結論：銅能導電。

從這個例子中可以看出，大前提是已知的一般原理(金屬能導電)，小前提是研究的特殊場合(銅是金屬)，結論是將特殊場合歸到一般原理之下得出的新知識(銅能導電)。

08 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。

還是以金屬能導電為例。

• 前提：金能導電，銀能導電，銅能導電，鐵能導電，……
• 結論：金屬能導電。

數據分析的過程，往往是先接觸到個別事物，而后進行歸納總結，推及一般，再進行演繹推理，從一般推及個別，如此循環往復，不斷積累經驗。

[[277722]]

總結

本文總結了數據分析的 8 種思維，分別是對比、細分、溯源、相關、假設、逆向、演繹、歸納，充分運用好這些思維，無論是工作，還是生活，相信都能夠創造出更多的價值。

以上，希望能夠對你有所啟發。