《数据分析思维》

你好，欢迎来到小帮听书。

今天为你分享的这本书是《数据分析思维》。

作为一名职场人或投资者，相信大家在工作和投资的过程中，都或多或少地遇到过各种各样的数据。然而，当你拿到一堆纷繁复杂的数据之后，你是怎么处理和利用这些数据的呢？通过一系列数据，你又是如何分析并得出某个结论的？

显然，在这个大数据时代，数据在我们的工作和投资中，已经出现得越来越频繁了。但是，相信许多人至今一提到数据，就感到非常头疼。那怎么去解决这个问题呢？

其实，只要能学会数据分析思维，你不仅不用再为数据而感到苦恼，而且，无论你是准备找工作，还是打算投资某个行业，用这本书中提到的分析方法，你都有可能会事半功倍。

今天要给大家讲的《数据分析思维》这本书，不仅仅告诉你如何使用数据，它还将帮助大家把数据思维给建立起来，学会通过数据分析，来解决各个领域当中面临的各种难题。

这本书分为两篇，第一篇主要讲方法，包括指标、分析方法和如何使用数据分析解决问题等方面的知识。第二篇讲实战，主要介绍数据的具体运用。我们今天就结合一些工作和投资中的案例，来讲一讲数据分析的方法和思维。为了方便大家理解，我们把这本书的内容分成了三个重点：

第一，如何使用数据建立指标体系？

第二，分析问题的两个实用方法。

第三，通过数据分析解决问题的三个步骤。

一、如何使用数据建立指标体系？

我们先来看第一个重点内容：如何使用数据建立指标体系。

现在各行各业的从业者，都会遇到大量令人棘手的数据，既有产品数据，又有用户数据，还会有广告数据，等等。今天我们以新媒体平台为例，来给大家来讲讲如何分析数据。比如大家熟悉的今日头条，如果你在这个平台上发文章，它的后台就可以看到非常完整的数据，这里面的数据，就可以作为我们学习数据思维的敲门砖。

我们接下来就先结合这里面的数据讲一讲相关的知识。

一般情况下，我们在今日头条上能见到的数据，包括读者的性别、年龄、所在省份，等等。

图片来源：今日头条

图片来源：今日头条

当我们拿到这样一份数据的时候，我们该如何去理解这些数据呢？

通常情况下，数据主要分为三种，第一种叫做用户数据。

用户数据，主要回答的是“用户是谁”的问题，它指的是用户的基本情况，包括id名称、性别、年龄，等等。

就拿今日头条里面的这个数据来说，在这些数据当中，就包括阅读这篇文章的读者的性别、所在省份、年龄等信息。比如，你发布了一篇文章，男性读者占90%，年龄主要在40岁以上，广东、福建、浙江和江苏的读者占85%，这些都属于用户数据。掌握这些数据有什么用呢？

了解这些数据，你就能大体上分析出你应该写什么样的文章，才能吸引用户的关注；你的文章是一线城市的读者更喜欢，还是二三线城市的读者更喜欢。有了这些信息，假如你要在你的账号发一篇广告，你就知道如何选择适合读者口味的广告内容。

第二种叫做行为数据。行为数据，主要是记录用户做过什么。

就拿头条号的运营来说，你所发的每一篇内容，都可以从后台看到阅读量和打开率是多少，阅读的完成率大概是多少，等等。

比如，阅读完成率高达90%，意味着读者读你的这篇文章时，看完了90%的内容。这说明，这篇文章对读者的吸引力非常大，他们很感兴趣，几乎一字不漏地读完了文章。

你看，这里的数据虽然是死的，但是从数据里面，我们却能分析出用户做过什么，大概做到了什么程度。

第三种数据叫做产品数据。具体包括产品的名称、类别、产品的转发收藏量，等等。

如果我们把头条里面发的文章看作是产品，你就能看到不同的产品的转发和收藏的数量。这些数据的数量越多，就说明你的文章越受欢迎。

这些数据表面上看来没太大作用，而且很单调，很乏味，但是，我们通过仔细分析这些数据，对我们更好地运营这个账号，写出更适合读者口味的文章，产生了巨大的帮助。

比如，你现在写了一篇关于理财的文章，结果发现转发和收藏的数据特别好，这就说明读者觉得你的文章有用。你就能通过这些数据，了解到读者的真正需求是什么。下一次，你还可以继续创作类似的文章，帮助用户更好的解决问题，同时也能赢得更多关注。

