九种数据分析思维

先定目标，再谈差距。目标不清晰，数据再多也回答不了一个明确的问题。分析的第一步从来不是打开表格，而是问清楚：我们想解决什么。

纵向比时间，横向比同类。一个孤立的数字没有意义，只有放进参照系里，才知道它是好是坏、是快是慢。

按时间、空间、过程、公式、模型把整体拆开。整体看不出的问题，细分之后往往一眼就现形——杜邦分析法与 MECE，本质上都是细分。

回到数据源头，追到最细的记录，看背后可能隐藏着什么逻辑关系。对数据的敏感和对业务的理解，就是这样一层层追出来的。

在两个看似无关的事物之间建立联系。「啤酒与尿布」之所以经典，不是因为结论离奇，而是因为它提醒我们：线索常常藏在意外的地方。

先提出一个可以被验证的假设，再用数据去证实或者推翻它。带着假设看数据，比漫无目的地翻表格效率高得多。

从想要的结果往回推：要达成它，前面必须发生什么？把终点想清楚，路径往往就浮出来了。

从一般规律推导具体结论。模型的价值就在这里：它让你在数据不足的时候，仍然有一个讲得通的起点。

从大量具体事实里归纳出一般规律。这九种思维本身，就是归纳的产物——先有一次次具体的分析，才有后来这套框架。