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

云风的 BLOG
云风的 BLOG
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
博客园 - 叶小钗
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
V
V2EX
酷 壳 – CoolShell
酷 壳 – CoolShell
月光博客
月光博客
人人都是产品经理
人人都是产品经理
宝玉的分享
宝玉的分享
博客园 - 司徒正美
WordPress大学
WordPress大学
Microsoft Azure Blog
Microsoft Azure Blog
罗磊的独立博客
Vercel News
Vercel News
T
The Blog of Author Tim Ferriss
T
Tailwind CSS Blog
A
About on SuperTechFans
Apple Machine Learning Research
Apple Machine Learning Research
L
LangChain Blog
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
V
Visual Studio Blog
S
SegmentFault 最新的问题
Google DeepMind News
Google DeepMind News
博客园 - 聂微东

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。