思维那么多，根本记不住

数据分析的学习越来越卷啦！

学了技术学方法、学了方法学思维、学了思维……

等等，思维这一关好像不太好过去啊。

学了好像不太用得上，而且，思维实在太多了，根本记不住啊。

数据分析相关的思维确实有点多。我随手举几个例子：对比思维、溯源思维、逆向思维、目标思维、结构化思维、业务思维、二八思维……

我一下子能写下十个不重样的。

数据分析的学习路径中，学思维比学技术&学方法都要难。

因为数据分析的技术和方法学的时候使用场景很清楚，学了的效果立竿见影。

sql多学了一个函数，就知道该怎么用。随手写个代码测试下，一下子就有感觉了。

分析方法学会一个杜邦分析法，跟着案例走一遍也知道下次什么场合下可以使用。

但是，学习思维的特点是场景泛化、反馈延迟。

你今天学了一个结构化思维，跟着书本上的案例思考了一遍，觉得好有道理。

第二天换了一个场景，你就不知道该怎么做了。

而且思维这东西，太不标准化了。10个数据分析老师教给你的思维都不完全相同。

思维太多了，根本记不住，也用不上啊！

不是你不努力，是没有形成体系

思维太多了，你记不住，其实并不怪你。

原因之一是专家们分享的思维方法非常相似，却起了不同的名字，导致思维方法的数量呈爆炸式增长。其次，这些思维方法并没有串联成一个知识体系，而是散点分布的小知识点。

不成体系的知识是很容易被遗忘的。

举一个我生活中的例子。

我在做菜这方面是一个超级小白，直白点说就是根本就不会做菜。

我试过查菜谱，边看边做。按照菜谱的步骤，我能做出一个勉强能吃的菜。但第二天我就不记得该怎么做了，完全没有头绪，只能模模糊糊地回忆一些步骤。

我试过几次都是这样，一直学不会烧菜。

今年年初我尝试地学了一个烹饪的原理课。课上介绍了一些烹饪手法中的基础逻辑，给我打开了新世界的大门。

比如说，我学习烧一款蔬菜肉片汤，就是用不同的蔬菜加肉片烧的一碗汤。

当时有一个疑问：不同的蔬菜在烧汤的时候步骤会有差别。有些蔬菜可以和肉一起下锅煮，有些菜蔬菜需要先下锅烧几分钟之后再放入肉片。

好奇怪，差别在哪里呢？

后来课程讲解了：原来肉片烧太久的话肉会老，所以烧这道菜要控制肉片下锅的时间在两分钟左右。但是不同的蔬菜，有的要烧很久，有的很快就熟。

所以到底是先下蔬菜还是先下肉，差别就在于这个蔬菜容不容易熟。反正你只要控制肉片在锅里的时间就要控制在两分钟左右就行。

豁然开朗。

当知道了这个原理，我甚至可以不用看菜谱，烧其他的蔬菜肉片汤的时候我甚至能自己把握时间。这比之前严格按照菜谱来上了一个大台阶。

我讲这个故事呢是想告诉你，当你只是知道一些知识点的时候，你很难记住。

但如果你知道一些更高维度的知识，把原有的知识点串联起来，那你就对这件事有了知识体系的。

问题来了，知识有几个维度？哪些知识是更高的维度呢？

我个人比较喜欢的知识体系搭建方法是把知识分成“道法术器”四个层次。

还是以烧菜为例。

是不是对只是体系的理解更清晰了一些？

数据分析的道法术器

道法术器用到数据分析的学习上，又是怎样的？

数据分析的道：战略

道是战略。

烹饪的道，是了解各种食材的加工规律，懂得将食材变成美食的原理。

数据分析的道，也是同样。要了解通过数据分析出结论的规律，懂得通过数据解读信息的原理。

通过数据分析出结论的规律，就是黄金圈法则2w1h。面对一个问题，知道是什么，然后是为什么，最后怎么办。

所以我们在做数据分析时一般要做几步：确认问题、分析问题、解决问题。

这三个步骤分别有一些道，比如：

• 确认问题的思维：目标思维、问题思维、客观严谨的思维。

• 分析问题的思维：指标思维、逻辑推理、结构化思维、系统性思维

