1.数据思维
数据分析中常见的三种核心思维有结构化思维、公式化思维和业务化思维。
1.1 结构化思维
结构化思维是针对某个特定问题绘制思维导图（常用工具Xmind），从多个独立且全面的角度进行分析。
1.2 公式化思维
公式化思维是对于思维导图中的每一个角度，给出一个可量化的公式。
1.3 业务化思维
业务化思维是指进行数据分析时要充分考虑业务背景。
下面以一个“如何预估北京地区的共享单车的投放量”示例来讲述上面三种思维的应用。
首先对于“预估北京地区共享单车的投放量”，我们可以想到从“人口密度”、“人口流动情况”和“人们出行交通工具”等方面来考虑。但这几个方面并不完全独立，因此我们可以先统计每个地区的投放量，从而得到一个导图框架如下图：
有了结构化思维后，我们要采用公式化思维进行量化（这里只是展示下分析过程）：
另外，还要从业务化的思维进行分析。比如还需要考虑单车的损耗率。
2.思维技巧
2.1 象限法
象限法就是对于所要分析的数据（目标），先将其按照某个纬度进行划分，然后分别具体分析第一、二、三、四象限的数据。比如对于用户流失这一现象而言，我们可以根据用户价值高低进行划分，得到如下：
这样我们分析的重点应该是“高价值、高流失”的那批数据。
2.2 多维法
多维法就是从多个角度进行分析，比如对于用户流失情况，我们可以从以下几个方面进行分析：
注意：多维法存在一个缺点，辛普森悖论。
当人们尝试探究两种变量（比如新生录取率与性别）是否具有相关性的时候，会分别对之进行分组研究。然而，在分组比较中都占优势的一方，在总评中有时反而是失势的一方。该现象于20世纪初就有人讨论，但一直到1951年，E.H.辛普森在他发表的论文中阐述此一现象后，该现象才算正式被描述解释。后来就以他的名字命名此悖论，即辛普森悖论。
2.3 假设法
很多情况下，我们是拿不到数据的，这个时候我们只能通过假设这种启发式的方法进行分析。下面我们以一个示例进行说明：
某公司开展营销活动，销售额增加了20%，但是目前拿不到直接数据表明该活动是否有效，如果是你你该怎么做？
我们先假设该活动是有效的，那么必定会增加一些购买人数，这些购买人中会有人评论且评论中涉及到这次营销的相关字眼，因此我们可以先统计出这部分人数。然后假设评论率不变，进而可以推出这次营销而影响的购买人数，最后可计算出这部分人在总购买人数的占比，可评价该活动是否有效。
2.4 指数法
指数法就是通过建立统一的公式（如反比例函数、线性加权、对数函数）对指标进行量化，示例如下：
用户价值 = 用户忠诚度 + 2 * 用户贡献度 + 10 * 用户社交指数
用户忠诚度 = 1- 1/用户消费次数
2.5 二八法
2.6 对比法
好的数据指标，一定是比例或者比率。
好的数据分析，一定会用到对比。
2.7 漏斗法
漏斗法是指对于某个业务指标，分析其过程的转化率。比如已知用户下单率为20%，我们应该详细分析其过程，展现——>单击——>访问——>咨询——>下单，分析每个阶段的转化率，这样更能够发现问题所在。
