读书 数据思维

在我的学习生涯中，我不知道我是受过考试导向教育还是平庸的资格。因为数学只停留在考试阶段，从来没有真正感受过数学的美，或者享受过数学的乐趣。对于数学，心有点莫名其妙的恐惧。选择一本数学工具书来阅读，你必须有勇气。

为什么你突然对阅读这本书《数据思维》感兴趣？有两个小机会。几天前，我和一位自动化专业的博士生谈到了她的专业。我喜欢她的眉毛。作为一名工程小白，虽然我听到了雾，但我对机器学习和人工智能感兴趣。碰巧我听了很多次查理芒格的多元思维模式。作为一门基础学科，数学成功地吸引了我的注意。

这是最好的时代，大数据知道你的一切，打开网络云音乐知道你的“好心”，购物网站几乎可以准确预测你的消费，导航软件可以帮助你避免拥挤的路段…这是最糟糕的时代，你没有隐私，互联网的每个节点都留下了你的电子足迹。

是的，这些都是数据做的。数据思维的模型是什么？作为一个普通人或企业家，拥有数据思维能给我的生活或企业带来什么改善？带着问题去书中寻找答案。

这本书的作者很有名。他是北京大学光华管理学院EMBA教授王汉中。他已经做了十多年的统计研究，经常与企业高管打交道。微信官方账号“熊俱乐部”创始人，这本书中的许多文章都包含在官方账号中。

书分为两部分。第一部分适用于对数据应用感兴趣的人，便于理解数据的概念和价值，以及每个人都应该建立的数学思维；第二部分是技术流，适合从事数据分析的学生。如果他们不明白，他们可以跳过。

提醒：这本书很难阅读，可以帮助你建立跨学科的思维模式，提高认知能力，来，硬科学。

为什么要学习数据分析？

看似高深，实则简单

再好的车，没有方向，也不能开到目的地。数据分析不以实现为目的是流氓。

如果业务问题不能转化为数据分析问题，没有相应的数据思维，无论大数据有多神话，都无法创造商业价值。

| 如何做呢？

首先，你必须有数据。数字不等于数字。在科技时代，只要能电子记录的是数据，无论是文字、语音的声音、手机上的照片、视频等。

想想看，滴滴把出租车数字化，ofo把自行车数字化，这个社会正在成为一个大数据时代。

其次，关注数据如何帮助企业创造价值。数据可以帮助企业增加收入，减少支出，控制风险。

增加收入，大数据可以帮助你准确地投放广告，给企业带来大量的流量，它所创造的收入增长就是数据的价值。

减少支出，如根据客户的大数据调查，减少产品的功能。

控制风险。例如，信用卡信用调查系统帮助银行降低风险。

二、什么是数据思维？

回归分析

数据思维是本书中最重要的概念。这里必须引入一个统计专有术语——回归分析，即确定两个或两个以上变量之间相互依赖的定量关系的统计分析方法。

在“道”层面，回归分析是一种思维方式。我们可以将公司的“业务问题”定义为“数据可分析问题”。例如，作为一个自我媒体，我想增加粉丝的数量。

而且在“术”层面，回归分析也是一种可以使用的数据分析工具。比如，什么关键点影响我拉新？怎样影响？

什么样的问题可以被视为数据可分析的问题？您需要找到两个变量：

●因变量Y：因他人变化而变化的变量，是业务的核心诉求。

●自变量X：用于解释变量Y的相关变量。一般来说，自变量X的变化会影响变量Y的变化。

我们的工作重点是找到业务的核心需求，并将如何将数据分析留给专业技术人员。

三、 什么是大数据？

大数据并不神秘

事实上，大数据并不像媒体上那么神秘，它与统计学密切相关。

|大数据与统计学的关系:

1.统计关注数据的分析和建模，对大数据做出了巨大贡献。

2.大数据不能代替抽样，相反，大数据抽样越重要。(大不代表更准确)

|大数据的准确性如何？

“不准确的预测是正常的，准确的预测是异常的。”王教授的话打破了人们对大数据的神化。

科学的本质使然。统计学研究包括大量的相关性，以及一小部分的因果关系。

●相关关系：客观现象中存在的一种不确定的相互依存关系。例如：公鸡叫，太阳升起。 但是如果你杀了鸡，太阳不会升起吗？

●因果关系:前一件事导致后一件事发生。例如:按下启动按钮，电脑亮了。

很明显，如果找不到，因果关系更重要。

四、每个人都应该有数据思维

没有数据思维，我们很容易被征收智商税，就像不懂区块链炒币的人一样。

|帮助企业提高沟通效率

在我们的工作中，我们经常遇到这样的情况：数据部门谈论技术语言，业务部门谈论业务，驴唇不是马嘴，沟通障碍。

要解决这个问题，不仅需要技术部门的人学会了解业务，还需要业务部门克服对数据的恐惧。业务部门应该学会明确核心需求是什么，老板应该意识到什么与数据有关。

这样可以大大提高沟通效率，最大化数据分析的价值！

企业家抓住商机

数据思维可以帮助企业家抓住商机，你需要思考：

1.数据能帮助我的创业方向吗？

2.如果数据非常重要，请清楚地梳理业务中的变量Y和自变量X。

3.在战略层面上，确保Y和X的优质供应和长期积累。

|生活中的数据思维

第一，培养数据思维可以帮助你养成有针对性的思维习惯：分析的目的是什么？核心诉求是什么？什么是因变量Y？

其次，在找出目的后，你可以专注于相关的自变量X，而不会陷入“环顾四周”的混乱状态。

最后，你可以尝试最简单的分析，更不用说专业建模了，至少你可以区分哪些是相关的，哪些是因果关系。