一个数据分析师必须训练的思维方式
分享一个人人都知道，但人人都难做到的思维方式：“具体问题、具体分析”。是滴，估计大家从小学的思想政治课本就听过这八个字。问题是：这句话本身很不具体啊！到底啥样子的问题算“具体”问题，啥样的分析又算“具体”分析。其实并没有一个很明确的标准。
在生活中，我们张口而出的大部分话都是不具体。比如大妈来介绍对象，第一句往往是：“我跟你说啊，这个小伙人可好啦，人品不错，又有钱，长得帅……”
(|| ﾟДﾟ)……那个，阿姨您歇歇，您这说的都是个啥啊
稍微改进一下：
身高178
体重140
XX大学硕士学历
年收入30万
照片在这里，你看看中不？
是不是清爽多了。
“好”“不错”“帅”都是评价。事实+标准→判断→评价，是很自然的思考方式。但是往往我们是基于一些习以为常的、潜意识的标准进行判断，所以很少对别人讲清楚，以至于有时候自己都会忽略掉。SO,“具体问题”的第一条，就是要把事实和标准理清楚（见下图）。然而，这是自然状态下人们很难做到的。我们在现实生活中张口而出的都是评价。描述一个东西是多高，多长，多宽，什么颜色太麻烦了。一句“真好看”要容易的多。
这里还有一个问题。比如：年收入30万。阿姨您是怎么知道的？看到人家的工资单了？看到人家银行账户流水了？看到人家的人行征信了？是滴，这就是伪装成事实的感觉。大部分所谓的“他年入百万”，很有可能是来自于：
他开了个店，所以年入百万吧
他有个好车，所以年入百万吧
他买个大房，所以年入百万吧
他在京东当领导，所以年入百万吧
说到底，瞎猜而已。实际上人们也常在生活中乱加数字。比如催婚这件事，老人家张口就说：“你们这个年纪的人百分之九十九都结婚了“，您老是查过统计年鉴了，还是研究过人口普查数据了？你看到隔壁二狗子娶了老婆就分析出全天下男人都在家憋着下崽了？？？？
SO，“具体问题”的第二条：尽量使用可靠的数据，而非随意丢个数字。数据数据，有据可查的才是数据。比如把年入30万，改成：他15年在XX小区买了个两室一厅的房；改成他是腾讯天美工作室3.1员工；改成他有招行银联白金卡，是不是有据可查多了。然而，这又是自然状态下人们很难做到的，因为随口说个感觉很容易，找数据真的太辛苦，太麻烦了。
即使老人家热心收集各种情报，推荐来的对象还是很容易被自己儿子女儿嫌弃。一个重要原因，是他们的判断标准，往往是自己的标准而非儿女的标准。他们分析的问题是：“我觉得什么样的媳妇/女婿好”而不是“我儿子/女儿觉得什么样的对象好”自然会失败。SO， “具体问题”的第三条：具体问题要有具体的归属人，站在问题归属人的角度看问题。（如下图）既然是想帮自己孩子介绍，就要认真理解孩子的需求，咱这又不是给您找老伴，不是吗……
小结一下，大家会发现“具体问题”四个字其实要求非常的高。如果不做训练，脱口而出的话一般都不够具体。生活中很多误解，其实就是因为父母子女夫妻长期共处一个环境，自以为别人看到的、知道的和自己一样，在表达时省略了很多内容，于是导致误解。不过好在，生活中我们可以无视老妈催婚的唠叨。即使遇到买土豆梗的场景，再跑一趟菜市场就是了。
但在工作中，麻烦就大了。特别是对于数据分析师这种本来就是专业做分析的岗位。人家可都指望着你给专业分析意见呢。自己没敏感度，不主动问清楚情况，盲目生搬硬套分析模型，结果只会笑掉大牙。有诗为证：
这时候，专业训练就非常重要。比如老板交代一句：XX业务用户流失严重，分析一下原因。很多新人数据分析师就一声：“好嘞”就跑去干活了……可老鸟们会马上意识到：“流失严重”是个判断。连事实都不是。所以会就地思考以下问题：
老板是怎么知道流失严重的，有没有看到真实数据？
如果没看到数据，是什么具体事情产生了这个判断？
如果有看到数据，是谁、什么形式、什么时间提交的数据？
如果有数据，那么我们一般认为多少流失率合适？
如果没有明确数据标准，那参照什么时期、什么业务合适？
这里特别要注意的是标准的问题，老板可能没有看到数据细节，但标准一定是掌握在老板手里的。好多刚做数据分析的新人，喜欢越过老板自己提标准。“我认为”“我觉得”“习惯是”“不就是”“应该是”……结果分析出结果被老板各种往死里K。
上边都理清了就能分析了？nonono，只是开始而已。因为即使证明了“流失率高”是个事实，也不能说明这个真的是个问题。如果只是季节性波动呢？如果用户生命周期已到末尾呢？所以还得进一步具体化：
到底是什么时间开始流失率高的？
一次性、持续性还是周期性高，是否是季节性/周期性波动？
哪些渠道的流失率高，全局性的还是局部性的？
哪些类型客户流失率高，新客/老客，整体的还是局部的？
在以上渠道、客户群、时间点上，是否我方业务有重大变化？
在以上渠道、客户群、时间点上，是否外部环境有重大变化？
上边的都理清了，才知道到底这是正常波动还是异常波动，到底这个问题是否重要到要去解决，要马上去解决。到底和哪些人有关联。下一步，才好具体分析：“为什么在这个时间点、区域、客户身上会出问题？”
有了细致的现状描述，后续分析思路简直如江河泛滥一发不可收拾。因为在描述事情的时候，我们就已经看到不同的组间差异，收集到了潜在影响因素。这对于后边提分析假设，验证分析结果有重大帮助。所以说：具体问题具体分析，有了具体问题，才好具体分析。
然而，职场上新人们往往怕聊具体问题。除了缺乏方法上的训练外，也缺乏胆量上的训练。特别是做数据分析的新人，总怕问多了问题显得自己没本事，总是希望开发一套算法，2000行代码一run治百病。所以连胆量都是得专门训练的。我经常对下边的新人讲：大家不要怕问问题，你看越是资深的医生，越是望闻问切，问的问题越细致。只有医院门口算命大师，才是一见面：“施主你不要张口，我已经算到你今日运势了”。
问问题不可怕，解决不了问题才可怕。况且企业经营中，本身问题就是错综复杂的，不像算法教科书，标记好了哪些是训练集，哪些是测试集。到底现在面对的是不是问题，是多大问题需要管理层自己去判断。这就更需要作为参谋的数据分析师有高敏感度，才能理清状况。
以上，在做数据分析之前，可能有意无意的会觉得“想问题具体一些好”。可真正靠数据分析混饭吃的时候，就必须得打起十二分精神，告诉自己具体具体再具体一点，才能尽量分析的具体，不被业务嫌弃。可能外行人觉得我们跟算命的差不多，只不过把算盘筛子换成阿尔法狗。那狗厉害啊！智商都能打败人了！可自己做工作就会明白：狗就是狗，思考问题，还是得靠人脑的训练的，哈哈。