数据分析的一般思维(1)
当我们面对海量数据时，根据不同的业务形态，采用不同的方式对数据进行处理和分析，这都属于战术实施。其实还有一个上层的执行动作是我们需要做的。
这就是数据分析思维的建立。有了一定的分析思维，我们更容易以不变应万变。
具体来说，有三种常见的数据分析思维:
我们在网上购物的时候，看中了一件衣服。如果这件衣服非标，品牌认知度没那么强，我们不妨在淘宝、天猫、JD.COM、拼多多看看...比较价格，对吗？
比如我们去菜市场买菜，阿姨们可能很有经验。即使白菜、洋葱、肉的价格上涨1美分，他们也能很快感知到。
再比如，最近高考刚刚结束。父母非常关心孩子的高考成绩。成绩出来后，孩子们告诉妈妈，我考了550分。妈妈可能马上想到这个分数是几年级的，可以复制吗？你上不了大学，你能上大学吗？
这些我们在生活中非常熟悉的场景，其实大家都在无形中使用了数据的对比，但是因为我们对这些场景的数据太熟悉了，甚至下意识的使用了对比。
对比数据在我们的生活中无处不在。另一方面，如果不对比数据，很多时候这些数据根本没有意义。
比如当有人告诉我们他的年收入是1万。这时候可能有人会“哇”的一声哭出来。一个“哇”表示已经比对了1万的数据。如果你一年赚200万，你可能不会“哇”。你也对比过1万的数据没有一个“哇”。
没有对比，我们不会有任何情绪上的变化，只是知道了那哥们一年赚654.38+0万的事实，因为我们不知道654.38+0万的收入数字到底是多少。
这时候1万的数据就没有意义了。
在就业市场上，有两个常见的问题需要用分解思维来解决:煎饼摊收入的估算和地铁客流量的估算。
煎饼摊收入的估算
如果开一个煎饼摊，可能要先搞清楚怎么算利润。对了，不管是大企业的老总，还是早餐店的老板娘，他们很重要的一个能力就是会算账。如果你不懂会计，我们来做点别的。有一个估算煎饼摊月收入的粗略公式:
根据这个公式，我们来做一个假设。比如我们一天可以卖200套煎饼，每套煎饼5元，那么一天下来，我们一天的销售额就是200 * 5 = 1000元。
这是真实的一天的销售情况，我们可以进一步分解来看每小时的销售情况。我们想一想就会知道:
我们再做一个假设，比如我们每天的工作时间是8: 00-19: 00。那么，在11小时的工作时间里，早上2小时可能生意最好，每小时卖出45套；18:00-19:00期间，生意不错，我们也卖了45套。中间八个小时，生意一般，每小时卖出五套。
于是，就这样，我们一天卖了45 * 3+8 * 5 = 175(套)煎饼。然后假设我们很勤快，365天都在卖煎饼，风雨无阻，这意味着我们每个月都完全在场。那么，如果简单按一个月30天计算，每个月可以卖出175 * 30 = 5250套煎饼。
假设每套煎饼还是5元，那么一个月的销售额就是5250 * 5 = 26250元，那么一个月包括人工、原材料、房租在内的总成本就是9000元，那么一个月的利润就是17250元。
可以细分吗？
当然可以。
如果每个订单都输入到系统中，换句话说，假设我们可以实时监控商店中的每个订单，我们就可以分析5分钟的数据。
如果对这个分析感兴趣，可以自己做一些数据，用excel进行分析。我可以预见，一旦对5分钟数据进行监测分析，分析结论大概就能推断出我们在供货时需要做哪些调整。
地铁交通量预测
需要注意的是，面试时给出这样的题目，目的并不是要求我们精确计算这个城市每天的地铁客流量，因为在实际工作中，谷歌一下子就知道了。面试这样的题目，更关心的是我们的解题思路是否清晰。
假设要计算深圳每天的地铁客流量，可以从供给端入手。如果题目没有明确要求，选择从供给侧入手可以简化问题。
要计算深圳每天的地铁客流量，我们可以想到一个简单的公式:
深圳地铁日交通量=地铁数量*每条地铁搭载人数。
首先，我们对地铁数量进行分解，可以得到:
然后，我们将地铁乘客的数量进行拆分，我们可以得到:
最后，我们可以通过组合分解的公式得到这样一个公式:
我们可以根据自己的经验给每个因素赋值来得到结果。例如，深圳的情况可能是:
值得一提的是，深圳这样的城市上座率几乎都在100%以上，尤其是早高峰时段。相信经历过的人都不想回忆。
数据领域经常需要追溯思维。
我们知道，在处理海量数据时，往往会出现一些数据问题。例如，有一天，我们发现某个指标表现异常。这个时候我们通过简单的思考发现，最近业务上并没有什么动作。为什么数据波动这么大？
这个时候我会下意识的看一下数据细分，看看每个数据产生的整个环节哪里有问题。从我个人的经验来看，大部分的数据问题都可以通过这种方式来寻找问题。
从数据本身来说，详细的数据才是指标的“精髓”。
再举个例子，我们听到马斯克说他过去造了特斯拉。为了解决电池成本高的问题，他还从电池的必备成分铁、镍、铝等方面寻找降低成本的方法，并成功解决了问题。当然，他后来得出结论，他是用物理学第一原理来看待这个问题的。
再比如，王兴用比特(最小的信息单位)来看互联网。...
回过头来看，这些视角和做法都是从事物本质思考的结果。
好了，关于数据分析中常见的三种分析思维就讲到这里吧。