信度與效度思維

信度與效度也許是全文最難理解的部分，但也是最為重要的一部分。沒(méi)有這個(gè)思維，決策者很有可能在數(shù)據(jù)中迷失。

信度與效度的概念最早來(lái)源于調(diào)查分析，但我們可以引申到數(shù)據(jù)分析工作的各方面。

所謂信度，是指一個(gè)數(shù)據(jù)或指標(biāo)自身的可靠程度，包括準(zhǔn)確性和穩(wěn)定性。

取數(shù)邏輯是否正確？有沒(méi)有計(jì)算錯(cuò)誤？這屬于 準(zhǔn)確性 ；

每次計(jì)算的算法是否穩(wěn)定？口徑是否一致？以相同的方法計(jì)算不同的對(duì)象時(shí)，準(zhǔn)確性是否有波動(dòng)？這是 穩(wěn)定性 。

做到了以上兩個(gè)方面，就是一個(gè)好的數(shù)據(jù)或指標(biāo)了？

其實(shí)還不夠，還有一個(gè)更重要的因素，就是 效度 ！

所謂效度，是指一個(gè)數(shù)據(jù)或指標(biāo)的生成，需貼合它所要衡量的事物，即指標(biāo)的變化能夠代表該事物的變化。

只有在信度和效度上都達(dá)標(biāo)，才是一個(gè)有價(jià)值的數(shù)據(jù)指標(biāo)。

舉個(gè)例子：要衡量身體的肥胖情況，我選擇了穿衣的號(hào)碼作為指標(biāo)，一方面，相同的衣服尺碼對(duì)應(yīng)的實(shí)際衣服大小是不同的，會(huì)有美版韓版等因素，使得準(zhǔn)確性很差；同時(shí)，一會(huì)兒穿這個(gè)牌子的衣服，一會(huì)兒穿那個(gè)牌子的衣服，使得該衡量方式形成的結(jié)果很不穩(wěn)定；所以，衣服尺碼這個(gè)指標(biāo)的信度不夠。

另一方面，衡量身體肥胖情況用衣服的尺碼大??？你一定覺得荒唐，尺碼大小并不能反映肥胖情況，是吧？因此效度也不足。

體脂率，才是信度和效度都比較達(dá)標(biāo)的肥胖衡量指標(biāo)。

在我們的現(xiàn)實(shí)工作中，許多人會(huì)想當(dāng)然地拿了指標(biāo)就用，這是非常值得警惕的。

你要切骨頭卻拿了把手術(shù)刀，是不是很可悲？信度和效度的本質(zhì)，其實(shí)就是數(shù)據(jù)質(zhì)量的問(wèn)題，這是一切分析的基石，再怎么重視都不過(guò)分！

平衡思維

說(shuō)到天平大家都不陌生，平衡的思維相信各位也都能很快理解。

簡(jiǎn)單來(lái)說(shuō)，在數(shù)據(jù)分析的過(guò)程中，我們需要經(jīng)常去尋找事情間的平衡關(guān)系，且平衡關(guān)系往往是關(guān)乎企業(yè)運(yùn)轉(zhuǎn)的大問(wèn)題，如市場(chǎng)的供需關(guān)系，薪資與效率關(guān)系，工作時(shí)長(zhǎng)與錯(cuò)誤率的關(guān)系等等。

平衡思維的關(guān)鍵點(diǎn)，在于 尋找能展示出平衡狀態(tài)的指標(biāo) ！也就是如圖中紅框，我們要去尋找這個(gè)準(zhǔn)確的量化指標(biāo)，來(lái)觀察天平的傾斜程度。

怎么找這個(gè)指標(biāo)呢？一般先找 雙向型 的問(wèn)題，即高也不是低也不是的問(wèn)題 ，然后 量化為指標(biāo) ，最后 計(jì)算成某個(gè)比率 ，長(zhǎng)期跟蹤后，觀察它的信度和效度。

分類思維

客戶分群、產(chǎn)品歸類、市場(chǎng)分級(jí)、績(jī)效評(píng)價(jià)…許多事情都需要有分類的思維。

那么許多人就模糊了，到底分類思維怎么應(yīng)用呢？

關(guān)鍵點(diǎn)在于， 分類后的事物，需要在核心關(guān)鍵指標(biāo)上能拉開距離！也就是說(shuō)分類后的結(jié)果，必須是顯著的。

