數據需要一套好的思維去驅動才能變得有價值。那么應該如何培養數據分析思維？首先了解什么是數據分析、數據分析思維以及如何培養數據分析思維。
數據分析
數據分析是把隱藏在一大批看來雜亂無章的數據中的信息集中和提煉出來，將它們加以匯總和理解并消化，從而找出所研究對象的內在規律的過程。數據分析是為了提取有用信息和形成結論，最大化地開發數據的功能，發揮數據的作用。
數據分析思維
數據分析思維，即分析思維的引申應用。數據分析思維的基礎準則是，用數據證明。因為不管思考方式如何優秀，都需要數據佐證和證明。分析思維是一種結構化的體現。數據分析思維最難的地方其實是對業務邏輯的理解，理解了業務邏輯才有分析的思路，才知道該怎么去分析。
有哪些數據分析思維
本文總結了8種數據分析思維：細分思維、對比思維、相關思維、溯源思維、逆向思維、假設思維、歸納思維、演繹思維。
1、細分思維
細分無處不在，大到宇宙，小到原子核。
例如，某公司開展了某種營銷活動，但是，并沒有達到預期的銷售額。這個時候就可以利用細分思維，將活動細分為一個個環節，然后，分析哪個環節有缺陷導致銷售額未達到預期效果。從而解決問題，達到優化商業策略的目的。
以上例子就是把整體活動細分為具體的環節。在數據分析的工作中，細分的緯度主要包括時間、地區、渠道、產品、員工、客戶等。杜邦分析法、麥肯錫的MECE分析法本質上都屬于細分思維。
2、對比思維
對比通常有兩個方向，一個縱向，是指不同時間的對比。一個是橫向，是指與同類相比。
比如某相同地區的兩家企業，通過對比業績發現，企業A比企業B績效好，那么就可以通過對比思維分析出企業B績效差的原因，從而采取相應措施來提升業績；或者相同企業本月業績相比上月業績較低，也可運用對比思維分析，找出問題，然后解決問題。
3、相關思維
相關思維是大數據時代的核心，建立在相關分析的基礎上。
啤酒與尿布的故事，是一個相關分析的經典案例。在20世紀90年代的美國沃爾瑪超市中，為了能夠準確了解顧客在其門店的購買習慣，沃爾瑪對其顧客的購物行為進行購物籃分析，想知道顧客經常一起購買的商品有哪些。在交易數據的基礎上，沃爾瑪利用數據挖掘方法對這些數據進行分析和挖掘。一個意外的發現是：跟尿布一起購買最多的商品竟是啤酒。經過調查和分析發現，在美國，一些年輕的父親下班后經常要到超市去買嬰兒尿布，而他們中有30%～40%的人同時也為自己買一些啤酒。產生這一現象的原因是：美國的太太們常叮囑她們的丈夫下班后為小孩買尿布，而丈夫們在買尿布后又隨手帶回了他們喜歡的啤酒。
4、溯源思維
溯源思維指追溯數據源的詳細記錄，然后基于此思考數據源背后可能隱藏的邏輯關系，或許會有意外的洞察。如果不斷用溯源思維去分析，那么對數據的敏感和業務的理解也能逐步加深。
5、逆向思維
根據數據結果，分析可能產生這些結果的原因會是什么即逆向思維。
6、假設思維
當沒有足夠的數據和證據來證明某件事的時候，我們可以先大膽假設，然后再小心求證，驗證假設是否成立。
7、歸納思維
歸納的過程是從個別到整體。數據分析的過程，往往是先接觸到個別事物，而后進行歸納總結，推及一般，再進行演繹推理，從一般推及個別，如此循環往復，不斷積累經驗。
8、演繹思維
與歸納思維相反，演繹思維的方向是由一般到個別，也就是說，演繹的前提是一般性的抽象知識，而結論是個別性的具體知識。演繹的主要形式是「三段論」，由大前提、小前提、結論三部分組成。以物理學上一個常識為例，大前提：金屬能導電；小前提：銅是金屬；結論：銅能導電。
如何培養數據分析思維
所有的數據分析思維都是為了讓我們找到正確的方向，在進行數據分析之前要明確此次數據分析的目的，幫助我們找到短平快的解決方式。
建立具體指標體系，讓指標發揮出數據的價值。用指標來進行業務描述，能更好的了解業務，推動業務的增長。
數據證明是數據分析的最直接體現，它依托于數據導向型的思維，大數據時代，要用數據來說話。
