编辑导语：数据分析一直是非常重要的一个能力，数据分析的目的在于驱动决策，但这不仅仅只是说说而已，一个优秀的数据分析师要有数据分析思维，通过收集数据进行更好的更新迭代；本文作者分享了关于数据分析思维的解释，我们一起来看一下。

咱接着昨天的内容继续聊，《 就光会拉个数，要你数据分析师有什么用？ 》，还是从宋世君大佬分享内容中获得的灵感，有个同学是这么问的：

老师好，我想提问：作为数据分析师如何检验自己的水平或者能力？因为数据分析师个人认为最重要的是思维，但是思维又是一个很虚的内容，不像研发岗位，有非常确定的知识体系。

这个问题很有意思，宋世君大佬是从数据能力层面上解释的，我就不狗尾续貂了，我们今天来聚焦一下“数据分析思维”。

一、数据分析思维不是什么

但凡要是问一个数据分析师，他肯定可以给你扯出来一堆的内容，比如：一定要看数据！要数据指导运营！要数据化管理！要科学决策！

抱歉哈，这叫口号；而且这些口号除了咱数据分析师之外，别人都不会真正放在心上的。

有算法的同学深思熟虑了一下，说：数据分析思维就是信息、情报思维，获取更多信息，知道更多的细节，然后作出合理的推断。

这个回答好像很赞哦！不过，这些不是数据分析思维本身，而是它的目标。如果把目标当做思维，每个八卦er都是数据分析师，那些狗仔队简直可以成为数据分析大神了！甚至娱乐界还有“谣言”=“真相”的说法。

也有数分的同学会给出比较干的内容：数据分析思维就是细分、对比、结构化、递进、相关性，是AARRR、是漏斗模型等等，这个就比较接地气了。可不是么？我们做数据分析其实说来说去也就这些手段。

这对吗？也不对。这些都是实现的手段、方法论，是属于“术”的层面。

技术同学站出来了，那就是做各种数据产品，什么固定报表、多维分析、即席查询、大屏展示一应俱全，做到数据即是服务，这总该对了吧？

这也只是数据分析的工具而已，是“器”的层面。数据产品做好了，肯定是能提升数据分析的效率、增强数据分析的能力。

二、数据分析思维是什么

以上的口号、目标、手段和工具，都不是数据思维，而是数据分析的一个个的侧面。

我们继续思考：这一切的本质到底是什么呢？前面好像没路了。

好在我们有万能的哲学。我们得借用一下哲学的研究方法：

抽象是哲学的根本特点，一切具体的存在和发展都必须遵循抽象的规律；一切具体的应用学科都应该遵守抽象的哲学原理，但这必须以哲学原理的正确性为前提。

好，就用抽象这个工具继续思考，我们先总结、归纳，然后再抽象，这是自下而上的归纳法。然后抽象出来之后，再自上而下的往下演绎，验证一下我们思考的结论是否正确。

因为是归纳法，那这些东西要多少有多少，穷举当然是一个好办法，但是篇幅有限，我们选择最优代表性的就行了。

• 我们先把各种AARRR、RFM、帕累托、四象限等抽象一层，就得到了业务分析模型，是用一个个固化的结构来解释数据表现；

• 我们把聚类、分类、预测等抽象一层，就得到了算法模型，是用一个个数学公式来实现数据的演化；

• 把对比、细分、结构、递进抽象一层，就是数据分析方法，是用一个个技巧发现数据表达的内在含义；

• 把数据地图、固定报表、多维分析报告、大屏、A/B Test抽象一层，就是数据分析工具，是用一个个系统提升我们分析的效率。

• 我们把业务分析模型、算法模型、数据分析方法、数据分析工具等再抽象一层，是什么？

有同学瞬间就通透了：哇，这不就是数据分析思维吗？抱歉，我们不需要名字，抽象一层之后叫啥其实无所谓，叫数据分析思维、叫数据思维、叫干饭思维都无所谓；我们真正在意的是再抽象一层之后，这一层的核心意义是什么？

我思考的结果是：不管是用业务模型来解释数据表现、还是用数据公式实现数据的演化、还是用技巧发现数据表达的含义、抑或是用工具提升我们数据分析的效率，本质上都是在做同一件事：一刀劈开是非对错。

三、数据分析不是故弄玄虚，而是贴合用户认知的建模

很多数据分析高手都曾说：数据分析其实就是把定性的事情转变为定量，这样我们就能够更具象化、标准化，能横纵对比，能细化放大，能把复杂的事情简单化。

这很对，也是数据分析的核心价值所在。

但是！我们量化分析之后呢？做什么？还是得回到我们最终用户身上，告诉他，这样好，那样不好，为什么；这么对，那么不对，为什么。

很多数据分析师还总结一个原则：只描述事实，不做判断。其实我认为不太恰当。在量化阶段的确需要这样做，但是在往下落的时候你还是只描述事实，不做判断，这样是没信服力的，价值也有限。另外还有一个恶果，就是描述事实谁都会，业务/运营就会说：你把数据给我就好了，我自己看。

所以我们必须要有这惊天一刀，劈开混沌，分清是非对错、好坏善恶；数据领域本来就有这个词，这就是“建模”。

本来想举几个例子，可是自己公司的例子不能举，别人公司的例子又拿不到，非常恼火，不过有个非常好的角度可以给大家剖析一下举例子一定要真实的吗？未必！我们既然是想证明“一个模型如何说服别人”，那么反面的例子也是OK的，对不？

比如最典型的沃尔玛“啤酒+尿布”的虚假案例（感兴趣自行查找），到现在仍然是大数据发现商机的典型案例；他们就是通过“啤酒+尿布”这个奇特的建模角度告诉大家这样的商品组合很好。

你看，用户很买账！没有人在乎这是一个虚假的例子！但是如果你给一张表格，然后读数，用户大概率会开始低头玩手机的。

这一点我们确认之后，再往下演绎试一下；既然数据分析思维的核心是一刀劈开是非对错、好坏善恶，套用一个词就是“建模”。那数据分析思维往下细化应该有哪些呢？

其实我们想来想去无非还是那些，方法论、资源、流程、工具、原则等等。那再往下拆解呢？当然也能拆解出来很多内容了，比如：

四、总结

OK，回到最开始那位同学提到的那个判断：“数据分析思维又是一个很虚的东西…”

数据分析思维很虚吗？在我看来，非常的实！无比的扎实——数据分析通过量化，把大众认知中的定性思维转变为定量思维，从而让我们更容易理解数据、看懂数据、比较数据。但是我们千万不能站在量化的高台上俯瞰用户，这样用户会离你原来越远。

我们还需要加一步，对数据和业务进行建模，一刀劈开是非对错，好坏善恶，回归到用户的二元认知中；告诉他们这个好，那个不好，为什么，这样用户才会信服你，认可你，接纳你——我认为这才是数据分析思维的核心奥义。