如圖，橫軸和縱軸往往是你運(yùn)營(yíng)當(dāng)中關(guān)注的核心指標(biāo)（當(dāng)然不限于二維），而分類后的對(duì)象，你能看到他們的分布不是隨機(jī)的，而是有顯著的集群的傾向。

舉個(gè)例子，假設(shè)該圖反映了某個(gè)消費(fèi)者分群的結(jié)果，橫軸代表購(gòu)買頻率，縱軸代表客單價(jià)，那么綠色的這群人，就是明顯的“人傻錢多”的“剁手金牌客戶”。

矩陣思維

矩陣思維是分類思維的發(fā)展，它不再局限于用量化指標(biāo)來(lái)進(jìn)行分類。許多時(shí)候，我們沒(méi)有數(shù)據(jù)做為支持，只能通過(guò)經(jīng)驗(yàn)做主管的推斷時(shí)，是可以把某些重要因素組合成矩陣，大致定義出好壞的方向，然后進(jìn)行分析。

大家可以參考經(jīng)典的管理分析方法“波士頓矩陣”模型。

管道/漏斗思維

這種思維方式已經(jīng)比較普及了，注冊(cè)轉(zhuǎn)化、購(gòu)買流程、銷售管道、瀏覽路徑等，太多的分析場(chǎng)景中，能找到這種思維的影子。

但我要說(shuō)，看上去越普通越容易理解的模型，它的應(yīng)用越得謹(jǐn)慎和小心。在漏斗思維當(dāng)中，我們尤其要注意漏斗的長(zhǎng)度。

漏斗從哪里開始到哪里結(jié)束？

以我的經(jīng)驗(yàn)，漏斗的環(huán)節(jié)不該超過(guò) 5 個(gè)，且漏斗中各環(huán)節(jié)的百分比數(shù)值，量級(jí)不要超過(guò) 100

倍（漏斗第一環(huán)節(jié)100%開始，到最后一個(gè)環(huán)節(jié)的轉(zhuǎn)化率數(shù)值 不要低于1% ）。

若超過(guò)了這兩個(gè)數(shù)值標(biāo)準(zhǔn)，建議分為多個(gè)漏斗進(jìn)行觀察。當(dāng)然，這兩個(gè)是經(jīng)驗(yàn)數(shù)值，僅僅給各位做個(gè)參考～

理由是什么呢？超過(guò)5個(gè)環(huán)節(jié)，往往會(huì)出現(xiàn)多個(gè)重點(diǎn)環(huán)節(jié)，那么在一個(gè)漏斗模型中分析多個(gè)重要問(wèn)題容易產(chǎn)生混亂。

數(shù)值量級(jí)差距過(guò)大，數(shù)值間波動(dòng)相互關(guān)系很難被察覺，容易遺漏信息。比如，漏斗前面環(huán)節(jié)從60%變到50%，讓你感覺是天大的事情，而漏斗最后環(huán)節(jié)0.1%的變動(dòng)不能引起你的注意，可往往是漏斗最后這0.1％的變動(dòng)非常致命。

相關(guān)思維

我們觀察指標(biāo)，不僅要看單個(gè)指標(biāo)的變化，還需要觀察指標(biāo)間的相互關(guān)系！有正相關(guān)關(guān)系（圖中紅色實(shí)線）和負(fù)相關(guān)關(guān)系（藍(lán)色虛線）。最好能時(shí)常計(jì)算指標(biāo)間的相關(guān)系數(shù)，定期觀察變化。

相關(guān)思維的應(yīng)用太廣了，我這里就說(shuō)一點(diǎn)，往往是被大家忽略的?，F(xiàn)在的很多企業(yè)管理層，面對(duì)的問(wèn)題并不是沒(méi)有數(shù)據(jù)，而是數(shù)據(jù)太多，卻太少有用的數(shù)據(jù)。相關(guān)思維的其中一個(gè)應(yīng)用，就是能夠幫助我們找到最重要的數(shù)據(jù)，排除掉過(guò)多雜亂數(shù)據(jù)的干擾！

