建立数据思维的13个实用思维工具.pdfVIP

建立数据思维的 13 个实用思维工具 01 信度与效度思维 信度与效度的概念最早来源于调查分析，但现在我觉 得可以引申到数据分析工作的各方面。 信度：是指一个数据或指标自身的可靠程度，包括准 确性和稳定性。 取数逻辑是否正确？有没有计算错误？这属于准确 性；每次计算的算法是否稳定？口径是否一致？以相 同的方法计算不同的对象时，准确性是否有波动？这 是稳定性。 做到了以上两个方面，就是一个好的数据或指标了？ 其实还不够，还有一个更重要的因素，就是效度！ 效度：是指一个数据或指标的生成，需贴合它所要衡 量的事物，即指标的变化能够代表该事物的变化。 只有在信度和效度上都达标，才是一个有价值的数据 指标，举个例子： 要衡量我身体的肥胖情况，我选择了穿衣的号码作为 指标。 但是一方面，相同的衣服尺码对应的实际衣服大小是 不同的，会有美版韩版等因素，使得准确性很差；同 时，一会儿穿这个牌子的衣服，一会儿穿那个牌子的 衣服，使得该衡量方式形成的结果很不稳定；所以， 衣服尺码这个指标的信度不够。 另一方面，衡量身体肥胖情况用衣服的尺码大小？你 一定觉得荒唐，尺码大小并不能反映肥胖情况，是 吧？因此效度也不足。 在我们的现实工作中，许多人会想当然地拿了指标就 用，这是非常值得警惕的。 你要切骨头却拿了把手术 刀，是不是很可悲？信度和效度的本质，其实就是数 据质量的问题，这是一切分析的基石 ，再怎么重视都 不过分！ 02 平衡思维 说到天平大家都不陌生，平衡的思维相信各位也都能 很快理解。简单来说，在数据分析的过程中，我们需 要经常去寻找事情间的平衡关系，且平衡关系往往是 关乎企业运转的大问题，如市场的供需关系，薪资与 效率关系，工作时长与错误率的关系等等。 平衡思维的关键点，在于寻找能展示出平衡状态的指 标！ 也就是如图中红框，我们要去寻找这个准确的量 化指标，来观察天平的倾斜程度。 怎么找这个指标呢？以我的经验，一般先找双向型的 问题，即高也不是低也不是的问题，然后量化为指 标，最后计算成某个比率，长期跟踪后，观察它的信 度和效度。 03 分类思维 客户分群、产品归类、市场分级、绩效评价 许多 事情都需要有分类的思维。主管拍脑袋也可以分类， 通过机器学习算法也可以分类，那么许多人就模糊 了，到底分类思维怎么应用呢？ 关键点在于，分类后的事物，需要在核心指标上能拉 开距离！ 也就是说分类后的结果，必须是显著的。如 图，横轴和纵轴往往是你运营当中关注的核心指标 （当然不限于二维），而分类后的对象，你能看到他 们的分布不是随机的，而是有显著的集群的倾向。 例子： 假设该图反映了某个消费者分群的结果，横轴 代表购买频率，纵轴代表客单价，那么绿色的这群 人，就是明显的 “人傻钱多 ”的 “剁手金牌客户 ”。 04 矩阵化思维 矩阵思维是分类思维的发展，它不再局限于用量化指标 来进行分类。许多时候，我们没有数据做为支持，只能 通过经验做主管的推断时，是可以把某些重要因素组合 成矩阵，大致定义出好坏的方向，然后进行分析。 05 漏斗思维 这种思维方式已经普及：注册转化、购买流程、销售 管道、浏览路径等，太多的分析