¿Cuál es la forma común de pensar y analizar que utilizan los analistas de datos?

1. Pensamiento comparativo

Todo el mundo debe estar familiarizado con la palabra contraste. Por ejemplo, cuando compramos algo, comparamos productos. De hecho, el contraste está en todas partes de la vida.

Por ejemplo, Xiaofang siempre ha tenido excelentes calificaciones, pero su desempeño en el examen final fue anormal. Solo obtuvo 40 puntos en el examen de matemáticas. La maestra de la clase habló con Xiaofang y le preguntó: "¿Qué está pasando? "¿Qué pasa contigo recientemente? La última vez reprobaste matemáticas". Obtuviste 80 puntos en el examen y estás entre los diez primeros de la clase. ¿Por qué te fue tan mal esta vez? Mira a tus compañeros de clase, todos obtuvieron. 73 puntos esta vez”.

Puedes ver en esta pequeña historia que generalmente hay dos formas de comparación, comparación horizontal y comparación vertical. La comparación horizontal significa comparación con estudiantes similares. Por ejemplo, la maestra de la clase compara las calificaciones de Xiaofang con las de sus compañeros. La comparación vertical se refiere a la comparación del mismo tipo en diferentes momentos. Por ejemplo, la maestra de la clase compara las calificaciones de Xiaofang esta vez con sus calificaciones la última vez.

2. Pensamiento de segmentación

El pensamiento de segmentación puede no ser muy claro para muchas personas a primera vista. De hecho, muchas cosas pequeñas en la vida incorporan el pensamiento de segmentación. Por ejemplo, nuestro cuerpo humano está compuesto por nueve sistemas principales, los sistemas están compuestos por órganos, los órganos están compuestos por tejidos y las células están compuestas por tejidos, que se subdividen capa por capa.

Tomemos el ejemplo de ahora, es nuestro compañero de clase Xiaofang, era el examen hace un momento. El maestro de la clase le pidió a Xiaofang que hiciera un resumen de su puntaje total en el examen. Xiaofang tomó la transcripción con cuidado. Investigando un poco, descubrí que el puntaje general esta vez no fue muy bueno, pero después de mirar más de cerca, descubrí que, a excepción del puntaje en matemáticas, que fue de solo 40 puntos, los puntajes en otras materias estaban entre los mejores. Bajó la puntuación general de Xiaofang.

Aquí desglosamos las puntuaciones generales de las pruebas en materias específicas para resumir la atribución. En el trabajo de análisis de datos, las latitudes de segmentación incluyen principalmente tiempo, región, canal, producto, empleado, cliente, etc. El análisis de DuPont y el análisis MECE de McKinsey son esencialmente pensamiento segmentado.

3. Pensamiento de trazabilidad

Los dos primeros pensamientos pueden corresponder a algunos requisitos del trabajo de análisis de datos, pero ¿qué pasa si hay algunos datos que no se pueden procesar con los dos primeros pensamientos?

Entonces podemos utilizar otro tipo de pensamiento de rastreo. Como dice el refrán, remontando a la fuente, muchas veces si queremos saber las razones lógicas detrás de las cosas, la mejor manera puede ser explorar las razones por las que suceden las cosas para ayudarnos a analizarlas.

Continúe tomando a Xiaofang como ejemplo. Llegó a casa de la escuela y le entregó su boleta de calificaciones a su madre. A través del pensamiento de comparación y segmentación, su madre conoció la situación general del examen de Xiaofang y también supo que había reprobado. en matemáticas. Sin embargo, las matemáticas de Xiaofang siempre han sido su punto fuerte y su madre todavía no podía entender por qué había un problema aquí. Entonces su madre vino a hablar con Xiaofang y aprendió más sobre la situación durante el examen. que fue porque Xiaofang comió demasiado al mediodía del día que tomó el examen de matemáticas. Mi estómago tomó el examen de matemáticas por la tarde. El dolor era tan insoportable que no pude responder muchas de las preguntas que se suponía que debía hacer. hacer. Mamá también entendió a Xiaofang y le expresó sus disculpas. También prestará más atención a los problemas alimentarios de Xiaofang.

En el ejemplo anterior, la madre de Xiaofang no pudo analizar el motivo del incidente a partir de datos superficiales, por lo que adoptó el pensamiento de trazabilidad y encontró el verdadero motivo. Si los analistas de datos pueden hacer un buen uso del pensamiento de trazabilidad en su trabajo, su sensibilidad hacia los datos y su comprensión de los negocios pueden profundizarse gradualmente.

4. Pensamiento relevante

El pensamiento anterior es una forma de pensar relativamente común. Hablemos de pensamiento relevante, que también es la capacidad de pensamiento central del análisis de datos.

Mucha gente puede que conozca la famosa historia de la cerveza y los pañales, que es un caso clásico de análisis relacionado en la industria. El trasfondo de la historia es el supermercado estadounidense Wal-Mart en la década de 1990. En ese momento, Wal-Mart tenía el sistema de almacenamiento de datos más grande del mundo. Para comprender con precisión los hábitos de compra de los clientes en sus tiendas, Wal-Mart. realizó un análisis de la cesta de la compra sobre el comportamiento de compra de sus clientes ¿Cuáles son los artículos que suelen comprar juntos?

El almacén de datos de Wal-Mart recopila datos detallados de transacciones sin procesar para cada una de sus tiendas. Con base en estos datos de transacciones originales, Walmart utiliza métodos de minería de datos para analizar y extraer estos datos. Un descubrimiento inesperado fue que el producto más comprado junto con los pañales fue la cerveza.

