淺談在探索數分之路上的“數據思維”論述

“思維”這個詞很棒，即具有意識的人腦對客觀現實的本質屬性、內部規律的自覺的、間接的和概括的反映，這是人類獨有的能力!稻盛和夫在書中提到“人生成功方程式”，這樣寫到：成功的結果 = 思維方式×熱情×能力。具備正確思維，所獲得成功的結果是成倍增加。也就是説，一個人的思維方式，決定了他看待世界的角度；一個人的思維方式，決定了一個人的人生高度。

所以，在實際的數據分析工作中，很多人掌握了excel、Python、sql等各種工具和對比分析、漏斗分析、KANO模型、迴歸模型等方法論。但是，在面對具體的業務問題時，依然可能會出現分析思路模糊，數據結論不夠嚴謹等問題。

因此，掌握了工具和方法論的同時，若擁有數據分析思維，會幫助你如何更好的描述問題、思考問題、拆解問題，如何更精準的運用方法論、得出結論等。這樣的數據分析的輸出成果就更嚴謹，更有依據，更有説服力。

我們總説，數據分析在大數據以及5G時代是必備的技能，那所謂的數據分析到底是個什麼東西呢？那就是，通過觀察、假設和推理，藉助各種分析方法論及數據思維模式去探索問題、提出解決方案。

有兩個重要因素：數據和分析。

“數據”即客觀事實，對於客觀事物發生，發展的數字化記錄。隨着科學技術的發展，數據的概念內涵越來越廣泛，包括數值、文本、聲音、圖像、視頻等。數據的作用有兩大方面，一個是瞭解現狀，還有一個是快速信息拉齊。數據可以分為定性數據和定量數據。

• 定性數據是用來描述事物的屬性，名稱等，它一種標誌，沒有序次關係。例如，“性別”，“男”編碼為1，“女”編碼為2。
• 定量數據是描述量化屬性，或用於編碼。如交易金額、額度、商品數量、積分數、客户評分等都屬於量化屬性。而“分析”的本質則是讓產品業務線更加清晰，讓決策更加高效。在市場經濟的條件下，面對激烈的競爭，差異化的市場，多變的環境，我們常常會面臨各種難題。數據分析是用來解決所遇到的難題，識別機會，規避風險，問題診斷。簡單來説，數據分析無外乎是多少、是什麼、為什麼、會怎麼樣、又如何！

説的直白點如下：

• 情況是怎麼樣——瞭解事物的現狀。
• 發生了什麼——追溯過去，瞭解真相。
• 為什麼發生——洞察事務發生的本質，尋找根源。
• 未來可能發生什麼——掌握事務發展的規律，預測未來。
• 我們該怎麼做——基於你已經知道的“發生了什麼”、“為什麼會發生”以及“未來可能發生什麼”的分析，幫助你確定可以採取的措施，也就是：數據驅動業務。

總體來講，數據分析可以説是一個非常大的概念：既可以從用户應用場景角度來分析，還可以從數據統計角度來分析，又可以從業務邏輯角度分析，又能從商業模式角度分析，而不同的分析角度關注的數據維度不同，用到的分析方法不同，呈現出的形式不同。而站在企業數據角度的分析，則企業主要是關注數據的價值，能給我們的業務帶來什麼效能，是能發現運作方式的問題？還是能找出突破點?還是能預估公司的賽道，讓決策層知道以什麼樣的配速來跑？

因此，我們所看到的和感知到的方法方式也不同，然而，我們要從深層面認知中抽象出來，尋找共性的東西，就會發現，其實數據分析思維是共通。

一、到底何為「數據分析思維」呢？

數據分析技能大同小異，而思維決定高度。因為技能是可以複製的，是輔助思維實現的。數據分析包括數據運營，為了推動業務增長或其他分析目的需要的可能是去發現挖掘更多與結果相關的數據維度。所以數據分析不只是數據的後處理分析過程，還有前面未知的探索。

簡單來説，所謂的數據思維的終極目標是讓數據呈現出畫面感，而不是一堆堆冰冷的數據指標。就像簡歷或者工作總結中，要體現活動營銷轉化率提升5%，創建企業率提升5%，會員業績提升8%一樣。數據分析思維是通過各種方法收集數據，瞭解需求，然後改進決策，不斷迭代。

如果你缺乏數據分析思維的話，你的直觀印象就只有兩種，一種是真厲害，這人靠譜。另一種是無所謂，隨便問問。每當應聘者遇到這樣的面試官時，就會感到慶幸，因為他隨便説幾個數據就能矇混過關，裝作很厲害的樣子。相反，當別人説出一個數據時，你的腦海中應該要構造出畫面感，從而客觀去判斷數據的真實性，以及它的價值。

所以，我們應該去深挖他們營銷的業務場景、客羣分佈、營銷方式和業務邏輯，最後瞭解下來是「註冊 -> 創建企業」的場景（某to b考勤軟件的業務場景），以促進用户創建企業的環節。而客羣分佈是註冊90天+的用户，營銷方式僅僅是短信提醒，業務邏輯只是對比「篩選人羣轉化率」和「整體人羣轉化率」。

因此，從常識來看，這個數據明顯不正確。因為註冊30天+的用户，如果從未發起過「創建企業」行為，（未創建企業無法使用），那基本可以説流失了，更別提延遲到註冊90天+，以及僅僅短信提醒效果更是甚微。更何況轉化率提升的這個對比邏輯完全是不公平的，沒有參考價值。

