數據分析可以是一個職業，一份工作，也可以是一種思維方式。我們會使用很多數據分析工具，如tableau，excel，python的工具包等等。而在日常工作中，我們除了需要熟練掌握這些工具的使用外，更主要的是培養自己的數據分析思維。

培養數據分析思維不僅對找一份和數據分析相關的工作有幫助，在日常生活中同樣會有幫助。今天的內容會從以下幾個方面進行分享：

1. 我們做一個有關生命線的游戲。你可以把生命線看作是數據可視化，能從中發現什么規律呢?

2. 當你想知道事情的答案，但不知道從何處下手的時候，要怎么辦呢?要學會提問。好的問題就是好的開始。遇到茫然的情況，不妨從提問開始。

3. “我平時也有一些關于數據分析的思考，但是效率不高，有什么方法可以提升效率么?”分享是最快的成長，通過反向傳播可以讓我們更快得到收斂。

4. “我也知道數據分析思維的訓練很重要，但是平時工作很忙該怎么辦?”

一個關于生命線的游戲

舉個例子，如果你想知道自己是如何掙錢的，你可以分析自己以往掙錢的經歷，也可以是賠錢的經歷，把它們寫在一個時間軸上，縱坐標是發生的事件，這個事件對你的影響越大，縱坐標的絕對值就越大。通過生命線的分析，我們先把這些事件按照時間的順序記錄下來，然后記錄它們的影響力。實際上這些事件，影響力 y 和時間 x 就是你的生命線歷史數據，畫出生命線之前，你不必思考它們之間的規律是什么。畫出來之后，你有 30 分鐘的時間，仔細思考和分析它們之間有什么關聯。

其實你能看出來，畫生命線之前，我們首先需要有客觀的記錄數據，生命線就相當于數據可視化，更容易讓我們找到規律。你可以對這些事件打上不同的標簽，比如 12 歲的時候給報社投稿掙到了 180 元，26 歲做自媒體，每個月有 2 萬收入等等，那么兩件事都可以打上“寫作”這個標簽。

我們之前講過打標簽是一種抽象能力。當你對這些事件逐一分析打標簽的時候，就有可能從更高的維度上觀察到這些事件的規律。

上面這個是關于掙錢方向的生命線游戲，有空的話你可以做一下，分析分析適合自己的掙錢模式是什么。

此外還有一個生命線的游戲，你肯定不陌生，那就是簡歷。在面試之前，你最重要的信息就是簡歷。HR 會通過簡歷篩選符合要求的人，一般來說會根據簡歷來看職業經歷是否具有連續性，比如說這個人做過行政，又做過銷售，現在面試數據分析的工作，那么對于 HR 來說，他就沒有找到職業方向。所以有些人在投遞某個職位前，會特地對簡歷做有針對性的修改，比如重點呈現和數據分析相關的經歷，其他關系不大的經歷都一一刪除，哪怕經歷再豐富。

不相關的經歷其實就是干擾數據，這些并不是 HR 想要看到的!

除了分析掙錢、找工作以外，通過生命線做數據分析還能幫我們做什么呢?它可以分析你的感情經歷、是否有偏財運等等。數據是非常重要的寶藏，只是你需要知道如何觀察它，使用它。

通過歷史才能看到未來，如果我們不去分析這些歷史，就沒有辦法找到未來的規律。大到國家，小到個人，都是如此。這也是為什么很多成功人士經常讀書的原因之一吧。通過總結別人的成功或者失敗的經驗，可以啟迪自己的人生道路。

提問是最好的老師

當了解數據分析的價值之后，你可能會問，學會提問和數據分析思維有什么聯系?

實際上提問本身就是一種維度的觀察。很多人在做數據分析的時候，首先遇到的問題是沒有數據怎么辦?數據從哪里來?其實在找數據之前，我們應該先問自己一個問題，我要解決什么問題?要分析什么規律?比如說，你想觀察自己掙錢模式的規律，或者想解決個人的情感問題，再或者，想找到一份適合自己的工作等。我們首先需要定義一個目標。

然后圍繞這個目標再問自己，這些數據可能會在哪里?是通過分析自己過去的經歷找，還是從網上找相關的信息?都有哪些渠道可以收集到這些信息?有一個好的問題，才會有好的答案。問題可以幫助我們關注事物的不同方面，而且通常是一些重要的維度，對我們全面客觀地分析一件事是非常有好處的。

