很多人掌握了大多數的分析工具和技能，仍然做不好數據分析。面對業務時還是會兩眼一抹黑，啥也不知道。

做數據分析光靠技能和工具是不夠的。還必須擁有數據思維，如何搭配這些分析方法？如何得出結論？

數據粉絲思維究竟是什么樣的，我們一起聊一下吧。

1. 對比思維

日常生活中我們常常會遇到，例如今天我去超市看到了7塊錢1斤的蘋果，但是隔壁卻賣6塊一斤，你是不是會去隔壁看一下。他們之間有什么區別，為什么會貴出這一元錢。

從這個例子中可以看出，對比通常有兩個方向，一個縱向，是指不同類的對比。一個是橫向，是指與同類相比。

2.結構思維

很多人在做數據分析的時候沒有思路，不知道從何下手，這就是缺少結構化思維的表現。

1.按業務職能結構劃分：比如渠道，運營，功能等相關模塊，簡單快速的溝通，能快速的定位問題原因，但是缺點是分析結果不夠直接，依賴外部資源信息搜集。

2.按因果結構劃分：通過定位指標波動，定位最細指標，輔助維度下轉，能夠清楚的問題原因，該方式是較為穩妥的方式，是日常工作中的主要方式，但是缺點是需要構建相對完整的指標邏輯體系。

我們在思考問題的時候，習慣用點對點的方式，想到一點就是一點也就是說是亂打槍，也許有可能你可以憑借著經驗找到原因但是大多數情況下，你很難找到完全窮盡的原因，也就是為什么你的數據分析總是沒思路。

3.分類對比

這里我們可以劃分為客戶群體、產品歸類、市場分級、績效評價等，許多事情都需要有分類的思維。到底分類思維怎么應用呢？

關鍵點在于分類后的事物，需要在核心指標上拉開距離！也就是說分類后的結果，必須是顯著的。運營當中關注的核心指標，分類后的對象，你能看到他們的分布不是隨機的，而是有顯著的集群的傾向。

4.可衡量

好的分析思維，我們要想清楚如何衡量效果?也要考量和現實之間的差距，中間的可操作性。

有想法不會操作：那就學工具、學方法論、學算法,開始先用excel來跑通操作，后面再去學習python。

會操作沒有想法：那就學方法論、學思維，好好思考方法論、業務、算法之間的關系。

以上總計了數據分析的4種思維，分別是對比、結構、分類、可衡量，無論是生活還是工作，運用好這些分析方法，相信你一定可以創造出更多的價值。