数据分析主要有三种核心思维，分别是结构化、公式化、业务化。
结构化主要涵盖关系（并列、重叠、包含、分割），流动（线性、流程、循环、关联），
比较（成分、排序、序列、关联）以及作用（对立、合力、平衡、阻碍）等分类。
将分析思维结构化首先要将论点归纳和整理，然后将论点递进和拆解，最后对论点进行完善和补充。
结构化的核心论点——就是金字塔的塔顶，可以是假设、问题、预测、原因等
结构拆解——自上而下，将核心论点层层拆解成分论点，上下之间呈因果或依赖关系。
MECE——相互独立，完全穷尽。论点之间避免交叉和重复，分论点们要尽量完善。
验证——不论核心论点还是分论点，都应该是可量化的用数据说话，他们必然是可验证的。
结构化类似于思维导图，但因为没有数据，不可避免得会有些发散的缺点。在结构化的基础上恰当的引入数据并用公式化结合在一起，使分析更全面。
公式化的原理是 上下互为计算，左右呈关联，一切结构皆可量化，每一因素都是最小不可分割。
公式化的元素是 + - * /四个运算符。不同类别业务的叠加可以用加法，比如产品种类，地区数量，客户总量
减法常用来计算业务间的逻辑关系。比如说收入-成本=利润。
乘法和除法是各种比例或者比率。比如说利润率=利润/收入，收入=销量*单价。
用结构化思考+公弅化拆解，获得的最终分析论点。很多时候，是现象。数据是某个结果的体现，但不代表原因。
实际业务中还要具体情况具体分析，把理论实践化。
为分析而分析，却没有深入理解业务，俗称不接地气。好的数据分析思维，本身也是具备业务思维。
在业务思维中我们要首先反思三个问题：1.有没有从业务方的角度思考？2.真的分析出原因了么？3.能不能将分析结果落地？
然后学会换位思考：我会设立哪些指标？如果我是参与其中的人我会怎么考虑，哪些行为？
数据分析的思维技巧主要介绍以下7种方法：
象限法：是一种策略驱动的思维。象限划分可以按中位数也可以按平均数亦或是经验均可。
优点：直观，清晰，多对数据进行人工的划分。划分结果可以直接应用于策略。
应用范围：战略分析、产品分析、市场分析、客户管理、用户管理、商品管理等。
多维法：是一种精细驱动的思维。对于不同维度进行交叉分析时，需要注意辛普森悖论。
为了避免辛普森悖论的出现，就需要斟酌各分组的权重，并乘以一定的系数去消除以分组数据基数差异而造成的影响。
同时必需了解清楚情况，是否存在潜在因素，综合考虑。
优点：处理大数据量，维度丰富且复杂的数据有较好的效果。但是维度过多，会消耗不少时间。
应用范围：主要数据齐全且丰富，均可应用。
假设法：是一种启发思考驱动的思维。不止可以假设前提，也能假设概率戒者比例，一切都能假设，只要自囿其说。
优点：当没有直观数据或者线索能分析时，以假设先行的方式进行推断，这是一个论证的过程。
应用范围：它更多是一种思考方式，假设—验证—判断。
很多时候，我们有数据，但不知道怎么应用。就是因为缺乏了一个有效性的方向。这个方向可以成为目标指数。
通过将数据加工成指数，达到聚焦的目的。
指数法：（线性加权、反比例、log）
是一种启发思考驱动的思维。指数法没有统一的标准，很多指数更依赖经验的加工。
优点：目标驱动力强，直观、简洁、有效。对业务有一定的指导作用。一旦设立指数，不易频繁变动。
应用范围：假设法缺乏有效的数据，而指数法师无法利用数据而将其加工成可利用的。
帕累托法则往往称为二八原理，即百分之八十的问题是百分之二十的原因所造成的。帕累托图在项目管理中用来找出产生大多数问题的关键原因，用来解决大多数问题。
数据中，20%的变量将直接产生80%的效果，数据分析更应该围绕这20%作文章，持续关注TopN的数据，是一个非常好的习惯，尤其在部分行业。
虽然指标很多，但往往某些指标更有价值，二八法则不仅能分析数据，也能管理数据、
二八法：是一种只抓重点的思维。在条件允许的情况下，数据分析依旧不能放弃全局，否则会让思路变得狭隘。
优点：和业务紧密相关，和KPI更紧密相关。几乎花费最少的精力就能达到不错的效果，性价比很高。
应用范围：存在于几乎所有领域，没有局限。
对比法涵盖在 竞争对手、类别、特征和属性、时间同比、转化、前后变化等方面。
对比法：是一种挖掘数据规律的思考方式。在条件允许的情况下，数据分析依旧不能放弃全局，否则会让思路变得狭隘。
优点：可以发现很多数据间的规律，它可以与任何思维技巧结合，比如多维对比、象限对比、假设对比等。
应用范围：对比更多是一种习惯，是数据分析的牛角尖，一次合格的分析，一定要用到n次对比。
漏斗法：是一种流程化的思考方式。单一的转化率没有用。
优点：单一的漏斗分析没有用，转化率20%，但是能说明什么呢？它要和其他分析思维结合，比如多维，比如对比。
应用范围：涉及到变化及流程的都能用。
业务中对数据思维的练习要保持 好奇心，注重换位思考，量化行为，寻求结论。
