数据思维！数据思维！大家都在谈论数据思维。到底数据思维是个什么鬼呢？笔者认为：数据思维是应用数据科学的原理、方法、技术来解读事物和解决现实场景中问题的底层思维逻辑。数据思维是数据分析背后的底层认知和基本逻辑，是产生数据分析方法的方法论，各种数据分析方法本质上都是数据思维的输出结果和表现形式。
那么，问题来了，完整的数据思维是怎么形成的呢？笔者给出了一个数据思维六角度模型，从描述、定位、需求、应用、技术和价值角度对数据思维进行了阐释，这六个角度基本上能概括用数据来分析和解决问题的过程和机理。
1、描述角度：描述是数据最基本的功能。当然，用数据来描述事物或者业务问题时，首先要确定的是描述的对象，然后拆解出合适的描述维度，再将维度分解为更细粒度的指标。分解指标时需要注意定义、口径和计算方法，还要明确指标的数据来源、数据格式和更新频次等。最后形成一定的描述框架，用数据的语言进行表达。描述角度要完成的是用数据刻画研究对象，这是数据思维的起点。
2、定位角度：这个角度考察的是研究对象在数据价值链条上的位置。数据价值链的参与主体的角色分为硬件支撑厂商、数据源、技术支撑厂商、交易市场和数据消费者等，有时候我们的研究对象可能同时具备多种身份。例如：研究某些自媒体创作者时，他们既是数据的生产者或者称之为数据源，也是数据的消费者，因为他们在创作内容对外输出的同时，也在与粉丝们互动、在吸收和加工外界输入的数据。当然，面对具体问题时，我们对研究对象的角色定位会有一个倾向性的侧重。还是以自媒体创作者为例，当我们研究其影响力时，我们更侧重于将其定位为内容的生产者，用数据的语言来描述就是数据源。定位角度是从数据视角对研究对象在功能和地位上的界定，是我们启动思考的前置条件。
3、需求角度：要不要用到数据来分析和解决问题还要根据当事人对我们提出的需求来决定。当我们面对的任务仅仅是描述研究对象时，就不用再“自作多情”的搞一堆数据分析模型了；在当事人面临一些问题或困境的局面下，需要我们帮助解决问题时，这时候就可以启动需求分析了。我们要思考的问题包括：当事人面临的问题是什么，问题有多严重，问题是否具有普遍性，能否用数据的语言来描述需求和界定问题，是否具备从数据角度出发解决问题的基础。从需求角度界定场景与问题是我们引入数据视角前应完成的思考内容，是对思考范围和目标的锁定。
4、应用角度：在明确问题和需求之后就要构建数据分析与应用的思路了。我们要思考包括：当事人提出的问题用数据视角可以“翻译”为哪种类型的数学问题，这类问题的解决思路有哪几种，当前情况下用数据分析和解决此类问题是否具有可行性，实际操作过程中可能面临哪些数据问题。应用角度要求我们先要理解需求和问题，然后再建立起基于数据视角的分析和解决问题的思维框架。
5、技术角度：技术无疑是为应用服务的，在应用数据的思维框架下，我们心目中应建立起技术落地方案的流程图。也就是说对于技术落地要做到“心中有数”：现有数据能支持做哪些事情，用数据分析和解决问题要分哪几个步骤，每个步骤需要用到什么样的工具，需要用到什么算法和分析模型，需不需要搭建数据平台，如何保证数据的安全等等。技术角度要求我们要有预见性，能提前在心中梳理出技术落地的路径与方案，这是数据思维与实际问题深度融合的关键环节。
6、价值角度：在从思考进入实操之前，我们要做的最后一件事情就是要分析数据角度分析和解决问题的价值。我们要考量的是：从数据角度分析和解决问题是不是当前的最优解，这样做有什么样的价值，这样做的价值如何量化和评估，这种模式下能否将数据价值长期化、产品化。因此，价值角度是数据思维的终点，是我们完成数据思维闭环的最后一环。
综上所述，从描述角度入手用数据刻画研究对象，再从定位角度看清其在数据价值链上的位置，然后洞察需求、界定问题，将业务问题转化为数学问题，思考解决问题的方法和技术实现方案，最后用数据来评估这套模式的价值、完成思考的闭环，六个角度环环相扣，用数据来贯穿，这就是我所理解的数据思维的形成路径。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请发送邮件举报，一经查实，本站将立刻删除。