当然了，大家不一定都对新媒体的运营感兴趣。不过也没关系，各行各业的数据都是相通的，绝大多数数据都可以归纳到这三种数据当中，而且，绝大多数数据也都是有指向性的，在数据背后，往往反映出用户或者产品的某种状态。

在认识数据的过程中，我们还要学会选择我们的数据指标。换句话说，并不是所有的数据，都是值得我们利用的“好数据”。在《数据分析思维》这本书里面，作者就认为，我们在分辨这些数据的时候，一定要把握住两种数据指标。

第一种是带有明确比例的指标。

比如说，你的头条账号每日活跃粉丝有1万，如果仅仅看这个数据的话，其实没有多大意义。但是，如果你的粉丝一共有5万，那拿1万除以5万，再换算成百分比，得出的这个数据是20%，这个20%，就是一个明确的比例指标。这个数据可以说明你的账号粉丝的活跃程度。

再比如，阅读完成率，文章的打开率，等等，这都是一个比较明确的百分比数据，像这种百分比数据，就是明确的。

所以，我们以后不管遇到什么数据，都应该养成把数据转换为比例指标的习惯，因为比例指标比简单的数字数据更有意义。

第二种是核心指标。

所谓的核心指标，指的是衡量某项业务的最重要的几个指标。

就拿新媒体运营来说，文章的阅读点击率、阅读完成率、评论收藏和转发率，等等，代表着一篇文章的受欢迎程度，它们都是核心指标。

不同的公司，也都有着不同的核心指标，比如大家都知道的Facebook，这家公司的核心指标就是月活跃用户率，喜马拉雅APP的核心指标是用户的收听时长。

当我们拿到一份数据的时候，我们要学会先找到其中的核心指标，重点关注核心指标的数据。

最后呢，我们还要学会把现有的数据，组建成一个指标体系。

什么叫指标体系呢？如果把指标比做成树木，那么，指标体系就是由一棵棵树木组成的森林。所以，所谓的指标体系，指的是从不同的角度梳理业务，把指标有系统地组织起来，组成一个体系。

在《数据分析思维》这本书中，作者就提出了一个组建指标体系的方法。

首先，第一步，我们可以根据部门的目标，找到一级指标。

我们仍然拿运营一个头条账号来举例子：假如我们现在主要的工作是运营一个账号，那么，我们在运营这个账号的过程中，最重要的目标是什么呢？

大家可能也知道，对做新媒体的人来说，写文章，一是为了获得粉丝的关注，二是靠接广告赚钱。所以， 运营一个头条号，最重要的指标就是粉丝的增长率和文章的阅读量。你看，这样我们就找到了一级指标。

接下来，第二步，我们要了解业务的运营情况，找到二级指标。

我们之前也说了，我们写文章不单单是获得大量粉丝，还要通过接广告来赚钱。那怎么赚到更多的钱呢？当然是广告转化率。这是牵涉到“业务”运营的数据，它也是我们要找的二级指标。

最后，我们再梳理业务的流程，找到三级指标。

这时候我们要根据二级指标进行细分，比如，文章的打开率、阅读量、阅读完成率、转发，等等，这些数据就是三级指标。

这样细分一下，我们就能得出更加具体的指标。有了这些指标，我们基本上就把整个账号的数据给掌握了下来。后面如果再写文章的时候，我们就可以根据对这些数据的分析，产出读者喜欢看，且转化率更高的文章了。