如何執(zhí)行呢？你可以計(jì)算能收集到的多個(gè)指標(biāo)間的相互關(guān)系，挑出與其他指標(biāo)相關(guān)系數(shù)都相對(duì)較高的數(shù)據(jù)指標(biāo)，分析它的產(chǎn)生邏輯，對(duì)應(yīng)的問(wèn)題，并評(píng)估信度和效度，若都滿足標(biāo)準(zhǔn)，這個(gè)指標(biāo)就能定位為核心指標(biāo)！

建議大家養(yǎng)成一個(gè)習(xí)慣， 經(jīng)常計(jì)算指標(biāo)間的相關(guān)系數(shù)

，仔細(xì)思考相關(guān)系數(shù)背后的邏輯，有的是顯而易見的常識(shí)，比如訂單數(shù)和購(gòu)買人數(shù)，有的或許就能給你帶來(lái)驚喜！

另外，“沒(méi)有相關(guān)關(guān)系”，這往往也會(huì)成為驚喜的來(lái)源哦。

遠(yuǎn)近度思維

許多處在管理層的朋友大多數(shù)都會(huì)遇到這樣一個(gè)問(wèn)題，他們往往手握眾多數(shù)據(jù)和報(bào)表，注意力卻是非常的跳躍和分散。

這當(dāng)然不是好現(xiàn)象，但如何避免呢？

一是上文說(shuō)的通過(guò)相關(guān)思維，找到最核心的問(wèn)題和指標(biāo)；

二就是這部分要說(shuō)的，建立遠(yuǎn)進(jìn)度的思維方式。

確定好核心問(wèn)題后，分析其他業(yè)務(wù)問(wèn)題與該核心問(wèn)題的遠(yuǎn)近程度，由近及遠(yuǎn)，把自己的精力有計(jì)劃地分配上去。

比如，近期你的核心任務(wù)就是提高客服人員的服務(wù)質(zhì)量，那么客服人員的話術(shù)、客戶評(píng)價(jià)通道、客服系統(tǒng)的相應(yīng)速度等就是靠的最近的子問(wèn)題，需要重點(diǎn)關(guān)注。而客戶的問(wèn)詢習(xí)慣、客戶的購(gòu)買周期等就是相對(duì)遠(yuǎn)的問(wèn)題，暫時(shí)先放一放。

邏輯樹思維

如圖的樹狀邏輯相信大家已經(jīng)見過(guò)許多回了。一般說(shuō)明邏輯樹的分叉時(shí)，都會(huì)提到“分解”和“匯總”的概念。

我們這里把它變一變，使其更貼近數(shù)據(jù)分析，稱為“ 下鉆 ”和“ 上卷 ”。下鉆，就是在分析指標(biāo)的變化時(shí)，按一定的維度不斷的分解。所謂上卷就是反過(guò)來(lái)。

隨著維度的下鉆和上卷，數(shù)據(jù)會(huì)不斷細(xì)分和匯總，在這個(gè)過(guò)程中，我們往往能找到問(wèn)題的根源。

下鉆和上卷并不是局限于一個(gè)維度的，往往是多維組合的節(jié)點(diǎn)，進(jìn)行分叉。

事實(shí)上，邏輯樹思維也可以理解為結(jié)構(gòu)化思維或“ 金字塔思維 ”

更詳細(xì)來(lái)講就是：

核心論點(diǎn) ：尋找金字塔的塔點(diǎn)（假設(shè)/預(yù)測(cè)/問(wèn)題/原因）

結(jié)構(gòu)拆解 ：自上而下將核心論點(diǎn)層層拆解成分論點(diǎn)，上下之間呈因果/依賴關(guān)系

MECE ：相互獨(dú)立，完全窮盡（分論點(diǎn)之間避免交叉重復(fù)，盡量完善）

驗(yàn)證 ：核心論點(diǎn)/分論點(diǎn)都是可量化的、可驗(yàn)證的，要用數(shù)據(jù)說(shuō)話

舉個(gè)簡(jiǎn)單的例子：比如我們發(fā)現(xiàn)有一個(gè)線下的銷售產(chǎn)品，9月份銷售額比去年同比下降了20%

按照結(jié)構(gòu)化的思維我們就可以將問(wèn)題拆分為：

公式化思維

上面學(xué)習(xí)了邏輯樹思維，但它有個(gè)缺點(diǎn)：不夠公式化。

公式化分析思維意味著：上下互為計(jì)算（一切結(jié)構(gòu)皆可量化）、左右呈關(guān)聯(lián)（最小不可分割）

公式化可以簡(jiǎn)單地看成是利用加減乘除來(lái)量化分析的分析思維：不同類別的業(yè)務(wù)疊加可以用加法，減法常用來(lái)計(jì)算業(yè)務(wù)間的邏輯關(guān)系；乘法和除法是各種比例或比率。

