惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

A
About on SuperTechFans
Y
Y Combinator Blog
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
Microsoft Security Blog
Microsoft Security Blog
aimingoo的专栏
aimingoo的专栏
I
InfoQ
C
Check Point Blog
IT之家
IT之家
MyScale Blog
MyScale Blog
Apple Machine Learning Research
Apple Machine Learning Research
Vercel News
Vercel News
Last Week in AI
Last Week in AI
GbyAI
GbyAI
P
Proofpoint News Feed
量子位
Stack Overflow Blog
Stack Overflow Blog
Microsoft Azure Blog
Microsoft Azure Blog
月光博客
月光博客
阮一峰的网络日志
阮一峰的网络日志
人人都是产品经理
人人都是产品经理
B
Blog
T
The Blog of Author Tim Ferriss
H
Help Net Security
云风的 BLOG
云风的 BLOG

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
100种分析思维模型之:数据认知
林骥 · 2024-03-14 · via 人人都是产品经理

什么是数据认知思维模型?为何要学习这种思维模型?今天这篇文章作者将会提出他有关数据认知思维模型的见解与提议,推荐想知道怎样分析思维模型的童鞋阅读。

在《万物皆数》这本书中,作者追溯到 150 万年前的旧石器时代,原始人类经过一代又一代的思考、琢磨和传承,打造出了“手斧”形状的工具,它可以用来砍树、割肉、在毛皮上钻洞以及挖地等。

尽管手斧的形状各不相同,但它们都有一个共同的特点:对称。这不是一个巧合,而是原始人类在脑海中有了“数学”的思维。

数学是一门研究数量、结构、空间、信息等概念的学科,在人类社会发展的过程中发挥着非常重要的作用,被广泛应用到很多不同的领域中,包括工程、医学、经济学、计算机科学等。

下面介绍的数据认知思维模型,也属于数学的一种应用。

一、为何学习数据认知思维模型?

数据是信息的基础,而信息是决策的基础。只有提升数据认知能力,才能做出更加科学的决策,进而有运筹帷幄的空间。

数据认知模型可以帮助我们去伪存真, 透过现象洞察事物的本质, 找到问题的根本原因。把握其潜在的运行规律,预测未来发展的趋势,进而做出更加科学的决策。

虽然数据是过去历史的产物,但它却能成为我们未来行动的指南。如果我们能充分利用数据相关的工具和技术,提升自身的认知水平,就能更加有效地解决一些比较复杂的难题。

比如,医生通过化验来收集病人的相关数据,分析数据指标是否异常,然后对症下药并给出相应的治疗方案,帮助病人恢复健康。

再比如,企业通过收集市场的相关数据,分析产品、客户和竞争对手等的相关情况,确定未来的战略方向和战术打法,帮助企业获得利润的增长。

对个人来讲,当你能熟练运用数据认知模型之后,就能更加有效地用数据化解决难题,把问题想得更加透彻,从而让数据发挥出更大的价值,让自己获得更多的发展机会。

二、什么是数据认知思维模型?

我们在这里定义的“数据认知思维模型”,是指通过数据分析提升认知水平,并在付诸行动之后,形成“三位一体”的增强回路。

100种分析思维模型之:数据认知

数据不仅包括传统的数字和数学,还包括文字、照片、视频等内容。人类对自身活动的所有记录,都是数据的一种表现形式。

人类最近 5 年产生的数据,已经超过以前几千年文明的数据总和。而数据量越大,就越需要学习使用新的工具和技能,提升自己的数据认知水平。

在数据和算法的加持下,人工智能已经变得非常强大,不仅下围棋的水平远超人类,而且还能作曲、画画、聊天……人工智能程序 ChatGPT 给出的答案,已经超出了很多普通人,有人甚至用它来辅助写论文、写代码、写报告,等等。

随着技术的发展,我们能获取的数据将会变得越来越多,但关键还是在于我们能否从中分析和挖掘出有价值的信息,帮助我们做出正确的决策,并付诸行动,真正实现用数据赋能成长。

三、 如何提升数据认知的水平?

