編輯導語：資料分析一直是非常重要的一個能力，資料分析的目的在於驅動決策，但這不僅僅只是說說而已，一個優秀的資料分析師要有資料分析思維，透過收集資料進行更好的更新迭代；本文作者分享了關於資料分析思維的解釋，我們一起來看一下。
咱接著昨天的內容繼續聊，《就光會拉個數，要你資料分析師有什麼用？》，還是從宋世君大佬分享內容中獲得的靈感，有個同學是這麼問的：
老師好，我想提問：作為資料分析師如何檢驗自己的水平或者能力？因為資料分析師個人認為最重要的是思維，但是思維又是一個很虛的內容，不像研發崗位，有非常確定的知識體系。
這個問題很有意思，宋世君大佬是從資料能力層面上解釋的，我就不狗尾續貂了，我們今天來聚焦一下“資料分析思維”。
一、資料分析思維不是什麼但凡要是問一個數據分析師，他肯定可以給你扯出來一堆的內容，比如：一定要看資料！要資料指導運營！要資料化管理！要科學決策！
抱歉哈，這叫口號；而且這些口號除了咱資料分析師之外，別人都不會真正放在心上的。
有演算法的同學深思熟慮了一下，說：資料分析思維就是資訊、情報思維，獲取更多資訊，知道更多的細節，然後作出合理的推斷。
這個回答好像很贊哦！不過，這些不是資料分析思維本身，而是它的目標。如果把目標當做思維，每個八卦er都是資料分析師，那些狗仔隊簡直可以成為資料分析大神了！甚至娛樂界還有“謠言”=“真相”的說法。
也有數分的同學會給出比較乾的內容：資料分析思維就是細分、對比、結構化、遞進、相關性，是AARRR、是漏斗模型等等，這個就比較接地氣了。可不是麼？我們做資料分析其實說來說去也就這些手段。
這對嗎？也不對。這些都是實現的手段、方法論，是屬於“術”的層面。
技術同學站出來了，那就是做各種資料產品，什麼固定報表、多維分析、即席查詢、大屏展示一應俱全，做到資料即是服務，這總該對了吧？
這也只是資料分析的工具而已，是“器”的層面。資料產品做好了，肯定是能提升資料分析的效率、增強資料分析的能力。
二、資料分析思維是什麼以上的口號、目標、手段和工具，都不是資料思維，而是資料分析的一個個的側面。
我們繼續思考：這一切的本質到底是什麼呢？前面好像沒路了。
好在我們有萬能的哲學。我們得借用一下哲學的研究方法：
抽象是哲學的根本特點，一切具體的存在和發展都必須遵循抽象的規律；一切具體的應用學科都應該遵守抽象的哲學原理，但這必須以哲學原理的正確性為前提。
好，就用抽象這個工具繼續思考，我們先總結、歸納，然後再抽象，這是自下而上的歸納法。然後抽象出來之後，再自上而下的往下演繹，驗證一下我們思考的結論是否正確。
因為是歸納法，那這些東西要多少有多少，窮舉當然是一個好辦法，但是篇幅有限，我們選擇最優代表性的就行了。
- 我們先把各種AARRR、RFM、帕累託、四象限等抽象一層，就得到了業務分析模型，是用一個個固化的結構來解釋資料表現；
- 我們把聚類、分類、預測等抽象一層，就得到了演算法模型，是用一個個數學公式來實現資料的演化；
- 把對比、細分、結構、遞進抽象一層，就是資料分析方法，是用一個個技巧發現數據表達的內在含義；
- 把資料地圖、固定報表、多維分析報告、大屏、A/B Test抽象一層，就是資料分析工具，是用一個個系統提升我們分析的效率。
- 我們把業務分析模型、演算法模型、資料分析方法、資料分析工具等再抽象一層，是什麼？
有同學瞬間就通透了：哇，這不就是資料分析思維嗎？抱歉，我們不需要名字，抽象一層之後叫啥其實無所謂，叫資料分析思維、叫資料思維、叫乾飯思維都無所謂；我們真正在意的是再抽象一層之後，這一層的核心意義是什麼？
我思考的結果是：不管是用業務模型來解釋資料表現、還是用資料公式實現資料的演化、還是用技巧發現數據表達的含義、抑或是用工具提升我們資料分析的效率，本質上都是在做同一件事：一刀劈開是非對錯。
三、資料分析不是故弄玄虛，而是貼合用戶認知的建模很多資料分析高手都曾說：資料分析其實就是把定性的事情轉變為定量，這樣我們就能夠更具象化、標準化，能橫縱對比，能細化放大，能把複雜的事情簡單化。
這很對，也是資料分析的核心價值所在。
但是！我們量化分析之後呢？做什麼？還是得回到我們終端使用者身上，告訴他，這樣好，那樣不好，為什麼；這麼對，那麼不對，為什麼。
很多資料分析師還總結一個原則：只描述事實，不做判斷。其實我認為不太恰當。在量化階段的確需要這樣做，但是在往下落的時候你還是隻描述事實，不做判斷，這樣是沒信服力的，價值也有限。另外還有一個惡果，就是描述事實誰都會，業務/運營就會說：你把資料給我就好了，我自己看。
所以我們必須要有這驚天一刀，劈開混沌，分清是非對錯、好壞善惡；資料領域本來就有這個詞，這就是“建模”。
本來想舉幾個例子，可是自己公司的例子不能舉，別人公司的例子又拿不到，非常惱火，不過有個非常好的角度可以給大家剖析一下舉例子一定要真實的嗎？未必！我們既然是想證明“一個模型如何說服別人”，那麼反面的例子也是OK的，對不？
比如最典型的沃爾瑪“啤酒+尿布”的虛假案例（感興趣自行查詢），到現在仍然是大資料發現商機的典型案例；他們就是透過“啤酒+尿布”這個奇特的建模角度告訴大家這樣的商品組合很好。
你看，使用者很買賬！沒有人在乎這是一個虛假的例子！但是如果你給一張表格，然後讀數，使用者大機率會開始低頭玩手機的。
這一點我們確認之後，再往下演繹試一下；既然資料分析思維的核心是一刀劈開是非對錯、好壞善惡，套用一個詞就是“建模”。那資料分析思維往下細化應該有哪些呢？
其實我們想來想去無非還是那些，方法論、資源、流程、工具、原則等等。那再往下拆解呢？當然也能拆解出來很多內容了，比如：
OK，回到最開始那位同學提到的那個判斷：“資料分析思維又是一個很虛的東西…”
資料分析思維很虛嗎？在我看來，非常的實！無比的紮實——資料分析透過量化，把大眾認知中的定性思維轉變為定量思維，從而讓我們更容易理解資料、看懂資料、比較資料。但是我們千萬不能站在量化的高臺上俯瞰使用者，這樣使用者會離你原來越遠。
我們還需要加一步，對資料和業務進行建模，一刀劈開是非對錯，好壞善惡，迴歸到使用者的二元認知中；告訴他們這個好，那個不好，為什麼，這樣使用者才會信服你，認可你，接納你——我認為這才是資料分析思維的核心奧義。
作者：大資料架構師，公眾號：大資料架構師，國藥國華大資料總監，擅長BI、數倉、資料中臺產品規劃領域
本文由 @大資料架構師 原創釋出於人人都是產品經理。未經許可，禁止轉載
題圖來自pexels，基於 CC0 協議