我們將上圖中結(jié)構(gòu)化的思維導(dǎo)圖再加上公式化，就變成下面這樣子：

溯源思維

邏輯樹思維這部分有一個(gè)分支為是 溯源思維。

比如我們都曾聽到過(guò)這樣一個(gè)問(wèn)題分析案例：

杰斐遜大廈墻有裂痕，為什么？

因?yàn)閴γ娼?jīng)常沖洗，被腐蝕了。

為什么沖洗？沖洗是因?yàn)轼B糞多。

為什么會(huì)有鳥糞？因?yàn)橹┲攵?，鳥過(guò)來(lái)覓食。

為什么蜘蛛多？因?yàn)檫@里陽(yáng)光好利于繁殖。

怎么解決墻面問(wèn)題，不是用環(huán)保清洗劑也不是用電網(wǎng)防蜘蛛，拉上窗簾就行了。

這是5Why分析法最直接的應(yīng)用。在日常工作中，我們經(jīng)常會(huì)出現(xiàn)抓不住問(wèn)題本質(zhì)的情況，只是“膚淺”看到表面問(wèn)題。如同上面故事一樣：這次修好墻的裂痕很快就會(huì)出現(xiàn)相同問(wèn)題。

對(duì)數(shù)據(jù)分析師來(lái)說(shuō)，要有“ 打破砂鍋問(wèn)到底 ”的精神，解決問(wèn)題之前先要 分析問(wèn)題 ，挖掘問(wèn)題的 本源 ，這樣問(wèn)題也就會(huì)迎刃而解了。

時(shí)間序列思維

很多問(wèn)題，我們找不到橫向?qū)Ρ鹊姆椒ê蛯?duì)象，那么，和歷史上的狀況比，就將變得非常重要。

很多時(shí)候，我們都愿意用時(shí)間維度的對(duì)比來(lái)分析問(wèn)題，比如同比、環(huán)比、定基比。

這種方式容易排除掉一些外在的干擾，尤其適合創(chuàng)新型的分析對(duì)象，比如一個(gè)新行業(yè)的公司，或者一款全新的產(chǎn)品。

時(shí)間序列的思維有三個(gè)關(guān)鍵點(diǎn)：

一是距今越近的時(shí)間點(diǎn)，越要重視 （圖中的深淺度，越近期發(fā)生的事，越有可能再次發(fā)生）；

二是要做同比 （圖中的尖頭指示，指標(biāo)往往存在某些周期性，需要在周期中的同一階段進(jìn)行對(duì)比，才有意義）；

三是異常值出現(xiàn)時(shí)，需要重視 （比如出現(xiàn)了歷史最低值或歷史最高值，建議在時(shí)間序列作圖時(shí)，添加平均值線和平均值加減一倍或兩倍標(biāo)準(zhǔn)差線，便于觀察異常值）。

時(shí)間序列思維有一個(gè)子概念不得不提一下，就是“生命周期”的概念。用戶、產(chǎn)品、人事等無(wú)不有生命周期存在。直覺上

我們把生命周期衡量清楚，就能很方便地確定一些“閥值”問(wèn)題，使產(chǎn)品和運(yùn)營(yíng)的節(jié)奏更明確。

循環(huán)／閉環(huán)思維

循環(huán)／閉環(huán)的概念可以引申到很多場(chǎng)景中，比如?業(yè)務(wù)流程?的閉環(huán)、?用戶生命周期?閉環(huán)、?產(chǎn)品功能
使用閉環(huán)、市場(chǎng)推廣策略閉環(huán)等等。許多時(shí)候你會(huì)覺得這是一個(gè)不落地的概念，因?yàn)樘岬娜撕芏?，干出事情?lái)的例子很少。但實(shí)際上這種思考方式是非常必要的。

