今天老李給大家講解資料分析經典的思維模型,介紹結構思維、演繹推理思維、歸納總結思維和相關思維。
很多人在分析的時候沒有思路，不知道從何下手，這就是缺少結構化思維的表現
一家線下零售企業最近某個產品的銷售額下降了，讓你找一下造成銷售額下降的原因是什麼。
我們看一下甲乙兩個人的分析思路是什麼？
甲：
先從時間維度上進行分析，看看銷售額的下降是突然下降，還是持續性下降；然後再以門店為維度，看一下是不是因為地理位置的原因造成了下降；除此之外，還要對比一下橫向的競爭對手，可以去問一些銷售人員他們掌握的情況；對了，還有活動，有可能是因為活動造成的銷售額下降。
非常混亂對不對？
這是因為我們在思考問題的時候，習慣用點對點的方式，想到一點就是一點
也就是說是亂打槍，也許有可能你可以憑藉著經驗找到原因
但是大多數情況下，你很難找到完全窮盡的原因，也就是為什麼你的資料分析總是沒思路
乙：
我們要分析的問題是銷售額下降，一般來說會有內部和外部兩個方面的原因內部就是自身的一些原因造成了下降，外部原因是不受我們控制的不可抗力因素內部原因我們可以參照5w2h裡的幾個因素，when、why、who、how等外部因素包括市場競爭、市場容量、政策等
知道了這些關鍵因素，我們再繼續進行拆解，就能找出所有的可能原因
這樣分析是不是感覺清晰了許多？
結構化思維方法是怎麼處理這個問題呢？在面對這麼乙個問題時，結構化思維方法首先做的並不是立刻著手清洗資料。
這個思維導圖就是乙個知道你到達目的地的路線圖。
事實上，結構化思維就是由麥肯錫提出的著名的「金字塔思維」，如下圖就是典型的結構化：
無論是作為表達者、或者是資訊接受者，都要先建立起符合金字塔結構的框架，然後按照邏輯、順序等進行重點內容闡述
而關於金字塔結構，我理解的關鍵核心就是「主要-重要-次要」
其中的「主要」就是明確中心思想，對此書中提出了4種要求：「結論先行、以上統下、歸類分組、邏輯遞進」，這也是金字塔原理的四個原則
其中的「重要」就是在建立金字塔結構時，一定要遵守先重要後次要、先全域性後細節、先結論後原因、先結果後過程的原則進行內容安排
最後的「次要」就是要把無關的、邏輯性差的、相關性低的因素和內容篩選出去
更詳細來講就是：
首先什麼是歸納和推理？我直接簡單舉個例子就行了：
歸納：樹能燃燒、紙能燃燒、筷子能燃燒，所以木製品能夠燃燒
推理：木製品能夠燃燒，筷子屬於木製品，所以筷子能夠燃燒。
很顯然，歸納是從個體屬性出發，尋找因子之間的共性，總結出乙個一般的特性
而演繹則相反，是從一般整體出發，尋找事物之間的邏輯，從而得到某個個體的特性
在實際的業務分析場景中，我們會潛移默化的用到演繹和歸納思維，比如說演繹法，我們最常見的就是三段論：大前提、小前提和結論。
首先這個論斷是基於演繹法的三段論，每一段論之間的邏輯關係都是正確的，利潤率確實與成本過高有關，而成本自然也包括人力薪資的成本，看似好像邏輯緊密，但如果這個論斷是真的，可能每個公司都會用這個理由裁員降薪了
問題出在哪呢？
明明每一段輪之間的關係都是有邏輯的，問題就出在大前提和小前提之間的論證是否真的有說服力
比如說公司的利潤率是否僅僅是因為成本過高？這是大前提的論證
成本過高是否只能降低大家的薪資？這是小前提的論證
很顯然，這兩個前提的論證過程是不嚴密的，因此會出現邏輯上的不通。
那麼歸納法就比較簡單了，歸納法是從結果出發，尋找原因，通過觀察對比、分析，找到事物之間因果關係的一種方法
同樣的，歸納法也要注意乙個誤區：黑天鵝事件。
農場主每天早上7點準時到雞場裡餵雞，久而久之火雞們都得出了乙個結論就是農場主每天7點都會來餵雞，但是聖誕節這天等到火雞們的卻是一把刀。
這就是歸納法的乙個致命誤區，也就是以偏概全，我們無法阻止黑天鵝事件的發生
在大資料時代，核心就是相關思維，這種思維是建立在相關分析的基礎上。
啤酒與尿布的故事，是乙個相關分析的經典案例。
這個故事產生於20世紀90年代的美國沃爾瑪超市中，當時沃爾瑪擁有世界上最大的資料倉儲系統
為了能夠準確了解顧客在其門店的購買習慣，沃爾瑪對其顧客的購物行為進行購物籃分析，想知道顧客經常一起購買的商品有哪些
沃爾瑪利用資料探勘方法對這些資料進行分析和挖掘，乙個意外的發現是：
跟尿布一起購買最多的商品竟是啤酒
經過大量實際調查和分析，揭示了乙個隱藏在「尿布與啤酒」背後的美國人的一種行為模式：
在美國，一些年輕的父親下班後經常要到超市去買嬰兒尿布，而他們中有30%～40%的人同時也為自己買一些啤酒
產生這一現象的原因是：美國的太太們常叮囑她們的丈夫下班後為小孩買尿布，而丈夫們在買尿布後又隨手帶回了他們喜歡的啤酒。
舉個簡單例子，一般來說女性去超市買的東西是化妝品、服裝、時蔬等等，而男性去超市買的東西大多是日用品，所以超市裡會設定女性專櫃和男性專櫃，通過簡單的客戶分群實現商品分類。
常用資料分析方法
自 一 描述性統計 描述性統計是一類統計方法的彙總，揭示了資料分布特性。它主要包括資料的頻數分析 資料的集中趨勢分析 資料離散程度分析 資料的分布以及一些基本的統計圖形。1 缺失值填充 常用方法有剔除法 均值法 決策樹法。2 正態性檢驗 很多統計方法都要求數值服從或近似服從正態分佈，所以在做資料分析...
小論資料分析的方法及思維
此文已由作者吳彬彬授權網易雲社群發布。我們在生活中，會經常聽說兩種推理模式，一種是歸納 一種是演繹，這兩種思維模式能夠幫助資料分析師完成原始的業務邏輯積累，在此基礎上快速定位業務問題，提公升分析效率，但是對於剛入門的資料分析師，在專案經驗不足的前提下，如何快速完成專案的分析報告？這裡引進一種外展推理...
常用大資料分析方法
資料探勘分析，最重要的是能夠將資料轉化為非專業人士也能夠清除理解的有意義的見解。資料探勘分析，可以被分為四類核心方法 是最常見的資料分析方法。在業務中，這種方法向資料分析師提供了重要指標和業務的衡量方法。例如 每月的營收和損失賬單。資料分析師可以通過這些賬單，獲得大量的客戶資料。了解客戶的地理資訊，...