Después de mucha investigación y análisis, se reveló un patrón de comportamiento de los estadounidenses escondido detrás de "pañales y cerveza": en los Estados Unidos, algunos padres jóvenes suelen ir al supermercado a comprar bebés después de salir. trabajan pañales y entre un 30% y un 40% de ellos también compran cerveza. La razón de este fenómeno es que las esposas estadounidenses a menudo piden a sus maridos que les compren pañales a sus hijos después de salir del trabajo, y los maridos les devuelven su cerveza favorita después de comprar pañales.

Si los analistas de datos pueden aplicar con habilidad y flexibilidad análisis relevantes a su trabajo, pueden pasar de saber simplemente cuáles son los resultados del análisis de datos a saber por qué se presentan los resultados.

5. Pensamiento hipotético

Los modos de pensamiento anteriores se basan en cuando tenemos una gran cantidad de datos conocidos que pueden ser analizados y demostrados, entonces si no tenemos suficientes datos o Si tenemos pruebas para verificar esto, ¿qué debemos hacer? Aquí es cuando podemos utilizar nuestro pensamiento hipotético. Primero formule una hipótesis audaz, luego verifíquela cuidadosamente y finalmente encuentre una manera de verificar si la hipótesis es cierta.

Por ejemplo, Xiaofang quería comer lichis, así que bajó a comprarlos. Tuvo esta conversación con la tía que vendía lichis:

Xiaofang: “Tía, tus lichis son tan buenos. ¿Dulce, no dulce?"

Tía: "Es dulce. Tengo algunos cortados. Puedes probarlos primero".

Xiao Fang: "Está bien, entonces lo intentaré. uno "

Xiaofang tomó un lichi y le dio un mordisco: "Bueno, está bueno, es muy dulce. Dame dos libras".

Lo anterior parece simple. La historia corta. En realidad, se esconde una simple prueba de hipótesis. Primero, Xiaofang hace una hipótesis: los lichis son dulces; segundo, selecciona una muestra al azar y finalmente prueba si son dulces, hace un juicio y confirma que los lichis son realmente dulces, por lo que los compra;

En el análisis de datos, el término profesional para el pensamiento de hipótesis es prueba de hipótesis, que generalmente incluye cuatro pasos, a saber: proponer hipótesis, extraer muestras, probar hipótesis y emitir juicios. Los analistas de datos pueden aprovechar esta mentalidad.

6. Pensamiento inverso

Todos deben estar familiarizados con la palabra pensamiento inverso. A menudo se menciona en los discursos de muchos empresarios famosos que abogan por romper el modelo de pensamiento convencional. Piense en el problema desde la dirección opuesta.

Ahora invitamos a Xiaofang a aparecer nuevamente.

Una vez, Xiaofang fue a comprar chiles y tuvo otra conversación con su tía.

Xiaofang: "Tía, ¿cuánto cuesta tu pimiento por libra?"

Tía: "Un dólar y cinco".

Xiaofang escogió 3 y puso llévalos a la báscula: "Tía, pésalo por mí".

Tía: "Una libra y media, dos piezas y 2 centavos".

Xiaofang sacó el más grande pepper: "Hazlo. No necesitas tanta sopa".

Dueño del puesto: "Dos liang por libra, 6 centavos la pieza".

Xiaofang cogió el chile más grande. que acababa de ser retirada y pagó 6 centavos, sonrió y se despidió de su tía.

Verá, utilizar el pensamiento inverso a veces puede tener resultados inesperados.

7. Pensamiento deductivo

El pensamiento deductivo puede no ser tan fácil de entender en comparación con las formas de pensamiento anteriores.

La dirección del pensamiento deductivo va de lo general a lo específico. Todo el mundo debería recordar esto y lo mencionaremos más adelante. En otras palabras, la premisa de la deducción es el conocimiento abstracto general, mientras que la conclusión es el conocimiento concreto individual. La forma principal de deducción es un silogismo que consta de premisa mayor, premisa menor y conclusión.

Tomemos como ejemplo el sentido común en física.

Premisa principal: Los metales pueden conducir la electricidad.

Premisa menor: La plata y el hierro son metales.

Conclusión: La plata puede conducir electricidad.

Se puede ver en este ejemplo que la premisa mayor es un principio general conocido (los metales pueden conducir electricidad), la premisa menor es la ocasión especial estudiada (el hierro es un metal) y la conclusión es clasificar la ocasión especial dentro del conocimiento general Nuevo derivado del principio (la plata puede conducir electricidad).

8. Pensamiento inductivo

La dirección del pensamiento inductivo es exactamente la opuesta a la deducción. El proceso de inducción es de lo específico a lo general.

Tomemos el metal como ejemplo.

Premisa: El oro puede conducir electricidad, la plata puede conducir electricidad, el cobre puede conducir electricidad y el aluminio puede conducir electricidad.

Conclusión: Los metales pueden conducir electricidad.

El proceso de análisis de datos a menudo consiste en entrar en contacto primero con cosas individuales, luego resumir y extrapolar a lo general, y luego realizar un razonamiento deductivo para extrapolar de lo general a lo individual. Este ciclo continúa acumulándose. experiencia.

Resumen

Este artículo resume 8 tipos de pensamiento en el análisis de datos, a saber, comparación, segmentación, rastreo, correlación, hipótesis, inversión, deducción e inducción. Como analista de datos, si puede aprovechar al máximo estos pensamientos en su trabajo, mejorará enormemente sus habilidades personales y creará más valor personal en el trabajo.