当然了，前面我们都是在拿新媒体运营在举例，但是，其他行业的，尤其是做产品的时候，分析数据的思路跟刚才所讲的都是相通的。

二、分析问题的两个实用方法

好，接下来我们再来介绍两种非常实用的分析方法。

第一种方法，叫做行业分析法。

行业分析法的主要应用场景有两个：一个是你在对自己的职业进行规划的时候，准备寻找一个值得你去耕耘的行业；第二个是，你在职场上工作的时候，需要对外部环境或者行业竞争对手进行分析，制定公司的发展策略。这两种场景，都会用到行业分析法。而且，当你看完下面的分析方法之后，你会发现，其实在投资中，分析行业的时候也能用到这种方法。

我们在使用行业分析法的时候，一般会从政策、经济、社会以及技术四个维度对某个问题进行分析。

比如，你现在想找好赛道的个股进行投资，或正准备跳槽，接触一些新行业的公司，那该怎么分析呢？很简单，你可以先从政策上来对某个行业或公司进行分析。

政策，主要包括投资政策、税收政策、行业的扶持政策，等等。

我给大家举一个例子：大家在新闻上可能看到，2019年，上海浦东东南角的临港，响应国家号召，建设起了自由贸易试验区，这个地方现在也被称为临港新片区。

从政策上来讲，临港新片区的几个支柱产业，包括金融、集成电路、人工智能、民用航空、生物医药，等等，都得到了政策的大力支持。这几类产业下的公司发展会比较顺利。另外，研究生学历的人才到这里工作，可以享受五年落户的政策，如果是应届生，在临港工作一般还额外加三分的落户积分，并且享受每个月一千元的补贴。有重大贡献的人才，不仅工资收入高，职业前景大，而且落户上海也更加简单。这能帮助这些公司吸引到更优质的人才，有利于未来的发展。

其次，我们还得从经济环境上对某个行业进行评估。

经济环境，一般决定着这家公司未来的市场能做到多大，这里面就会牵涉到一大堆数据。比如，这家公司的目标用户都是哪些人？他们的年龄分布是怎样的？收入分布又是如何？购买商品的习惯如何？教育水平如何？等等。

我们在分析经济环境的时候，可以按照我们第一部分所讲的知识点，大体上罗列出一个评估的指标体系。

假设我们现在要进入临港的一家做家电的人工智能公司，或者打算投资这家公司，想知道这家公司的前景怎么样。那我们就可以这么分析，首先，我们先确定一级指标：这家公司产品的人工智能家电产品，市场占比是多少？投资状况如何？然后，再确定二级指标：这家公司的人工智能产品利润是多少？科技转化率又是多少？等等。最后，我们再确定三级指标：这家公司的产品各个人群分布状况如何？各个地区的市场情况又是如何？哪个阶层的人更喜欢这家公司的产品？等等。

当我们建立了这样一个指标体系的时候，我们大体上就能预测到这家公司的发展前景。

第三，我们要对社会环境进行分析。

人工智能家电这个行业，目前的用户主要集中在哪些省份或者哪些城市？用户的经济状况和认知水平如何？随着社会的发展，未来的潜在用户群体有多大？

我们在对社会环境分析的时候，都要不停地把这些问题抛给自己，然后再去按照刚才的方法，查阅资料，建立我们的三级指标体系。

最后，我们还得从技术环境的角度对这家公司进行分析。

就拿人工智能家电这个行业来说，我们可能要分析它的人工智能技术的成熟程度，这里面可能包括AI技术、大数据技术、5G技术、材料制作技术，等等。虽然我们不懂这些技术，但只要知道这家公司的技术排在行业内的第几名，大概就可以知道它在行业内的影响力了。这也是我们在评估的时候，可以设计一个评估的指标体系。

你看，当我们从政策、经济、社会和技术四个维度，结合我们之前所讲的数据指标体系方面的知识，我们就能很准确地对一家公司，或者一个行业进行分析，然后确定这家公司或者这个行业的前景，最后再决定要不要入场。