業(yè)務(wù)流程的閉環(huán)是管理者比較容易定義出來(lái)的，列出公司所有業(yè)務(wù)環(huán)節(jié)，梳理出業(yè)務(wù)流程，然后定義各個(gè)環(huán)節(jié)之間相互影響的指標(biāo)，跟蹤這些指標(biāo)的變化，能從全局上把握公司的運(yùn)行狀況。

比如，一家軟件公司的典型業(yè)務(wù)流：推廣行為（市場(chǎng)部）?流量進(jìn)入主站（市場(chǎng)＋產(chǎn)研）?注冊(cè)流程（產(chǎn)研）?試用體驗(yàn)（產(chǎn)研＋銷售）?進(jìn)入采購(gòu)流程（銷售部）?交易并部署（售后＋產(chǎn)研）?使用、續(xù)約、推薦（售后＋市場(chǎng)）?推廣行為

一個(gè)閉環(huán)下來(lái)，各個(gè)銜接環(huán)節(jié)的指標(biāo)，就值得關(guān)注了：廣告點(diǎn)擊率?注冊(cè)流程進(jìn)入率?注冊(cè)轉(zhuǎn)化率?試用率?銷售管道各環(huán)節(jié)轉(zhuǎn)化率?付款率?推薦率／續(xù)約率

…

這里會(huì)涉及漏斗思維，如前文所述，千萬(wàn)不要用一個(gè)漏斗來(lái)衡量一個(gè)循環(huán)。有了循環(huán)思維，你能比較快的建立有邏輯關(guān)系的指標(biāo)體系。

說(shuō)到閉環(huán)思維就一定會(huì)想到美國(guó)質(zhì)量管理專家休哈特博士提出的 PCDA循環(huán)。PDCA是英語(yǔ)單詞Plan(計(jì)劃)、Do(執(zhí)行)、Check(檢查)和Action(處理)的第一個(gè)字母。

P (plan) 計(jì)劃：包括方針和目標(biāo)的確定，以及活動(dòng)規(guī)劃的制定。

D (Do) 執(zhí)行 ：根據(jù)已知的信息，設(shè)計(jì)具體的方法、方案和計(jì)劃布局；再根據(jù)設(shè)計(jì)和布局，進(jìn)行具體運(yùn)作，實(shí)現(xiàn)計(jì)劃中的內(nèi)容。

C (Check) 檢查 ：總結(jié)執(zhí)行計(jì)劃的結(jié)果，分清哪些對(duì)了，哪些錯(cuò)了，明確效果，找出問(wèn)題。

A (Action)改進(jìn) ：對(duì)總結(jié)檢查的結(jié)果進(jìn)行處理，對(duì)成功的經(jīng)驗(yàn)加以肯定，并予以標(biāo)準(zhǔn)化；對(duì)于失敗的教訓(xùn)也要總結(jié)，引起重視。對(duì)于沒(méi)有解決的問(wèn)題，應(yīng)提交給下一個(gè)PDCA循環(huán)中去解決。

以上過(guò)程不是運(yùn)行一次就結(jié)束，而是周而復(fù)始的進(jìn)行，一個(gè)循環(huán)完了，解決一些問(wèn)題，未解決的問(wèn)題進(jìn)入下一個(gè)循環(huán)，這樣階梯式上升的。

數(shù)據(jù)分析師的PDCA ：

P(Plan)計(jì)劃：針對(duì)需求-發(fā)現(xiàn)問(wèn)題-明確任務(wù)

D(Do)執(zhí)行：提取數(shù)據(jù)-觀察變化-多維分析-交叉分析-預(yù)測(cè)趨勢(shì)

C(Check)檢查：?jiǎn)栴}修正、優(yōu)化分析

A(Act)處理：生 成策略、推動(dòng)落地、復(fù)盤效果 ，進(jìn)入下一個(gè)PDCA循環(huán)。

數(shù)據(jù)分析師與業(yè)務(wù)方或管理層形成反饋閉環(huán)，才能在每次循環(huán)中更好的發(fā)揮數(shù)據(jù)分析的作用。