從科技進步來看，很多時候都是先有一個問題，再有無數的人前赴后繼去解決它。比如世界三大數學猜想，費馬猜想、四色猜想和哥德巴赫猜想。比如費馬大定理是費馬在 1637 年提出的，此后的 300 年間有無數數學家試圖去驗證它。

學會提問不僅可以幫助我們對事物有更全面的認識，還可以讓我們變被動為主動。要知道在職場上，大部分人的工作狀態都屬于被動性，比如等著領導下任務、數據分析結果沒出來就怪數據不完整，質量不夠好等。被動的狀態往往能量很低，或者說創造性很低。只有當你主動思考，尋找答案的時候，才更可能會有有創造力的發現。以我的學習經歷為例，很多人在上學期間，基本上都是老師在課上講，自己只是聽，很少提問，信息僅僅限于單向傳遞。而我經常會把不懂的問題整理下來，下課的時候主動向老師提問，這樣做的好處是，勤于思考，可以讓知識盡量沒有盲點，另外通過提問和思考的方式，也可以讓我對這個知識掌握得更牢固。我成績通常不錯，后來保送到了清華計算機系，很多人認為我平時學習是不是很晚，其實并沒有，我只是善于找學習的規律，提問思考就是最好的學習方式。它更容易讓我們對一件事物建立多維度的認知。

學會分享是最快的成長

如果說培養數據思維從提問開始，那么把總結分享作為結束則是最適合不過的。把學到的知識分享給身邊的朋友，可以鍛煉我們的邏輯性，分享的過程也是對知識重新梳理的過程。另一方面也可以讓我們獲得別人的反饋，更容易得到正反饋的愉悅。就像我們在做機器學習訓練的時候，如果訓練沒有結果反饋，我們就無法客觀地了解對知識的掌握程度。如果能得到別人的反饋，就更容易有收獲，訓練的收斂速度也會越快。

所以在某種程度上，你可以把分享的過程，理解是在測試集上做驗證的過程。它會讓你收獲更多，成長更快。

培養數據分析思維是重要不緊急的事

你可能會說：“道理我都懂，可就是做的時候想不起來。”那是怎么回事呢?實際上，培養數據分析思維是重要不緊急的事。在工作中，我們經常會被緊急的事情占據帶寬。這些緊急的事情對當下很重要，但是放長遠來看重要性就很弱了。而拉開我們人生差距的，恰恰是那些重要不緊急的事情上，而不是在于我們每天處理了多少緊急的事。

這點很容易理解，畢竟人都有惰性，緊急的事情來了一般都會優先處理。不過你要換一種思考方式，既然我們人生的差距不是在于做過多少緊急的事，而是在于做過多少重要的事，那么從工作的第一天開始，我就應該著重積累重要的事，即使它目前并不緊急。

這樣你會發現，當你做過的重要事情越來越多的時候，緊急的事情也就越來越少了。比如你想著如何找到一份更高薪酬更適合自己工作的時候，就不用著急每個月還貸款的事情了。

總結

今天我們做了一個有關生命線的游戲，你能了解到我們每個人、每個公司、每件事，只要有歷史數據，都有可能從中發現規律，從而指導未來。所以說數據分析這件事，就好比是生命線一樣閃耀著價值。

而培養自己的數據化思維雖然不是一天能練就的，卻是重要的事情。很多時候，我們容易被緊急的事情牽著走，畢竟緊急事情的優先級會更高。但人生差距不是在于處理多少緊急的事，而是在于做過多少重要的事。從人性的角度來看，重要不緊急的事是容易被拖延的。

不過我有兩個工具教你擺脫惰性，一個就是學會提問，它從提問的角度訓練我們的數據化思維，讓我們對事物看得更清楚，另一個就是學會分享，它從反饋的角度讓我們的訓練過程更加收斂，效率得到提升，也更容易獲得成就感。

今天我講到了生命線，它對我們發現自身的規律很有幫助。你不妨畫下自己的生命線，從 0歲開始到目前為止，把你認為對你影響最大的時刻下來，不論是正向，還是負向的事情。橫坐標 X 軸代表時間，縱坐標 Y 軸標注事件點，絕對值越大代表事件對你的影響越大。畫完之后，你能從中發現了什么規律嗎?比如你的高能時刻，通常都是因為什么事情引起的?