好，我们再来看第二种分析方法：逻辑树分析法。

逻辑树分析法，指的是把复杂的问题拆解成若干简单的子问题，然后向树枝一样，逐渐展开，形成一棵让人一目了然的“逻辑树”。

大家应该都听说过硅谷钢铁侠马斯克，他现在有一个特别宏大的目标——用宇宙飞船，每次携带200名乘客去火星。这个目标是不是很夸张？是不是有点天方夜谭？但是马斯克并没有觉得自己的想法很荒谬，相反，他把他的这个看似不可能实现的目标，分解成了一个个可以解决的子问题。

首先，火星移民最大的困难是什么？马斯克说过，是钱。大概要花多少钱能？根据马斯克的估算，一个人得花一百亿美元。这个价格显然太高了，所以马斯克的目标是，把花费降低到20万美元。

那么，问题就来了，把成本从100亿降低到20万，这简直是天壤之别，怎么才能实现呢？马斯克把它具体拆解成了四个子问题。

第一，如果按照以往的认知，载人航天用的都是火箭发射器。但是，火箭只能使用一次，用完了就得造新的，所以成本很高。马斯克的做法是，大力发展可以循环利用的飞船，就是那种可以飞去火星，再飞回来的飞船。所以他成立了SpaceX公司，专门研究这种太空探索技术，如果这种技术研发成功了，火星移民的成本也就降低了。就在去年，SpaceX公司还发射了代号为星舟SN8的载人飞船，马克斯在成功的道路上，显然又进了一步。

马斯克继续拆解自己的目标，得到的第二个子问题是：飞船如果直接装满整个太空航行所需要的燃料，然后再发射，这就会导致飞船的重量过重，浪费大量的资源。怎么去解决这个问题呢？马克斯想出的办法是，先在太空设置一个“加油站”，然后在太空轨道上，给飞船进行补给。也就是说，把飞船先送到太空，这时候不必带那么多燃料，等到了太空时，再去“加油站”进行燃料补给。

第三，马克斯认为，还得在火星上制造燃料，这样就可以保证飞船能够飞回地球，这样成本还能继续降低。

最后，同样是为了缩减成本，马克斯认为，还需要使用正确的燃料。经过分析之后，他认为使用甲烷作为燃料最合适，因为火星上制造甲烷就很简单。

你看，把费用从100亿美元降低到20万美元，原本是一个无解的问题，但是，马克斯根据这个问题，一共细分成了4个可以解决的子问题。当然，这四个子问题还可以继续细分，比如，对于第一个子问题——如何发展宇宙飞船技术，我们还能细分成诸如如何解决燃料问题，如何解决飞船的回收问题，如何降低飞船的发射风险，等等。这样一来，一棵庞大的逻辑树就形成了。

我们在工作的过程中，也可以把一个具体的问题，细分成许多个有逻辑的、可以解决的小问题，然后再挨个去解决。

最后我们再小结一下：不论是行业分析法，还是逻辑树分析法，都对我们建立数据指标体系非常有帮助。比如，行业分析法的政策、经济、社会和技术，其实就包含了许多需要我们查证的政策数据、经济数据、社会数据和技术数据，这四个不同层面的数据结合在一起，正好可以帮助我们建立起一个完整的指标体系。

逻辑树分析法也一样：当我们拿到一大堆数据的时候，我们就可以把数据进行分类整理。比如，哪些数据是核心数据，哪些是核心数据延伸出来的从属数据，等等，我们按照一级指标、二级指标和三级指标，一一归类，最后得出的就是一棵逻辑树。

三、通过数据分析解决问题的三个步骤

好，讲完了两种非常典型的分析方法，我们最后再来讲一讲使用数据分析解决问题的三个步骤。

先看个例子。假设公司给了你一个超级大难题：需要在今年月平均盈利达到200万，也就是说，全年要完成2400万的利润额。但是现在已经过去六个月了，目标却还没完成一半。现在你的领导让你通过数据分析，尽快找到利润没有达标的原因，并且要你拿出完成年度目标的具体完成方案。

