我们要如何培养数据分析思维？

开启数据分析之路

1. 理解、善用大脑；正确看待压力

2. 保持***：把每天所做的工作、生活中的每一件细微小事用心做好，以一种特殊的方式集中注意力，有意识地、不予批判地关注当下。

3. 阅读

• 阅读层次

基础阅读
检视阅读
分析阅读
主题阅读

• 阅读选择

带着问题主动去看
抛掉没有读完的内疚感

4. 学习之道

• 学习的基本原则：划小圈抠细节
• 学习能力的提升关键：将基本原理进行融合和关联
• 学习遇到困境：接纳、利用和创造
• 知识要去实践
• 费曼技巧：讲给别人听。自己讲不清楚的地方就是薄弱点

5. PASSION

• Positive：以证明和积极的态度去对待生活和工作
• Action：数据分析实践性较高，有思路之后需要通过数据去验证，这才是行动的真谛
• Sincerity：真诚态度，虚心聆听，利他之心
• Show：展示数据，展示逻辑，展示观点
• Innovation：运用创造力好好思考，如何改进工作，点滴积累
• Optimism：乐观
• Never give up：不轻易言弃 
  

6. PEACE

• Patient：分析数据有时枯燥，用耐心去在别人看不到的地方发现数据隐含的价值
• Esteem：互相尊重，换位思考
• Accommodating：乐于助人
• Communication：业务人员与数据分析师充分沟通
• Easy：化繁为简
  

数据分析习惯的养成

1. 六个工作整理术

• 将信息按应用场景加标签
• 将信息整理到一处
• 将零散的工作任务结构化，集中处理，提高效率
• 善用工具
• 保证落实“只想不做”的思考时间
• 把工作和生活融为一体，而不是力图在二者之间求平衡

2. 对大脑的激励原理总结：Focus、Feedback、Fix it

• 设置工作进度条
• 将长期目标与短期目标相结合
• 不断给自己奖励（休息、喝水、吃零食）
• 用数据量化工作，将每个工作结果量化为一种数字化的反馈
• 走出内心的“舒适区”，探索未知的知识，激发潜能
• 团队合作、配合协同

3.“守、破、离”之道

• 守：以模仿为主，去学习前辈的生活态度、心得、技术等作为数据分析师必须具备的技能
• 破：通过一边摸索、一边犯错，在前辈的方式中加入自己的想法
• 离：从前辈那里独立出来，形成自己的一套形式
  

4. 会提问题比解决问题更重要

产品与数据分析

1. 产品上线运行阶段

• 通过数据分析找到用户使用该产品的痛点，优化产品细节，不断迭代

2. 企业运营需要数据实验

• 没有实验就没有数据
• 如果不实验，就不知道新的方案是不是更好
• 数据挖掘能够找出规律，但不一定能够创造价值
  

 数据的那些”坑“

1. 数据的作用

还原场景
记录反馈
量化人性

2.“幸存者偏差”

• 在做数据分析的时候，很多人会把显性数据拎出来做简单的因果推断，对于缺失的数据则采取忽略的态度。样本选取不当有时会误导数据分析的结论。

3.“数据造假”

• 很多时候我们要从多个维度去审视所获得的信息，审视自己的认知是否存在缺陷

4. 破解数据陷阱之道

多角度思考；让更多不同角色的人参与进来（如业务方、需求方）
要明确是关注问题本身还是关注问题的解决方案；没有最完美的解决方案
对待数据要有”求证“的心态，警惕被人处理过的二手数据
不要过度依赖数据去寻找普适的标准
从简单到复杂之后，更需要化繁为简

5. 企业应用数据的三个”坑“

• 业务部门不知道数据怎么用，哪些业务场景里能用到数据
• 企业内部的数据孤岛，不同业务部门在应用上各自为政，跨部门整合数据难度较大
• 数据分析人才体系的建设

6. 数据分析的正确打开方式

思考数据分析的初衷和后续行为
多维度思考，寻找”沉默样本“，不被数据欺骗
比任何人都重视数据安全和用户的隐私
站在听众的角度思考你的数据分析结果
重视数据分析人才的培养

 跨界，从另一个维度看问题

1. 技多不压身

• 掌握和精通每一项技能，都需要长时间的刻意练习，这样让技能变成潜意识
• 对练习的成果进行反馈
• 开始靠兴趣，之后靠动机和自我提问
• 自我暗示式地激励自己，不要自我批判

2. 启示

• 不抱怨、多思考、多实践
• 人自身地思维定势限制了人对未来的探索能力
• 有时即使方法正确，但结果不是我们预期的，对时机的把握很重要
  

小7总结：

我本人似乎常常有一种错觉，每看完一本书，内心OS：“这作者讲得太好了，我记住了，下次遇到这种业务需求，我一定要从什么什么角度去想”。可是当下次真正遇到这种问题时，我的第一想法还是会陷入以前的思维误区，最后的分析结论说服力不足。等我发现自己好像分析错了之后，我才猛然想起之前看的书是教我怎么去做的。如此往复循环......

不管是在学校，还是实习和就业，我们在一个不断试错的道路上前进，把错踩得差不多了，也许就离成为一个优秀的数据分析师不远了。