今天老李給大家講一講數據分析行業中最經典的7個模型，因為篇幅太長，所以分成了上、下兩篇，這次先為大家詳細講一講目標思維、假設思維、溯源思維、逆向思維。

目標思維

第一個要講的思維是目標思維，很多人都覺得不屑一顧，但是很多人做數據分析之所以失敗，恰恰就是沒有這個目標思維

因為只要找到了、找準了數據分析的目標，基本上能夠解決數據分析場景里90%以上的問題

首先何為目標？

目就是眼睛，標就是靶子，也就是用眼睛盯著靶子瞄準，這就是目標思維

[[356726]]

大家可能會說這很簡單嘛，那我們就舉一個實際的業務場景例子來看一下，你們究竟是不是真的理解目標思維。

某個租房APP最近新上線了一個二手房交易功能，業務找到你想讓你分析一下，這個功能的用戶使用人數有多少？

首先我們看到這個業務問題，業務方已經提出了一個十分具體的問題，那就是：

功能的使用用戶有多少？

于是一般沒有經驗的數據分析小白就會去數據庫取數，做個表格交給業務

然而狗血的就是業務這時候就會說，這個數據不是我想要的，你再拿別的數據來；沒辦法，你只能再從數據庫里重新取數。

這時候你也許就會無語，明明是業務自己想要的數據，為什么還會這么多的扯皮和無效溝通

其實原因很簡單，因為業務想要的數據并不一定就是他真正需要的數據

而我們在接到業務的需求之后，需要先想一下這個需求的真正核心目的是什么，如果知道了業務目標，那么就可以把這樣一個取數需求變成一個分析類需求，最終的交付形式就成了一份PPT，這樣就能避免成為取數機器。

假如我們已經知道了業務的真實需求，是否就已經結束了？

當時不是，我們需要通過這個目標確定我們分析的指標，如果你沒有清晰的業務目標，那么也就不可能制定出準確的數據指標。

還是這個例子，如果業務人員很專業，讓你分析一下這個二手房交易功能的留存率

這時候如果你不去分析業務的分析目的，你還是會陷入誤區，所以我一般聽到業務人員跟我提這種具體的需求，我都會先反問一句“你分析這個指標的目的是什么”？

如果業務說是為了驗證功能的使用率，因為如果用戶用過之后還會用，說明這個功能是有價值的。

那么我們就要繼續想，為什么要驗證這個功能的價值，因為要確保這個功能能帶來利潤，幫助用戶解決一些問題，我們才會添加這個功能。

也就是說我們的分析目的要從產品角度出發，用戶為什么要用這個軟件？是為了租房子？那么我們就可以用成交率來衡量這個問題，成交率與功能價值的關系顯然更加密切。

這就是目標思維，這個思維是數據分析的開始，一般不懂業務邏輯或者不懂目標思維的人是很難準備找到自己的分析目的的，所以我們以后在遇到需求的時候，先別急著取數據，先去想想目的是什么？

假設思維

假設思維簡單來說，就是通過不斷假設、不斷論證、不斷推理、不斷推翻原假設的方式，直到去找到我們最終的真實原因或者結論

比如說某APP的轉化率下降了，我們不知道是什么原因，可能是業務運營差、可能是用戶質量下降、可能是行業因素等等，我們不妨先假設一下：

轉化率下降是因為業務運營差

那么為了驗證這個觀點，我們需要去找運營數據和轉化率數據之間的邏輯關系，這就需要用到演繹思維了

如果發現業務運營效果跟以前是一樣的，同時其他APP的轉化率并沒有因為運營而變差，那么就可以推翻這個假設，我們繼而重新假設

同樣的，我們還是要注意假設思維中的一個誤區：將假設當做預設。

我們在進行假設的時候，很多數據分析師特別喜歡堅持自己的原有假設，那么最終的論證過程就變成了：

比如還是剛才轉化率的例子，我們為了證明“轉化率低與運營效果差有關系”，就會找各種數據去驗證這個假設，如果不能驗證，就以為是數據不充分、或者還沒找到合適的數據，直到我們去驗證了這個假設。

這就是把假設當做了預設的立場，很多人不敢去拋棄原來的假設，以為這樣做是自己的能力不合格

實際上，想要證明一個觀點，只要你肯去找，不管觀點多么荒謬，總能找到支持你的理由。

比如為了讓你驗證印度比中國更富有這個荒誕的假設，我們完全可以找出很多證據證明：

印度每年30%-40%的GDP增長來自于生產力而非勞動力

印度的耕地面積和人均耕地面積比中國多兩倍

印度不良貸款率比中國低很多

相反的，為了證明印度比中國窮我也能找出很多理由：

印度GDP總值和人均GDP均低于中國

世界最貧窮的人口中有25%聚集在印度、居世界第一

世界500強企業中中國遠超印度

所以真正的數據分析，一定要站在客觀的角度，敢于去拋棄自己的假設

溯源思維

溯源思維簡單來說就是對問題進行細分后再細分，把問題進行分解到可以找到原因，列出解決辦法

有時候我們不僅僅只使用對比思維和細分思維就可以得出來結果，這時候要想追溯數據源，然后基于此思考數據源背后可能隱藏的邏輯關系，或許會有其他的數據結果

比如說，某公司在全國有5個大區，其中華北大區今年未完成銷量任務

我們能夠分析出是江蘇地區的銷量下降了，再細分是南京有問題

很多人可能細化到這一步就結束了，因為地區維度已經細分到底了，不能繼續細化到某個區某個街道等等

但是根據溯源思維，我們需要找到事物本身發生的原因

比如我們需要對北京地區的銷量進行溯源分析，發現銷量降低是因為客戶數減少

我們還要繼續溯源客戶數減少的原因，發現是因為競爭對手搶走了我們的客戶

繼續溯源為什么競爭對手能搶走我們的客戶，分析發現是競爭對手舉辦了優惠活動，吸引了大部分的客戶

那么我們就要采取一定的措施，比如提高優惠程度，將客戶重新拉回來

這個就是溯源的思維，我們一定需要去追根到可以真正發現問題的原因，我們用溯源思維分析數據久了，我們對數據的敏感和業務的理解也能逐步加深

逆向思維

有時候我們做數據分析，不能僅僅依靠正常的邏輯推理，有時候需要靈活乍現、劍走偏鋒，也就是逆向思維

王老板花40元進了一雙鞋，零售價50元。一個小伙子來買鞋，拿一張100元人民幣，王老板找不開，只能去找鄰居換了兩張50，然后找給了小伙子50元。后來鄰居發現這個100是假幣，沒辦法王老板又還了鄰居100

問這場交易里，王大爺一共損失了多少錢？

如果我們按照邏輯推理關系去慢慢推到王大爺虧了多少錢，恐怕非常困難，因為邏輯關系比較復雜，我們不妨用逆向思維。

題中問王老板損失多少錢，其實就是問小伙子賺了多少錢走，因為鄰居沒賠沒賺，所以不考慮他。

小伙子賺了多少錢？太簡單了，就是一雙鞋加50元零錢！

在運營中，我們可以采用這種思維方式觀察數據，或者不自覺地采用這種思維方式觀察數據。

我們將自己認知的正常的數據表現（大部分情況下出現的）進行詳細的羅列，然后列出它們所對應的反常情況。在追蹤數據時，我們的注意力就著重放在這些反常情況上。