这时候你该怎么办呢？许多人面对这个模糊的问题，可能会感觉到一头雾水。也有许多人能找到一些原因并且写出方案，可是找出的原因却没有逻辑，方案也缺乏依据、缺少分析，领导看了觉得很不满意。如何才能找到原因，并且写出一份有理有据的方案呢？

首先，第一步，你要明确问题。

也就是说，你要先搞清楚，你所面临的这个“问题”，到底是不是一个问题。所以，你应该先从时间、地点和数据来源三个方面，判断数据的来源和准确性。

就拿领导给你的这份数据来说，这份数据确定是1到6月份的数据？这些数据确定是全国范围内的数据，或者仅仅是一个地区的数据？数据的来源是销售部门？还是领导自己估算的？等等。

如果数据没有问题，那你再确认并理解业务指标。

这个案例牵涉到了利润问题，可是，你们公司的“利润指标”是如何定义的？是拿销售收入减去产品成本？如果产生了其他的销售费用，是不是从利润中扣除了呢？又或者，假如公司上半年给附近的希望小学捐款捐了100万，这个数据是不是也从利润中除掉了呢？

对于这些问题，我们都需要找到公司的销售部门，一一明确。

这些数据都了解清楚之后，接下来，再进行第二步：分析原因。

分析原因，需要使用到我们在前面提到的分析方法。假如今年上半年只完成了400万的盈利，距离1200万的盈利还差一大截，这时候我们可以先通过行业分析法来进行分析：

在政策方面，今年上半年是否出现了不利于我们发展的政策？或者政府对我们行业的政策扶持是不是变少了？

在经济方面，上半年受到疫情的影响，全社会的经济都不景气，是不是我们行业都受到了较大的冲击？

在社会方面，同样是受到疫情的影响，我们的客户是不是变少了？客户的需求是不是也变少了？

在技术方面，我们公司上半年用于研发的投入是不是也偏少，被竞争对手给追赶上了？

从这四个维度出发，我们基本上就可以分析出问题出在哪里。当然，我们还需要结合逻辑树分析法，将每个问题继续分解成更加细化的子问题。

比如，在经济方面，对于“上半年经济不景气，是不是我们行业都受到了较大的冲击？”这个问题，我们就可以细分成这样几个子问题：上半年的国家层面的经济数据分别是多少？我们整个行业的销售额下滑或者上涨了多少？竞争对手的利润率如何？我们的生产成本和采购成本增加了多少？销售成本增加了多少？员工的成本又增加了多少？等等。

如果我们把每个大的问题都进行细分，我们就能得到一棵非常“茁壮”的逻辑树。而且，这棵逻辑树中拥有非常庞大的数据，这些数据正好建立起了一个完整的数据指标。

最后，第三步，我们再根据逻辑树中的子问题，提出建议。

在经过了前面的准备工作之后，这一步就比较简单了。也就是说，我们提出了怎样的问题，就可以根据问题去寻找答案。

比如，我们通过整个逻辑树分析法，进行分析的结果是，上半年的利润不达标，并不是因为受到疫情的影响顾客变少了，而是因为产品的生产成本和销售成本增加了，那这时候我们就可以针对性地提出缩减成本的建议。

当然，上半年的目标没有完成，全年的目标我们肯定还是要完成的，所以，即便是我们的顾客没有减少，但我们仍然要开发更多的顾客，这样才能提升我们的销售量。

你看，通过结合数据，对一个模糊的问题进行理性分析，我们就可以得出一个完整且精确的结论。

好，以上就是《数据分析思维》这本书中的重点内容。听到这儿，大家可能会有这样一个感受：平时一看到数据就头疼，看来数据也并没有那么复杂嘛！其实不同的数据之间都是彼此相关、相辅相成的，只要分清数据的主次，结合一定的逻辑，把数据整理成一个指标体系，再复杂的问题也能找到适合它的解决方案。

积沙成塔，每天进步一点点，恭喜你又听完了一本书。我们下期再见！