如今這年頭，沒點數據分析思維，很容易陷入職業發展的瓶頸。對於一名普通的職場人來說：
- 如果缺乏數據分析思維，就容易陷入「只看眼前、表象和局部」的狀態。
- 而如果具備數據分析思維，就不僅能夠看到事物發展的起因，還能夠看到事物變化的趨勢，看清楚事物發展的全局。
既然數據思維這麼重要，那麼今天就和大家分享《數據化分析》作者林驥總結的 9 種受益終身的數據思維。爲了方便理解和記憶，林驥把數據分析的 9 種思維分成以下 3 個區塊：
1.理解現狀：
- 目標思維（Goal-directed thinking）
- 對比思維（Antithetical thinking）
- 細分思維（Partitional thinking）
這 3 種思維的英文首字母縮寫是 GAP，代表看見現狀與目標之間的差距。
2.分析原因：
- 溯源思維 （Original thinking）
- 相關思維 （Relevant thinking）
- 假設思維 （Supposed thinking）
這 3 種思維的英文首字母縮寫是 ORS，代表洞見更多潛在的可能。
3.預測未來：
- 逆向思維（Backward thinking）
- 演繹思維（Deductive thinking）
- 歸納思維（Inductive thinking）
這 3 種思維的英文首字母縮寫是 BDI，代表預見指數變化的趨勢。
數據分析思維的英文是 Data Analytical Thinking，英文首字母縮寫是DAT。我們得到一個重要的公式： DAT = GAP + ORS + BDI
一、正確運用數據分析思維，提升 3 次認知能力
從數據中獲得有用的信息，從信息中獲得有效的知識，從知識中獲得有益的智慧，這是一個價值從小到大、難度由易到難的過程，也是發現問題、分析問題和解決問題的過程。
- 數據 是原始的、未經處理的事實，不經分析的數據，如同地底下未經開採的石油， 存在卻沒有價值， 需要運用數據分析思維，才能把它的價值充分挖掘出來。比如，上海的氣溫是 39 攝氏度，如果缺乏相關的背景信息， 就不知道這個數據想要說明什麼。
- 訊息 是帶有邏輯的數據組合，幫助我們“知其然”。比如，上海的氣溫是 39 攝氏度，比前一天上升了 6 攝氏度，天氣很熱。
- 知識 是基於信息的理解，幫助我們“知其所以然”，知道信息背後的原因，從而建立起對世界的正確認知。比如，上海的氣溫是 39 攝氏度，比前一天上升了 6 攝氏度，天氣很熱，主要原因是陽光直射到地面。
- 智慧 是預見事物發展的規律，幫助我們見微知著，預測未來，知道哪種選擇是最好的，以及知道怎麼把知識應用到實際的工作和生活中，做到知行合一。比如，通過天氣預報瞭解明天的天氣情況， 可以提前做好相應的準備，高溫天氣要預防中暑。
如果大家學會正確運用數據分析的 9 種思維，就可以在提升思維能力的過程中，同時提升 3 次認知能力躍遷。
二、經過 3 次躍遷，創造更大的價值
作爲職場人，要想創造更大的價值，必須經過 3 次躍遷。如果躍遷不上去，就很難提升高度。
- 第 1 次躍遷 ，是從數據到信息，即從點到線的過程。此時數據像一些零散的拼圖， 雜亂無章地堆放在一起， 如果沒有特定的環境， 數據本身沒什麼用。
- 第 2 次躍遷 ，是從信息到知識，即從線到面的過程。當數據之間建立聯繫後，就上升到信息層級， 拼圖開始顯現形狀， 當兩塊拼圖拼在一起之後，兩個點就連成一條線。當我們在某種特定的環境下，對信息進行分組，生成一個更復雜的實體時，就創造了知識，讓我們能夠從拼圖中可以看到更有意義的事物。
- 第 3 次躍遷 ，是從知識到智慧，即從面到體的過程。當多塊拼圖拼在一起時，多條線就組成了一個面。技能就像拼圖的另一面，如果缺乏知識的引導，盲目地進行拼圖，那麼結果可能會非常浪費時間，也未必能得到完整的拼圖。知識注重的是記憶和理解能力，而技能注重的是動手能力，需要通過實踐提升。比如，知道拼圖的方法，這屬於知識層面，如果能夠親自動手拼完拼圖，則屬於技能層面。從知道到做到，中間有一道鴻溝。
只有經過 3 次躍遷，才能看到一幅包含立體畫面的拼圖，形成“點、線、面、體”的共振。
一個有智慧的人，通常會從當下的數據“點”出發， 找準自己的位置，朝着正確的方向畫“線”，獲得有用的信息線索，擴大自己的知識“面”，做到知行合一，形成三位一體，經過日積月累， 就能取得更大的成就。一種數據分析思維有時有多種用途，如對比思維可以用來理解現狀， 也可以用來分析原因，還可以用來預測未來，只是在不同的數據分析場景中，側重點可能會有所不同。
此外，在運用數據分析思維解決實際問題時， 往往不是隻運用一種思維，而是需要多種思維相互配合。讓你透過現象看本質，找到問題的根本原因，避免被收割“認知稅”。
若你希望將文章中提到的思維真正應用到日常分析中，不妨試試 FineBI。這類商業智慧工具能讓你不必寫程式就建立可互動的儀表板、資料模型與報表，加速資料思維落地並產生可操作的洞察。