如果你懂的去思考數據背後的故事，那樣整個數據所呈現的畫面感會讓你重新去認識這個數據本身，這也就是犯罪片中常提的「恢復現場」。

所以掌握「數據分析思維」很重要，你就像數據圈的福爾摩斯。而要想培養自己的「數據分析思維」，應具備以下幾點要素：

• 掌握業務常識和數據邏輯判斷能力；
• 培養數據敏感度和數據解讀能力；
• 構建數據分析法和問題分解能力；
• 加強一定的數據處理能力和模型算法知識能力；

就如某一個to b考勤軟件為例 —「活動營銷轉化率提升5%，創建企業率提升5%，會員業績提升8%」。

從業務常識上你需要去了解用户轉化路徑，知道它會涉及的流程點。對於提到的「轉化率」、「創建率」、「業績提升」其實整體用户路徑歸屬為「活動頁面 ->下載 ->激活 ->註冊->企業創建 ->申請試用 ->滿足條件 ->售前諮詢 ->確認訂單 -> 成單金額」，再結合歷史數據有一個對比。而從活動營銷效果的評估來的話，僅僅上述三個指標是不具備説服力的，至少要關心「ROI」是否達標。

同時，你要考慮到「費效比」、「獲客成本」、「業績金額」，甚至是「新增人數」、「新增企業數」和「申請人數」這些指標，清楚的瞭解它們背後的數據業務邏輯。

在此基礎之上，才有數據感去初步判斷數據的真實性和合理性。這樣才有可能去解讀所謂的「5%」，以此去還原畫面感去認識它！

而這整個分析過程中不可避免會涉及一些數據分析方法，以及將「營銷效果評估」的問題進行分解，在這裏就不一一贅述了。

由此可見，有了清晰的「數據分析思維」才有可能去找到問題的本質，而不是隻看到表象。重申一點，我們需要有一定的數據處理能力，在面對大規模複雜數據時，不然將會心有餘而力不足。就如分析用户行為路徑去確定最佳營銷環節時，你根本清洗不出來幾十個G的用户行為數據，更別提業務場景建模了。

二、業務視角下的數據分析思維

從業務視角出發，分析是要反哺業務的，在數據基礎上基於業務邏輯進行分析。這裏面涉及更多的是業務流程環節上的各類數據指標並結合真實的業務含義和場景對實際問題的構建和還原。基於業務的分析更多的不是純理性的數理推算，而會帶有部分感性的成分去探尋問題。因此很多基於業務線的數據分析會在做各類的報表進行業務流程上的各類指標分析。

但深入瞭解會發現，只要對業務足夠熟悉，其實業務邏輯的流程是可完全羅列的。因此，可以清晰的找流程、分環節和做數據指標，但從篩選環節指標到指標呈現再到指標解釋就足夠嗎？實則是不夠的，甚至有些業務環節都是基於業務需求或者老闆需求指定的，所以，需要對業務理解足夠深入，業務指導數據，數據驅動業務，這種分析的價值才不容易被機器所取代。

數據分析對於業務的價值在哪呢？我的觀點是，基於業務邏輯設計有意義、有價值的數據指標，通過科學有效的手段去分析，進而發現問題優化迭代。然而，在業務中的分析價值更是依託數據去找出新的業務場景變化，即不同於原有現存的業務場景，可能是場景的迭代，也可能是推陳出新。數據分析因價值而存在，數據分析本就是一個價值增量的過程。無論分析給出的結果是積極或者負面，都是價值承載體，我們必須以客觀的態度面對。並且通過數據去更新迭代去發現新的業務邏輯、最優流程鏈路，甚至構建新的業務邏輯和流程鏈路。

而發現和構建並不是演繹推理，是“發散”和“推翻重構”的過程中的推敲。類似於“持續性創新”還是“顛覆式創新”，“持續性創新”可以維持生存，但“顛覆式創新”可以突破本質帶來質變。

因此，從業務角度來説，數據分析思維可以説是“發散”和“創造”。但是，從思維的角度，數據分析是重“分析”而輕“數據”的。在我看來數據本身並沒有任何價值，因為數據是死的，只能固化和呈現已有的客觀記錄，但並非事實或實情實景，正是你淺層意識裏的思維構建，由於分析思維的存在使得原本毫無價值的數據大放異彩。

三、拼搏奮鬥，勵志篤行，寧靜致遠

若要徹底把「數據分析思維」説通透並非是一件容易的事，只有意會，很難言傳。分析工具，是數據分析必備的硬件模塊，它就像一雙手。而分析思維，是數據分析必備的軟件模塊，它就像一個大腦。在如今人人都談大數據的時代，只有拋開浮躁，靜下心去洞察數據才有機會去培養自己的「數據分析思維」。如果你都沒用耐心去面對又髒又亂的數據，那你又如何有底氣解讀數據，頂多是瞭解幾個核心指標而已。

通過數據思維分析能幫助我們找到更加合適的業務場景，甚至説構建出一個更加可持續、可複製、持續在增長的商業模式。總的來説，數據分析思維的表現，就是能站在多方角度，用數據來精確描述現狀，分析問題，解決問題。

後面讓我們來逐一梳理主流的數據分析思維有哪些呢？

#專欄作家#

木兮擎天＠，微信公眾號：木木自由，人人都是產品經理專欄作家。多年互聯網數據運營經驗，涉獵運營領域較廣，關注於運營、數據分析的實戰案例與經驗以及方法論的總結，探索運營與數據的神奇奧秘！

本文原創發佈於人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基於CC0協議