数据分析的思维有那些?

简介: 数据分析的思维有那些?在很多企业中都存在着很大的数据分析问题,如何进行数据分析?数据挖掘的结果要如何展示?企业中各个部门要如何才能最大化的利用数据分析结果?这些一直困扰着企业数据团队。也是咱们大数据需要解决的问题,后续规划的方面

公司一直在推行大数据的建设(企业数据分析),通过去资料的查阅,与学习,做了一些总结,方便以后回顾,也方便一些小伙伴。

在很多企业中都存在着很大的数据分析问题,如何进行数据分析?数据挖掘的结果要如何展示?企业中各个部门要如何才能最大化的利用数据分析结果?这些一直困扰着企业数据团队。也是咱们大数据需要解决的问题,后续规划的方面。

大数据的发展,离不开数据分析师。对于一个数据分析师来说,最重要的就是数据分析的思维,同样是数据,使用不同的思维模式去做分析,可能导致的结果也就不同。在此,就数据分析的一些思维方式与大家做一个探讨。

1、逻辑思维:

逻辑思维即明白价值链,明白各项数据中的关系;该方法的关键在于明白其中的关系要求你对这项工作要了解、熟悉,要细致和慎密,要清楚充分性和必要性的关系。实际上也就是指:你需要那些数据?如何获得这些数据?数据之间的关系如何?

2、向上思维:

在看完数据之后,要站在更高的角度去看这些数据,站在更高的位置上,从更长远的观点来看,从组织、公司的角度来看,从更长的时间段(年、季度、月、周)来看,从全局来看,你会怎样理解这些意义呢?也许向上思维能让你更明白方向。该思维方法的关键是:建立长远目标、全局观念、整体概念、完整地分析数据,不做井底之蛙。

3、下切思维:

数据是一个过程的结果反映,怎样通过看数据找到更多的原因以及隐藏在现象背后的真相,需要我们下切思维,把事物切细了分析,把过程拆分细了分析。此时,关键是要知道数据的构成、分解数据的手段、对分解后的数据的重要程度的了解。也就是说那些数据需要分解分析?

4、求同思维:

当一堆数据摆在我们面前时,表现出各异的形态,然而我们却要在种种的表象背后,找出其有共同规律的特点。 关键是找到共性的东西进行分析,还要客观。实际上就如同:现在的整体数据表现出什么问题?是否有规律可行?

5、求异思维:

每一个数据都有相似之处,同时,我们也要看到他们不同的地方,特殊的地方,这就需要对实际情况的了解,对日常情况的积累,对个体情况的了解,对个体主观因素的分析。

6、抽离思维:

当你从一个旁观者的角度不思考看待数据时,你往往能发现那些经常让我们迷失方向的细枝末节并没有太多的意义,我们迷失方向,忘记了自己的价值,同时深受情绪困扰。这时,你用用抽离思维更加能够帮助到你。关键是要用多种分析方法,多角度看问题,不要钻牛角尖,多学习别人的好方法,学会集思广益,发散性思维。

7、联合思维:

很多销售数据,需要我们能站在当事人的角度去思考和分析,这样你才会理解人、事、物。关键在与多了解当事人的情况,学会换位思考。

8、离开思维:

通过数据分析,你发现你处在一个不太有利的地位,那么,此时,你就要有离开思维去替你想办法,离开困境 。关键是学会自我调节,自我放松。实际情况如:遇到难解的结,你怎么办?

9、接近思维:

怎样达成目标,实现销售增长,这时候你需要接近思维来帮助你。关键是多接触你要解决的问题,花时间分析,你要的是方案,不是问题。

10、理解层次:

问题发现是第一步,要怎样分析问题,找到真正的原因,那么熟练的运用理解层次。关键是:你需要熟悉客观环境,员工的能力、行为的规律、他需要什么?实际情况如:你能够分析到哪一步?

目录
相关文章
|
2月前
|
数据采集 机器学习/深度学习 数据可视化
|
算法 数据挖掘 大数据
到底什么才是数据分析思维? by彭文华
到底什么才是数据分析思维? by彭文华
|
数据挖掘
数据分析思维(四)|分类/矩阵思维
在进行数据分析工作时,我们往往会涉及到多个核心指标,而对于不同数值核心指标的结合又会产生多种不同的结果,我们将相似结果的内容放到一起进行统一决策就会大大节省数据分析的时间,这种思想我们称之为分类思维
数据分析思维(四)|分类/矩阵思维
|
数据挖掘 Python
数据分析思维(二)|相关思维
相关思维是数据分析中最常见的思维之一,在我们观察指标变化的时候,往往需要观察指标之间的相关关系,比如观察自己身高和体重的变化,这就是一种相关思维的体现。
数据分析思维(二)|相关思维
|
7月前
|
SQL 算法 数据可视化
什么是数据分析思维
什么是数据分析思维
|
数据挖掘 双11
数据分析思维(六)|循环/闭环思维
数据分析思维(六)|循环/闭环思维
|
算法 数据挖掘
数据分析思维(七)|漏斗思维
数据分析思维(七)|漏斗思维
数据分析思维(七)|漏斗思维
|
机器学习/深度学习 数据采集 搜索推荐
10种数据分析的模型思维让你“灵光一闪”
推荐10种数据分析思维,让你在工作中带来“灵光一闪”的感觉 本文来源于阿里开发者公众号
580 0
|
机器学习/深度学习 数据采集 存储
数据分析思维|思考问题的25个方式汇总
数据分析思维|思考问题的25个方式汇总
|
数据挖掘
数据分析思维(五)|逻辑树思维
在很多数据分析场景中我们需要梳理分析的逻辑,需要进行指标从大到小的拆分,这时候我们可以顺着影响分析结果的因素进行层层溯源,从而抓住问题的核心。为了有更清晰的逻辑结构,常常采用逻辑树(又称问题树、分解树)进行整体过程的呈现。逻辑树使用层级的结构将每个大问题的所有子问题进行罗列,然后再将子问题的子问题进行罗列,以此类推,当问题不能够被拆分时形成一个完整的逻辑树。
数据分析思维(五)|逻辑树思维
下一篇
DataWorks