測(cè)試／對(duì)比思維

AB test，大家肯定不陌生了。

那么怎么細(xì)化一下這個(gè)概念？

一是在條件允許的情況下，決策前盡量做對(duì)比測(cè)試；

二是測(cè)試時(shí)，一定要注意參照組的選擇，建議任何實(shí)驗(yàn)中，都要留有不進(jìn)行任何變化的一組樣本，作為最基本的參照。

在做對(duì)比分析的時(shí)候要注意：

指標(biāo)的口徑范圍、計(jì)算方法、計(jì)量單位、指標(biāo)類型必須一致。

與對(duì)比對(duì)象之間的相似處越多，越具有可比性，對(duì)比也更有參考價(jià)值。

極端化思維

許多時(shí)候，我們總覺得想解答的問(wèn)題受到各種因素的干擾，有正向的也有反向的。

這時(shí)，建議大家啟用極端化思維：

一是把眾多因素極端地縮減到1個(gè)或者2個(gè)；

二是把這一兩個(gè)因素的影響放到最大。

例如，在思考競(jìng)爭(zhēng)格局時(shí)，不妨將思考因素鎖定為一個(gè)，并將它的影響設(shè)定為最大（如潛在進(jìn)入者只有一家，它是全球最有錢的公司），然后想想我們自身的機(jī)會(huì)在哪里，該怎么做。

在數(shù)據(jù)分析中，多因素影響的窘境是經(jīng)常遇到的。往往一個(gè)指標(biāo)的變動(dòng)受到太多因素的影響，根本分解不出來(lái)。

這時(shí)，就會(huì)假設(shè)指標(biāo)只受到與它相關(guān)性最高的那一個(gè)因素的影響，同時(shí)維度上也只挑選一個(gè)維度，然后去探查原因。

反向思維

反向思維一般應(yīng)用在歷史數(shù)據(jù)回顧這樣的場(chǎng)景中。在回顧歷史數(shù)據(jù)的需求產(chǎn)生時(shí)，往往會(huì)先列出一堆當(dāng)前看來(lái)非常正常的事情，然后一項(xiàng)項(xiàng)地將當(dāng)前正常的事情所對(duì)應(yīng)的反常情況羅列出來(lái)，最后到歷史數(shù)據(jù)中尋找反常事件出現(xiàn)的時(shí)間或者維度。

在運(yùn)營(yíng)中，我們可以采用這種思維方式觀察數(shù)據(jù)，或者不自覺地采用這種思維方式觀察數(shù)據(jù)。我們將自己認(rèn)知的正常的數(shù)據(jù)表現(xiàn)（大部分情況下出現(xiàn)的）進(jìn)行詳細(xì)的羅列，然后列出它們所對(duì)應(yīng)的反常情況。在追蹤數(shù)據(jù)時(shí)，我們的注意力就著重放在這些反常情況上。反常情況一旦出現(xiàn)，我們就需要定位問(wèn)題。

隊(duì)列分析思維

隨著數(shù)據(jù)運(yùn)算能力的提高，隊(duì)列分析（Cohort Analysis）的方式逐漸嶄露頭腳。

隊(duì)列分析思維是按一定的規(guī)則，在某些維度上將觀察對(duì)象切片，組成一個(gè)觀察樣本，然后觀察這個(gè)樣本的某些指標(biāo)隨著時(shí)間的演進(jìn)而產(chǎn)生的變化。目前使用得最多的場(chǎng)景就是 留存分析 。

舉個(gè)例子：公司在5月17日舉辦了一次促銷活動(dòng)，將這一天來(lái)的新用戶作為一個(gè)觀察樣本，觀察他們之后每天的活躍情況。可以想象，若在5月17日、6月17日、7月17日都舉辦了活動(dòng)，那么這三天來(lái)的新用戶，在注冊(cè)后一段時(shí)間的使用情況就像3條隊(duì)伍一樣向后延伸。

假設(shè)思維

假設(shè)思維是指當(dāng)我們沒(méi)有足夠的數(shù)據(jù)和證明來(lái)證明某件事的時(shí)候，可以先做假設(shè)，再去分析數(shù)據(jù)，驗(yàn)證假設(shè)是否成立。

在數(shù)據(jù)分析中，假設(shè)思維的專業(yè)術(shù)語(yǔ)為假設(shè)檢驗(yàn)，即根據(jù)問(wèn)題提出假設(shè)-抽取數(shù)據(jù)-檢驗(yàn)假設(shè)是否成立-驗(yàn)證結(jié)果。

