前言
最近報名了天善智能 秦路老師 的課程《七周成為數據分析師》，第一章節就是數據分析思維，可見數據思維的重要性。在工作中，我們會遇到的很多問題其實都是和思維相關的，哪怕你是用了很多的厲害的工具，但有些時候你也不能確定你的分析是否正確。在數據分析這條路上，真正決定你價值或者競爭力的不是使用工具的能力，而是真正解決問題的能力。
數據分析的三種核心思維
數據分析的可信思維可以抽象成 結構化，公式化 和 業務化。
首先，結構化，結構化主要解決的就是分析思路亂的問題，這包括分析和闡述的過程， 一個好的數據分析一定是結構化的，或者說是有序的。
這一方面我們可以參考麥肯錫的金字塔原理：
金字塔原理的思考方式是這樣的：
可以使用思維導圖的軟件，比如XMIND，建立思維導圖來幫助進行分析，比如下圖這樣：
所以說，結構化的思維就是利用金字塔結構將一個核心的論點拆成多個分論點，分論點可以支撐上一級的論點，也可以在進行再次拆分。
然而，結構化思維并不是完美的，結構化是分析的思維，但是它并不夠數據化，而且不可避免的有過于發散的缺點。在結構化的過程中，我們的論點很可能沒有過多的數據支撐，或者很難拿到數據，這種情況下我們就會用到公式化。
下面說說公式化的思維模式。
對于數據分析師來說，將一切結構量化是很重要的一個技能。在這里，公式化的核心就是 將一切結構進行量化。
公式化的思維中除了一個量化過程，還有一個重要的點是將上面結構化思維的論點柴刀最小不可分割。這個其實和管理咨詢方面常說的MECE（Mutually Exclusively Collectively Exhaustively）的思維是一致的。
公式化并不是說要你把一個問題用特別復雜的統計學和數學原理來解決，它涉及到的一般也就是數學上的加減乘除。
下面舉一個銷量的例子：
下面是一個用戶獲取的例子：
結構化和公式化能夠解決大部分的問題，但是我們還需要采用業務化的思維來進行更準確的分析。
舉個例子，比如現在要你預估上海地區共享單車的投放量，可以怎么思考呢？
可以從以下的角度：
但是 單車是有損耗的，我們還需要考慮單車的損耗因素。
所以說，綜合上面三種分析思維，其實我們可以這么看
