我们要如何培养数据分析思维?
开启数据分析之路
1. 理解、善用大脑;正确看待压力
2. 保持***:把每天所做的工作、生活中的每一件细微小事用心做好,以一种特殊的方式集中注意力,有意识地、不予批判地关注当下。
3. 阅读
- 阅读层次
基础阅读
检视阅读
分析阅读
主题阅读
- 阅读选择
带着问题主动去看
抛掉没有读完的内疚感
4. 学习之道
- 学习的基本原则:划小圈抠细节
- 学习能力的提升关键:将基本原理进行融合和关联
- 学习遇到困境:接纳、利用和创造
- 知识要去实践
- 费曼技巧:讲给别人听。自己讲不清楚的地方就是薄弱点
5. PASSION
- Positive:以证明和积极的态度去对待生活和工作
- Action:数据分析实践性较高,有思路之后需要通过数据去验证,这才是行动的真谛
- Sincerity:真诚态度,虚心聆听,利他之心
- Show:展示数据,展示逻辑,展示观点
- Innovation:运用创造力好好思考,如何改进工作,点滴积累
- Optimism:乐观
- Never give up:不轻易言弃
6. PEACE
- Patient:分析数据有时枯燥,用耐心去在别人看不到的地方发现数据隐含的价值
- Esteem:互相尊重,换位思考
- Accommodating:乐于助人
- Communication:业务人员与数据分析师充分沟通
- Easy:化繁为简
数据分析习惯的养成
1. 六个工作整理术
- 将信息按应用场景加标签
- 将信息整理到一处
- 将零散的工作任务结构化,集中处理,提高效率
- 善用工具
- 保证落实“只想不做”的思考时间
- 把工作和生活融为一体,而不是力图在二者之间求平衡
2. 对大脑的激励原理总结:Focus、Feedback、Fix it
- 设置工作进度条
- 将长期目标与短期目标相结合
- 不断给自己奖励(休息、喝水、吃零食)
- 用数据量化工作,将每个工作结果量化为一种数字化的反馈
- 走出内心的“舒适区”,探索未知的知识,激发潜能
- 团队合作、配合协同
3.“守、破、离”之道
- 守:以模仿为主,去学习前辈的生活态度、心得、技术等作为数据分析师必须具备的技能
- 破:通过一边摸索、一边犯错,在前辈的方式中加入自己的想法
- 离:从前辈那里独立出来,形成自己的一套形式
4. 会提问题比解决问题更重要
产品与数据分析
1. 产品上线运行阶段
- 通过数据分析找到用户使用该产品的痛点,优化产品细节,不断迭代
2. 企业运营需要数据实验
- 没有实验就没有数据
- 如果不实验,就不知道新的方案是不是更好
- 数据挖掘能够找出规律,但不一定能够创造价值
数据的那些”坑“
1. 数据的作用
还原场景
记录反馈
量化人性
2.“幸存者偏差”
- 在做数据分析的时候,很多人会把显性数据拎出来做简单的因果推断,对于缺失的数据则采取忽略的态度。样本选取不当有时会误导数据分析的结论。
3.“数据造假”
- 很多时候我们要从多个维度去审视所获得的信息,审视自己的认知是否存在缺陷
4. 破解数据陷阱之道
多角度思考;让更多不同角色的人参与进来(如业务方、需求方)
要明确是关注问题本身还是关注问题的解决方案;没有最完美的解决方案
对待数据要有”求证“的心态,警惕被人处理过的二手数据
不要过度依赖数据去寻找普适的标准
从简单到复杂之后,更需要化繁为简
5. 企业应用数据的三个”坑“
- 业务部门不知道数据怎么用,哪些业务场景里能用到数据
- 企业内部的数据孤岛,不同业务部门在应用上各自为政,跨部门整合数据难度较大
- 数据分析人才体系的建设
6. 数据分析的正确打开方式
思考数据分析的初衷和后续行为
多维度思考,寻找”沉默样本“,不被数据欺骗
比任何人都重视数据安全和用户的隐私
站在听众的角度思考你的数据分析结果
重视数据分析人才的培养
跨界,从另一个维度看问题
1. 技多不压身
- 掌握和精通每一项技能,都需要长时间的刻意练习,这样让技能变成潜意识
- 对练习的成果进行反馈
- 开始靠兴趣,之后靠动机和自我提问
- 自我暗示式地激励自己,不要自我批判
2. 启示
- 不抱怨、多思考、多实践
- 人自身地思维定势限制了人对未来的探索能力
- 有时即使方法正确,但结果不是我们预期的,对时机的把握很重要
小7总结:
我本人似乎常常有一种错觉,每看完一本书,内心OS:“这作者讲得太好了,我记住了,下次遇到这种业务需求,我一定要从什么什么角度去想”。可是当下次真正遇到这种问题时,我的第一想法还是会陷入以前的思维误区,最后的分析结论说服力不足。等我发现自己好像分析错了之后,我才猛然想起之前看的书是教我怎么去做的。如此往复循环......
不管是在学校,还是实习和就业,我们在一个不断试错的道路上前进,把错踩得差不多了,也许就离成为一个优秀的数据分析师不远了。