数据分析中的三种核心思维及思维技巧
在数据分析的思维锻炼中，三种核心思维的锻炼非常重要。1.结构化思维、2.公式化思维、3.业务化思维。
结构化
所谓结构化的思维是逻辑的、线性的、树状的、结构化的思维方式。
对比上面的两张图，第一张图是紊乱的，缺乏条理的。第二章图是线性的，树状的，逻辑关系强，充满美感的，且可以重复联系不断提高的一种思维方式。
结构化的思维有三个特点：
1.将论点归纳整理
2.将论点递进和拆解
3.将论点完善和补充
那么结构化思维的逻辑是什么呢？首先要找到核心论点。（核心论点可以是假设，可以是结果，可以是原因）。其次我们要讲核心论点拆解成分论点，且层层拆解。上下之间应该呈因果关系或层层递进的关系。第三部，我们要遵循一个叫做MECE的法则，即各个分论点之间应相互独立，完全穷尽。最后一步是通过数据来验证。
下图是结构化思维的实例：
公式化：
数据分析中第二个非常重要的思维是公式化，即衡量的指标。仅仅拥有结构化思维是没办法量化评判依据的。以上图为例公式化的思维通常会问如下几个问题：
销售额由什么组成？销量*客单价
利润由什么组成？销售额-成本
地区的销量由什么组成 ？不同的线下渠道的累加
除此以外，在我们日常的学习中会学习到各种各样的公式，比如财务指标中的：速冻比率，流动比率。金融系系统中的年化收益，统计学中的各种各样的分布和期望值等。简而言之，公式化的思维就是把各种各样的结构化的分论点用数据串联起来，以达到量化评估目的。
下图是公式化的实例：
业务化：
看起来结构化+公式化以后应该可以解决大多数的问题了，但是给大家举个例子大家就知道业务化的作用了。话说一个牙膏厂短期目标提高10%的牙膏销量，各种专业人员用了各种各样的方法，从地区分布，用户喜好，定价策略等都不能达到这个目标，但是一个老师傅说只需要挤牙膏的开口大一点，就完成了预定的目标。因为从来没有消费者仔细的去衡量自己每天刷牙需要挤多少牙膏。所以说好的数据分析思维还要具有业务化的思维。单单拥有结构化和公式化的思维只会为了分析而分析，却不能够很好的理解业务，也就是不接地气。
那么业务化的思维通常从哪几个角度去考虑呢？
1.有没有从业务角度考虑？
2.真的分析出原因了么？
3.能不能讲分析结果落地？
所以说一个良好的数据分析思维应该是先结构化（理清思路）-公式化（量化指标）-业务化（结合具体业务）
上图是互联网公司常用的分析思维框架，遵循着结构-公式-业务的思路。
思维技巧
常用的数据分析思维的技巧如上图所示：
首先，我们来聊一聊漏斗法，漏斗法最长用的场景就是AAARR模型及用户获取，用户活跃，用户留存，获取收入，自传播-K因子几个方面来评价如下图所示：
下面再聊一聊一个常用的方法象限法，比如常用的波士顿矩阵，和SWOT分析就是常见的象限法的表现，举一个APP使用情况的例子如下图所示：
另外一个常见的分析方法是多维法，就像前文中提到的结构化的思维就是多维法的具体表现。
如何锻炼自己的数据分析思维
个人觉得首先要有强烈的好奇心，举个例子吧，再深圳上班的时候一直感觉深圳的女性似乎比上海的女性所占比例要高。那么如何去判断这个事情呢，我想到了在地铁站数人数的方法，地铁站数了半个小时的人头。得出的结论是女性比男性更多。那么这里又有几个问题1.会不会是区域性的特征，因为我数人头的地方刚好是女性比较多。2.会不会是时间段的问题，只是那个时间段的女性人数比较多。3.会不会数错了有错误值来影响我的判断。4.会不会是选择地铁这个交通方式本身就是有问题的样本。从而出现偏差。5.因为我只站在了一个入口在数，会不会是地铁入口的问题。
所以在生活中锻炼自己数据分析思维最好的方式就是多问自己为什么，为什么会得出这样的结论，是否存在偏差，如果我再做一次这样的事情我能不能找到更好的方法。
