如今這年頭,沒點數據分析思維,很容易陷入職業發展的瓶頸。
對於一名普通的職場人來說:
- 如果缺乏數據分析思維,就容易陷入「只看眼前、表象和局部」的狀態。
- 而如果具備數據分析思維,就不僅能夠看到事物發展的起因,還能夠看到事物變化的趨勢,看清楚事物發展的全局。
掌握數據分析思維,可以發現事物背後的邏輯,化解現實中的難題。
而且數據分析思維具有規律性和相對穩定性,掌握這個技能,能夠經得起時間的檢驗,不容易過時,讓人終身受益。
既然數據思維這麼重要,那麼今天就和大家分享《數據化分析》作者林驥總結的 9 種受益終身的數據思維。
爲了方便理解和記憶,林驥把數據分析的 9 種思維分成以下 3 個模塊。
第 1 個模塊:理解現狀,包括 3 種思維,分別如下。
- 目標思維(Goal-directed thinking)
- 對比思維(Antithetical thinking)
- 細分思維(Partitional thinking)
這 3 種思維的英文首字母縮寫是 GAP,代表看見現狀與目標之間的差距。
第 2 個模塊:分析原因,包括 3 種思維,分別如下。
- 溯源思維 (Original thinking)
- 相關思維 (Relevant thinking)
- 假設思維 (Supposed thinking)
這 3 種思維的英文首字母縮寫是 ORS,代表洞見更多潛在的可能。
第 3 個模塊:預測未來,包括 3 種思維,分別如下。
- 逆向思維(Backward thinking)
- 演繹思維(Deductive thinking)
- 歸納思維(Inductive thinking)
這 3 種思維的英文首字母縮寫是 BDI,代表預見指數變化的趨勢。
數據分析思維的英文是 Data Analytical Thinking,英文首字母縮寫是DAT。我們得到一個重要的公式:
DAT = GAP + ORS + BDI
【01】 正確運用數據分析思維,提升 3 次認知能力
從數據中獲得有用的信息,從信息中獲得有效的知識,從知識中獲得有益的智慧,這是一個價值從小到大、難度由易到難的過程,也是發現問題、分析問題和解決問題的過程。
- 數據是原始的、未經處理的事實,不經分析的數據,如同地底下未經開採的石油, 存在卻沒有價值, 需要運用數據分析思維,才能把它的價值充分挖掘出來。比如,上海的氣溫是 39 攝氏度,如果缺乏相關的背景信息, 就不知道這個數據想要說明什麼。
- 信息是帶有邏輯的數據組合,幫助我們“知其然”。比如,上海的氣溫是 39 攝氏度,比前一天上升了 6 攝氏度,天氣很熱。
- 知識是基於信息的理解,幫助我們“知其所以然”,知道信息背後的原因,從而建立起對世界的正確認知。比如,上海的氣溫是 39 攝氏度,比前一天上升了 6 攝氏度,天氣很熱,主要原因是陽光直射到地面。
- 智慧是預見事物發展的規律,幫助我們見微知著,預測未來,知道哪種選擇是最好的,以及知道怎麼把知識應用到實際的工作和生活中,做到知行合一。比如,通過天氣預報瞭解明天的天氣情況, 可以提前做好相應的準備,高溫天氣要預防中暑。
如果大家學會正確運用數據分析的 9 種思維,就可以在提升思維能力的過程中,同時提升 3 次認知能力躍遷。
【02】 經過 3 次躍遷,創造更大的價值
作爲職場人,要想創造更大的價值,必須經過 3 次躍遷。如果躍遷不上去,就很難提升高度。
- 第 1 次躍遷,是從數據到信息,即從點到線的過程。此時數據像一些零散的拼圖, 雜亂無章地堆放在一起, 如果沒有特定的環境, 數據本身沒什麼用。
- 第 2 次躍遷,是從信息到知識,即從線到面的過程。當數據之間建立聯繫後,就上升到信息層級, 拼圖開始顯現形狀, 當兩塊拼圖拼在一起之後,兩個點就連成一條線。當我們在某種特定的環境下,對信息進行分組,生成一個更復雜的實體時,就創造了知識,讓我們能夠從拼圖中可以看到更有意義的事物。
- 第 3 次躍遷,是從知識到智慧,即從面到體的過程。當多塊拼圖拼在一起時,多條線就組成了一個面。技能就像拼圖的另一面,如果缺乏知識的引導,盲目地進行拼圖,那麼結果可能會非常浪費時間,也未必能得到完整的拼圖。知識注重的是記憶和理解能力,而技能注重的是動手能力,需要通過實踐提升。比如,知道拼圖的方法,這屬於知識層面,如果能夠親自動手拼完拼圖,則屬於技能層面。從知道到做到,中間有一道鴻溝。
只有經過 3 次躍遷,才能看到一幅包含立體畫面的拼圖,形成“點、線、面、體”的共振。
一個有智慧的人,通常會從當下的數據“點”出發, 找準自己的位置,朝着正確的方向畫“線”,獲得有用的信息線索,擴大自己的知識“面”,做到知行合一,形成三位一體,經過日積月累, 就能取得更大的成就。
一種數據分析思維有時有多種用途,如對比思維可以用來理解現狀, 也可以用來分析原因,還可以用來預測未來,只是在不同的數據分析場景中,側重點可能會有所不同。
此外,在運用數據分析思維解決實際問題時, 往往不是隻運用一種思維,而是需要多種思維相互配合。讓你透過現象看本質,找到問題的根本原因,避免被收割“認知稅”。
文章來源:小蚊子数据分析
原文鏈接:https://mp.weixin.qq.com/s/rOr1qurqXVeDtpWUi2FjoQ
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
文章推薦
◆跟資料打交道的人都得會的這8種資料模型,滿足工作中95%的需求
關注數據君的臉書:
我是「數據分析那些事」。常年分享數據分析乾貨,不定期分享好用的職場技能工具。按贊我的臉書,會有豐富資料包贈送唷!