在《数商》这本书中,作者涂子沛提出了高数商的 10 大原则,我认为也可以用来提升数据认知的水平。

下面我结合自己的理解,简要总结如下。

原则 1:记录数据

勤于记录,善于记录,敢于记录。

勤是习惯,善是方法和工具,敢是勇气。

很多人不愿意、害怕面对自己的记录,所以「敢」也是一个问题。

没有记录,就无法追根溯源,也就无法进行深入的分析,如同无本之木、无源之水。

原则 2:要事分析

定性分析与定量分析相结合,综合运用数据分析的思维。包括目标思维、对比思维、细分思维、溯源思维、相关思维、假设思维、逆向思维、演绎思维、归纳思维等。

按照 SMART 原则进行量化,分类遵循 MECE 法则。运用金字塔原理和结构化表达的方式,以一定的次序、格式或者图表呈现数据分析的结果,经过日积月累的练习,就能逐渐提升数据认知水平。

原则 3:实数求是

从数据中寻找因果关系和底层的规律,让数据成为“感觉的替代品”,这是数据分析的使命。以实“数”求是的态度,学会用数据说话。基于客观事实和对业务的理解,提出符合实际情况的建议。

原则 4:预测未来

运用概率思维,知道未来是多种可能性的分布,预测未来发展的趋势,进而做出更加睿智的决策。

尽管未来充满不确定性,但我们可以充分利用数据的价值,努力让自己活成确定性。

原则 5:假设检验

通过实验和测试,收集更多的数据,经过大胆假设和小心求证,不断追根溯源,寻找真正的因果关系。

原则 6:学以致用

学会用幸存者偏见去分析一些社会现象,把所学知识应用到实践中去,一方面可以检验知识的适用性,另一方面也可以加深对知识的理解。

原则 7:隐性知识

试着用数据去解读生活中的一些隐性知识。比如,通过记录每天晚上的睡眠时间,与白天的精神状态和健康状况建立关联。

原则 8:反对混沌

数据代表清晰,高清晰是有效管理的前提,我们要反对混沌、差不多以及神秘主义的文化。

比如,情绪就像一团乌云,但一旦我们能量化它,它很可能就消散了。所以,善用数据之后,控制情绪的能力也会得到提高。

美国杜克大学的心理学家威廉姆斯,提出一个识别、控制自己情绪的有效办法。当你有一种负面情绪产生的时候,就马上记录下来,例如意识到自己可能要生气,不管出于什么原因,当这个想法一露头,就把原因和状态写下来。

记录的过程实际上是一个思考的过程,很多情绪是天然产生的,但你主动关注并记录下来,它就被提交给了理性,你的大脑就有机会对其进行思考。

我用数据赋能系统来量化和记录自己的情绪,经过实践的检验,确实起到了非常好的效果。

原则 9:搜索技巧

掌握一些搜索的技巧,以前我写过一篇文章:精准搜索资料的6个实用技巧。

网上还有更多的搜索技巧,你不妨尝试把它们找出来,也许你将打开一扇新的大门,对于提升数据认知将会很有帮助。

原则 10:分析工具

熟练运用 Excel、SQL、Python 等数据新世界的工具,可以起到事半功倍的效果。.

我曾经把数据分析的 7 种工具比喻为七种武器:数据分析的 7 种武器。

在数据分析的江湖中,如果没有称手的武器,那么英雄也可能无用武之地。

最后的话

按照DIKW 模型:

数据是知道这个世界发生的基本事实。

信息是从事实中统计出一些客观规律。

知识是基于客观规律产生独特的洞察。

智慧是掌握多种不同的分析思维模型。

一旦你能熟练运用多元思维模型,懂得用思维去驾驭工具,那么数据认知水平将会迅速得到提升。

公众号:林骥,《数据化分析》作者

本文由 @林骥 原创发布于人人都是产品经理。未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。