学习笔记——数据分析思维
作者：互联网
数据分析思维
文章目录
一、信度与效度
信度指一个数据或指标自身的可靠程度，包括准确性和稳定性。类似取数逻辑是否正确？有没有计算错误？这些都属于准确性的范畴；每次计算的算法是否稳定？口径是否一致？这些属于稳定性的范畴。
效度，即数据的有效性，指测量结果能够反映想要考察内容的程度。测量结果与所要考察的内容越吻合，则效度越高；反之，则效度越低。
只有在信度和效度上都达标，才是有价值的数据指标
信度和效度的核心反映的是数据质量问题，是进行分析的基础和前提
二、溯源思维（5why分析法）
关键：鼓励解决问题的人要努力避开主观或自负的假设和逻辑陷阱，从结果着手，沿着因果关系链条，顺藤摸瓜，直至找出原有问题的根本原因。
本质：刨根问底
三、逻辑树思维
麦肯锡逻辑树又称问题树、演绎树或分解树等。
逻辑树是将所要研究的问题分解为一个个子问题，从最高层开始，并逐步向下扩展。其中涉及到两个概念，“分解”和“汇总”。对应到数据分析中，也有两个专业的术语：“下钻”和“上卷”。
下钻，就是在分析某个指标时，按一定的维度不断进行分解。相应的，上卷就是按一定的维度不断进行汇总。随着维度的下钻和上卷，数据会不断细分和汇总，在这个过程中，我们往往就能找到问题的根源。
在实际工作中，下钻和上卷并不局限于一个维度，往往是多维组合进行交叉分析。
四、公式化思维
在逻辑树分析法的基础上，利用加、减、乘、除等公式算法来进行量化分析，即公式化分析法。
公式化分析意味着：上下互为计算（一切结构皆可量化）、左右皆呈关联（最小不可分割）。
五、实验思维
通过实验的手段进行科学的决策，也就是常说的A/B Test。
六、分类思维
对对象进行分类/分群。
关键：分类后的事物，需要在核心关键指标上能拉开距离！
应用：RFM用户分层模型等。
七、矩阵思维
矩阵思维是分类思维的拓展和演绎，它不再局限于用量化指标来进行分类，而是通过选取某些重要指标组合成矩阵，大致可以将研究对象分成三六九等。
八、漏斗思维
漏斗分析是一套基于提前定义好的行为事件的流程式分析，能够科学反映用户行为路径或者从起点到终点各阶段用户转化率情况的分析模型。
漏斗分析广泛应用于用户行为路径、流量监控和产品目标转化等场景中。
AARRR海盗模型也是漏斗分析模型。
九、细分思维
不能只看统计数字，必须要对数据进行细分、下钻，从而避免陷入统计数字的陷阱。
可应用逻辑树思维、公式化思维等进行细分。
十、费米思维
费米问题：看似莫名其妙、无厘头的估算问题。
思想核心：逻辑拆解 即将大而繁的问题化成若干小而简的问题，再将这些小问题进一步拆解，得到小问题答案后，再逐步反推到大问题上，就可以得到大问题的答案。
参考资料
标签：数据分析,思维,逻辑,信度,笔记,问题,效度 来源： https://blog.csdn.net/weixin_44699915/article/details/119300007