数据分析必备的5大思维模式，最后一个最重要！

        数据分析是从“数据获取”到“信息转化”的这个过程，说明白点儿就是：获取到数据后，数据本身并没有什么价值，而有价值的是我们从数据中提取出来的转化信息。数据分析的目的是解决我们现实中的某个问题或者满足现实中的某个需求。在这个从数据到信息的过程中，无论遇到多少复杂多变的数据布局，但肯定是有一些固定的思路，或者称之为思维方式，来作为统一的分析模式。本文将为你逐一介绍。

第一大思维：【对照】

对照俗称对比，单独看一个数据是绝对化的数字，不能代表什么，而必需跟另一个数据做对比，才能比较出数据价值。如下图：

图a为今天的销量，对数据分析思路来说，今天的销量就是个数字，无数据价值和意义；

图b为今天与昨天的销量，经过跟昨天的销量对比，就会发现，今天实际比昨天的量级差了一大截。那么这样就有自己的数据价值了。

这是最基本的思路，也是最重要的思路。在现实数据分析中的应用非常广，大到业绩汇报，细到选款测款、监控店铺数据等工作，这些过程就是在做“对照”。数据分析人员获取到数据后，若数据是单独的，无法进行对比参照的话，就不能判断实际意义，也就不能从数据中转化出有价值的信息了。

第二大思维：【拆分】

分析这个词从字面上来理解，就是拆分和解析。因此可见，拆分在数据分析中的重要性。

我们回到第一个思维“对照”上面来，当某个维度可以对比的时候，我们选择对比。在对比后发现问题需要找出原因的时候却没得对比，怎么办？这个时候，“拆分”就闪亮登场了。

给大家描述一个场景：

运营人员小美，经过对比店铺的数据，发现今天的销售额只有昨天的50%，这个时候，我们再怎么对比销售额这个维度，已经没有意义了。这时需要对销售额这个维度（或指标）做进一步分解。

根据电商基本公式：

销售额=成交用户数*客单价

成交用户数=访客数（UV）*转化率

详见图c和图d

图c：为了有更清晰的脉络和思路，我们将两个电商的基本公式拆解成图

图d：将流量结构按照免费与付费拆解，再深一步细分，对流量成分更全更细的拆解（其实还可以分更细，此处以思路为重点就暂不展开）

拆分后的结果，相对于拆分前会清晰许多，便于分析，找细节。

例如“流量多还是少”的论断是不利于采取决策的，将流量细分到免费流量和付费流量上来判断，是“免费流量过少，付费流量占比太大”还是“免费流量很稳定，付费流量不够”，判断越细致，越利于解决问题阶段采取有效精准的措施。

由此可见，“拆分”是分析人员必备的思维之二。

第三大思维：【降维】

面对一大堆不同维度的数据束手无策，看着屏幕发呆…你们是否会有过这样的经历？

当数据的维度太多的时候，我们不可能每个维度都拿来分析，一些相关联的数据指标，可筛选出数据堆中能够合并的维度即可。这句话是什么意思呢？如下表：

这么多的数据维度，其实不必每个都分析。我们知道了 “成交用户数/访客数=转化率”，所以当存在这种维度时，是可以通过其他两个维度计算出来时，我们就可以“降维”。即三选二。

例如：当数据堆中含有成交用户数、访客数和转化率三个数据维度时，三选二可留访客数与转化率。成交用户数*客单价=销售额，这三个数据维度也可以三选二呢，即选择销售额与成交用户数。

综上，通常我们只关心对自己有用的数据，当某些维度的数据跟我们的分析无关时，就可以过滤掉，达到“降维”目的。

第四大思维：【增维】

增维和降维是相对应的，有降必有增。当我们当前的数据维度不能很清晰很全面地解释我们的问题时，我们就需要对数据做一个运算，多增加一个指标。请看下图：

我们发现一个搜索指数和一个宝贝数，这两个指标一个代表需求，一个代表竞争，有很多人把搜索指数/宝贝数=倍数，用倍数来代表一个词的竞争度（仅供参考）。这种做法，就是在给数据增维。增加的维度有一种叫法称之为“辅助列”。

需要强调的是，做好“增维”和“降维” 之前，必需要充分、熟练掌握透数据本身的意义与相互之间的关系后，有目的的对数据进行转换处理和运算，最终达到分析数据的目的。

第五大思维：【假说】

当我们拿不准未来的时候，或者说是迷茫的时候。我们可以用“假说“。假说是统计学的专业名词，俗称假设。当我们不知道结果，或者可能会有几种选择的时候，那么我们就召唤“假说”吧，我们先假设有了结果，然后运用逆向思维来进行分析。

从结果到原因，要有怎么样的因，才能产生这种结果。这有点寻根的味道。那么，我们可以知道，现在满足了多少因，还需要多少因。如果是多选的情况下，我们就可以通过这种方法来找到最佳路径（决策）。

我们在说做未来一年的年度计划或者月度计划的时候，都是对未来拿不准的，这个时候就要假设一个目标，倒推分析达成这个目标需要做什么；或者某项营销活动的结果可能有好几种，那么设想针对不同的结果，应该有什么样的数据现象，然后需要什么样的准备。

当然，“假说”的威力不仅仅如此，除了结果可以假设，过程也是可以被假设的。我们回到数据分析的目的，我们就会知道只有明确了问题和需求，我们才能选择分析的方法。

那么以上的内容，就是我们本文的五个核心的思维方式：对照、拆分、降维、增维以及假说，大家在做简单数据分析时可对应尝试套用。

那么在数据分析思路之外，再补充一个关键点，就是三大数据类型。三大数据类型是按照时间序列的细分，来给数据堆中的数据指标做的分类。如图的时间轴，我们分为“过去”、“现在”和“未来”。

第一大数据类型：【过去】

“过去”的数据指历史数据，已经发生过的数据。

作用：用于总结、对照和提炼知识

如：历史店铺运营数据，退款数据，订单数据等……

第二大数据类型：【现在】

“现在”的概念比较模糊，当天，当月，今年这些都可以是现在的数据，看我们的时间单位而定。如果我们是以天作为单位，那么，今天的数据，就是现在的数据。现在的数据和过去的数据做比较，才可以知道现在自己是在哪个位置，单有现在的数据，是没什么用处的。

作用：用于了解现况，发现问题

如：当天的店铺数据

第三大数据类型：【未来】

“未来”的数据指未发生的数据，通过预测得到。比如我们做得规划，预算等，这些就是在时间点上还没有到，但是却已经有了数据。这个数据是作为参考的数据，预测没有100%，总是有点儿出入的。

作用：用于预测

如：店铺规划，销售计划

这三种类型的数据是单向流动的，未来终究会变成现在，直到变成过去。