歸納思維

歸納是從?“具體到一般?”的過(guò)程，也就是?從一些事例中總結(jié)規(guī)律?的過(guò)程。

比如我們知道鐵、銀、銅……能導(dǎo)電（?具體?），這三種物質(zhì)都是金屬，總結(jié)出金屬能導(dǎo)電（?一般?）。

演繹思維

演繹是從?“一般到特殊”?的過(guò)程，也就是說(shuō)?基礎(chǔ)原理?推演出?具體情況?。

比如我們知道金屬能導(dǎo)電（一般），鐵是金屬。從而推理出鐵是能導(dǎo)電的。

指數(shù)化思維

指數(shù)化思維，是指將衡量一個(gè)問(wèn)題的多個(gè)因素分別量化后，組合成一個(gè)綜合指數(shù)（降維），來(lái)持續(xù)追蹤的方式?。
把這個(gè)放在最后討論，目的就是強(qiáng)調(diào)它的重要性。前文已經(jīng)說(shuō)過(guò)，許多管理者面臨的問(wèn)題是“數(shù)據(jù)太多，可用的太少”，這就需要“降維”了，即要把多個(gè)指標(biāo)壓縮為單個(gè)指標(biāo)。

指數(shù)化的好處非常明顯：

一是減少了指標(biāo)，使得管理者精力更為集中；

二是指數(shù)化的指標(biāo)往往都提高了數(shù)據(jù)的信度和效度；

三是指數(shù)能長(zhǎng)期使用且便于理解。

指數(shù)的設(shè)計(jì)是門大學(xué)問(wèn)，這里簡(jiǎn)單提三個(gè)關(guān)鍵點(diǎn)：

一是要遵循獨(dú)立和窮盡的原則；

二是要注意各指標(biāo)的單位，盡量做標(biāo)準(zhǔn)化來(lái)消除單位的影響；

三是權(quán)重和需要等于1。

獨(dú)立窮盡（MECE）原則，即你所定位的問(wèn)題，在搜集衡量該問(wèn)題的多個(gè)指標(biāo)時(shí)，各個(gè)指標(biāo)間盡量 相互獨(dú)立 ，同時(shí)能衡量該問(wèn)題的指標(biāo) 盡量窮盡

（收集全）。

舉個(gè)例子：我們?cè)O(shè)計(jì)某公司銷售部門的指標(biāo)體系時(shí)，目的是衡量銷售部的績(jī)效，確定了核心指標(biāo)是銷售額后，我們可以將績(jī)效拆分為

訂單數(shù)、客單價(jià)、線索轉(zhuǎn)化率、成單周期、續(xù)約率 5個(gè) 相互獨(dú)立 的指標(biāo)，且這5個(gè)指標(biāo)涵蓋了銷售績(jī)效的各個(gè)方面（窮盡）。

最終我們?cè)O(shè)計(jì)的銷售績(jī)效綜合指數(shù)＝0.4訂單數(shù)＋0.2客單價(jià)＋0.2線索轉(zhuǎn)化率＋0.1成單周期＋0.1*續(xù)約率，各指標(biāo)都采用max-

min方法進(jìn)行標(biāo)準(zhǔn)化。

總結(jié)：

各種思維方式的應(yīng)用，沒(méi)有孰好孰壞，是否啟用也是比較隨機(jī)的?？偟膩?lái)說(shuō)，數(shù)據(jù)質(zhì)量是數(shù)據(jù)分析最大的前提，動(dòng)手前，一定要保證好數(shù)據(jù)質(zhì)量！

還有最重要的一點(diǎn)是數(shù)據(jù)分析師一定要 深入理解業(yè)務(wù)

，如果不懂業(yè)務(wù)，數(shù)據(jù)分析師很可能就會(huì)成為一個(gè)沒(méi)有業(yè)務(wù)Sense的“取數(shù)機(jī)器”，因?yàn)閿?shù)據(jù)分析師分析的從來(lái)不是“ 數(shù)據(jù)” 而是 “業(yè)務(wù)” 。

請(qǐng)記得，能夠通過(guò)數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)，是數(shù)據(jù)分析師最核心的價(jià)值。

賬號(hào)推薦：關(guān)注賬號(hào)@數(shù)據(jù)分析葉子老師，自動(dòng)領(lǐng)取見面禮！

賬號(hào)將持續(xù)更新你需要的數(shù)據(jù)分析、求職、職場(chǎng)類內(nèi)容！