• 解决问题的思维：业务思维、用户思维

以上这些道，都是很通用的，任何问题都可以套用。就好像我知道肉片汤的肉片煮2分钟就会老，这样我烧任何一款肉片类食物，都能按照这个原理推算出烧菜的步骤。

很多数据分析的方法，就算你没学过也没关系。只要你知道战略层的思维，都能推导出来：

• 比如你可以不用知道矩阵法，只要你知道结构化思维你自己能推导出来的。

• 你可以不用知道预测分析，你只要知道逻辑推理就能推导出预测的方法。

• 你可以不用知道新业务的指标是什么，你知道知道指标思维中的指标意义，就可以自己推导出合适的指标。

所以，我理解数据分析没有那么多思维，核心的就那么几种。

很多思维其实只是法，或者说战术。

数据分析的法：战术

数据分析的法，也就是战术，指的是各种分析方法。

道虽玄妙，但都是原理，不能转化成结果。实际的应用还是得用到法，也就是落地得靠战术。

就如同烧菜，你知道了烹饪的原理，也得有具体的方法烹饪食材，才能做出美味的食物。

一般的数据分析课程教的最多的也是这部分的内容。数据分析常用的分析方法有：对比分析、回归分析、多维分析、相关性分析、时间序列分析等等。

这些战术在面对特定问题的时候很有用，就如同锤子和钉子的关系，非常趁手。

但缺点也是只限定在特定问题。

如果你烧菜学会了烧汤，肯定不会什么菜都烧汤吧？你一定是拿到食材之后，先看看这份食材适合做什么菜，然后选择烹饪方法。

数据分析也是同理，你在拿到一个数据分析问题后，要在战略层面思考这个问题该用什么战术解决。

所以假如如果你没有战略层面的认知，也就是没有学会数据分析的道，那么战术层面的内容学的多了就会有拿着锤子找钉子的问题。

数据分析的术：技能

数据分析的术，也就是技能。

厨艺的技能有刀工、摆盘、颠勺、火候等。数据分析的技能是代码能力、office操作、看板搭建等等。

技能是实现战术的基本功。战术层如果是选择了回归分析，那你至少要知道如何通过SQL、PYTHON等工具实现回归分析。

一般数据分析师的入门是从技能开始的。

当你学会了基础的SQL取数、EXCEL操作之后，就能实现一些初级数据分析岗需要完成的工作了。

技能有熟练程度的差别，但技能的熟练程度拉不开数量级上的差别。你可以用别人三分之一的时间完成一份数据日报，但这不代表你的价值比别人高3倍。

因为战略层和战术层上，别人可能有比你高一两个数量级的优势。

就好像你在个位数上比别人强，但别人在百位数十位数上比你强。那么你其实根本没有优势。

数据分析的器：工具

数据分析的器，是工具。

工具不单单是硬件层面的，信息时代软件也可以看做工具。所以硬件比如电脑、软件比如excle、SQL、Python、tableau这些软件都属于器的范畴。

巧妇难为无米之炊，没有工具，一切活动都没法开展。这个道理就不用多说了。

如果有了工具，更好的工具是不是能带来更好的结果？

假设把我和五星大厨放进行厨艺大赛，对方用的路边摊的装备，我用的顶级厨房品牌的厨具。最终五星大厨做出来的食物一定比我做的更好吃。

数据分析方面也是一样。

前几年Python很火，学数据分析似乎一定要学点Python。

但实际上，虽然Python处理某些数据的效率比SQL和EXCEL都要高，但是这不重要。如果你非常了解业务，非常善于分析的话，EXCEL和SQL足矣。

工具层面的优势只在同水平的人中才能发挥优势。

所以在器方面的学习，在初期是必须的。但到达一定水平后，一定要更多地学习道法术。

小结

记忆零散知识点只是表面功夫，构建知识体系才是数据分析成功的基础。

今天聊了聊数据分析这个岗位的道法术器。面对众多的数据分析知识点，下次你可以先找出这个知识点的定位，然后构建你自己的知识体系。