如何拥有数据分析思维，令我的工作有更多可能性，升职加薪

很多人掌握了大多数的分析工具和技能，仍然做不好数据分析。面对业务时还是会两眼一抹黑，啥也不知道。

做数据分析光靠技能和工具是不够的。还必须拥有数据思维，如何搭配这些分析方法？如何得出结论？

数据粉丝思维究竟是什么样的，我们一起聊一下吧。

1. 对比思维

日常生活中我们常常会遇到，例如今天我去超市看到了7块钱1斤的苹果，但是隔壁却卖6块一斤，你是不是会去隔壁看一下。他们之间有什么区别，为什么会贵出这一元钱。

从这个例子中可以看出，对比通常有两个方向，一个纵向，是指不同类的对比。一个是横向，是指与同类相比。

2.结构思维

很多人在做数据分析的时候没有思路，不知道从何下手，这就是缺少结构化思维的表现。

1.按业务职能结构划分：比如渠道，运营，功能等相关模块，简单快速的沟通，能快速的定位问题原因，但是缺点是分析结果不够直接，依赖外部资源信息搜集。

2.按因果结构划分：通过定位指标波动，定位最细指标，辅助维度下转，能够清楚的问题原因，该方式是较为稳妥的方式，是日常工作中的主要方式，但是缺点是需要构建相对完整的指标逻辑体系。

我们在思考问题的时候，习惯用点对点的方式，想到一点就是一点也就是说是乱打枪，也许有可能你可以凭借着经验找到原因但是大多数情况下，你很难找到完全穷尽的原因，也就是为什么你的数据分析总是没思路。

3.分类对比

这里我们可以划分为客户群体、产品归类、市场分级、绩效评价等，许多事情都需要有分类的思维。到底分类思维怎么应用呢？

关键点在于分类后的事物，需要在核心指标上拉开距离！也就是说分类后的结果，必须是显著的。运营当中关注的核心指标，分类后的对象，你能看到他们的分布不是随机的，而是有显著的集群的倾向。

4.可衡量

好的分析思维，我们要想清楚如何衡量效果?也要考量和现实之间的差距，中间的可操作性。

有想法不会操作：那就学工具、学方法论、学算法,开始先用excel来跑通操作，后面再去学习python。

会操作没有想法：那就学方法论、学思维，好好思考方法论、业务、算法之间的关系。

以上总计了数据分析的4种思维，分别是对比、结构、分类、可衡量，无论是生活还是工作，运用好这些分析方法，相信你一定可以创造出更多的价值。