站长统计
学习数据分析需要建⽴的五⼤思维模型
运⽤数据分析的⽅法去思考问题、解决问题对数据分析师来说是⼗分重要的，毕竟⼯具的运⽤⼤同⼩异，思维的不同才决定个体的差异。
初级数据分析师如何进阶成为⾼级、资深的数据分析师呢？
这中间的差距就是培养什么样的思维模式。思维模式有很多，这⾥列出5个数据分析中常见的思维模式供读者学习参考。
结构化思维
结构化思维是很重要且应⽤极为⼴泛的⼀种思维模式，该思维不仅会被应⽤在数据分析上，⼏乎所有的⾏业都会⽤到。
结构化思维是⼀种分类汇总的思想，就是将看起来复杂凌乱的内容以某种结构呈现出来。
你可能每时每刻都在⽤这种思维，只是没有刻意去关注。
例如⽣活中的收纳⽅法：收纳鞋⼦有鞋柜，收纳厨具有橱柜，将杂乱⽆章的东西分门别类地归纳在⼀起，在需要⽤的时候可以很⽅便地出来。
⼜如写作的时候先列出⼤纲和⽬录，再填充内容。
这些都是结构化思维在⽣活中的运⽤。
在数据分析中也是这个道理，我们给数据表起名、给列赋予字段，这些都是简单的结构化思维的应⽤；更深⼊⼀些，可以给指标分层，如⽤户的姓名、性别、年龄是⽤户基本数据信息，⽤户的关注率、点击率、浏览率是拉新阶段的数据信息。例如⼀个，它每时每刻可以产⽣⼤量的数据，我们可以从拉新、促活、转化3个阶段来将这些数据分类，使之条理化、结构化，便于分析。
大数据要学什么常见的运⽤结构化思维的例⼦有麦肯锡7S模型，该模型是⽤来描述企业在发展过程中要考虑的各⽅⾯的情况，从⽽有理有据地制定战略规划的⼿段。“7S”主要包括结构（Structure）、制度（System）、风格（Style）、员⼯（Staff）、技能（Skill）、战略（Strategy）和共同价值观（Shared Values）。将所有要考虑的想法先按“7S”分类，再进⾏汇总，从不同的层次出发分析问题，最后得出结论，这就是典型的结构化思维。
漏⽃思维
漏⽃思维是通过确定关键环节，进⽽完成⼀套流程式分析的思路。
该思维在各⾏各业都有应⽤，如注册转化率分析、⽤户浏览路径的分析、流量监控等。以⽤户转化率分析为例，从⽹页展⽰到下单的全过程运⽤漏⽃思维，实际分为5个关键步骤：曝光、点击、浏览、咨询、下单：
假设该⽹站在曝光阶段拉取到了100个⽤户，其中有80个⽤户点击了该⽹站，那么从曝光到点击这⼀步骤的转化率就为80%；⼜有50个⽤户浏览了整个页⾯，点击到浏览的转化率为62.5%；有30个⽤户咨询了⽹页客服，那么浏览到咨询的转化率为60%；有10个⽤户最终完成了订单交易，那么咨询到下单的转化率为33.3%。这样统计每⼀步的⽤户数，得到相应的转化率，按照⽤户数来画图，步骤越往下，⽤户数越少，形状像是⼀个漏⽃，因此这个图⼜称为“漏⽃图”，这种分析⽅式称为“漏⽃分析”。运⽤漏⽃分析时要注意确定关键的环节，并得到相应的数据。
矩阵思维
矩阵思维是通过两组指标的交叉结合来分析问题的思维⽅法，⽐较典型的矩阵思维应⽤是波⼠顿矩阵。
波⼠顿矩阵⼜叫“市场增长率—相对市场份额矩阵”或“四象限分析法”，被⼴泛应⽤于商业营销对产品的
组合分析中，它由横纵两坐标构成，纵坐标为增长率，横坐标为市场份额；这两个指标在平⾯中交叉，可以划分出公司所有产品的4种业务组合：
① 问题型业务：⾼增长率，低市场份额。这种业务带来的利润⾼，市场份额却少，前途可以说是⼀⽚光明，对公司来讲有较⼤的风险，同时也有很⼤的利润。
② 明星型业务：⾼增长率，⾼市场份额。这种业务增长率⾼，市场份额也⾼，是成长起来的明星，公司对这种业务要加⼤资⾦投⼊。
③ ⾦⽜型业务：低增长率，⾼市场份额。这种业务增长率低，市场份额⾼，在公司所有业务中属于已经很成熟的，趋于稳定，能够为企业带来⼤量的现⾦流。
④ 瘦狗型业务：低增长率，低市场份额。这种业务没有⾜够的增长率，也没有⾜够的市场份额，应趁早放弃，及时⽌损。
矩阵思维还可应⽤到平时⼯作和⽣活中，如将事情按重要和紧急程度划分为四象限的任务分析矩阵，应优先处理重要且紧急的事情，其次处理紧急不重要的事情，通常情况下重要不紧急的事情可能才是真正能提⾼技能的⼯作，⽽不紧急⼜不重要的事情可以暂缓。我们按照这个象限法则可以平衡地处理⼯作和⽣活中的琐事。
相关性思维
相关性思维是通过分析⼏个指标之间的相互关系，得到相应的规律，以为企业的决策提供⽀撑。
运⽤相关性思维分析问题时，不仅要看单个指标的变化，还应关注两个甚⾄多个指标之间的相互关系，从⽽发现⼀些内在的规律。体现相关性关系的指标是相关系数，需要注意的是，相关性并⾮因果性。
相关性是指两个变量有着相同（或相反）的变化趋势
因果性是指⼀个变量的变化导致另⼀个变量也跟着变化
所以有相关关系的两个变量不⼀定存在因果关系
例如，科学家经过统计发现，⼈的睡眠时间同收⼊呈反⽐，那我们可以由此得出睡眠时间越短，收⼊就越⾼的结论吗？显然不⾏，因为这两个变量只是在统计学上存在相关关系，⽽⾮因果关系。蝴蝶效应可以说是⼀种因果关系，即因为蝴蝶扇动了翅膀，导致⾝边的空⽓系统发⽣变化，进⽽引发了龙卷风。但是蝴蝶效应更趋向于⼀种混沌现象。现实⽣活中，很难到100%的因果关系。
降维思维
数据量⼤是⼤数据时代⼀个典型的特征，如何通过分析⼤量繁杂的数据得到⼀个问题的答案？这就要⽤到降维的思维。
降维⾸先要有维度，⽤结构化思维将⼤量的数据拆解成各个维度，再给每个维度赋予相应的权重，最后得到⼀个综合评价指标。将多个数据变成⼀个指标，这就是降维。灵活运⽤降维思维有助于对数据的理解和分析。
⽐如如何评价学⽣的综合能⼒来确定优秀学⽣呢？我们可以从语⽂成绩、数学成绩、英语成绩、体育成绩、思想政治成绩5个相互独⽴的指标来衡量。对每个指标进⾏标准化，将所有的成绩指标都转换为0～100的数值，并确定每个指标的权重（权重根据历史数据和经验划定，或根据特定算法计算，权重累加为1），最后得到学⽣综合能⼒分数=语⽂成绩×0.3+数学成绩×0.3+英语成绩×0.2+体育成绩×0.1+思想政治成绩×0.1，这就是降维思维的应⽤。
思维模型是⼈类⽂明进化过程中形成的⾦字塔顶端的蓝宝⽯，是重要学科的重要理论。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论