最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

车品觉:三大关键步骤 ,人人都是分析师

[复制链接]
跳转到指定楼层
楼主
发表于 2015-12-4 18:44:05 | 只看该作者 |只看大图 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
 当你遇上难题的时候,你试过一声“天知道”然后就草率决定吗?保守估计一般人平均每天要做上百个决定,这些决定小到早餐要吃什么,大到要不要跳槽,都需要我们动动脑筋。有些小的选择错了就错了,无伤大雅,但有些关系到你人生的重大选择就要注意了。
  当你面对既重要又紧急的问题却没有任何经验时该怎么办?人人都希望自己的决策是英明的,但如何才能保证呢?如果有一套清晰的决策框架帮助你是不是比迷迷糊糊地做出选择更好呢?其实只要你愿意,人人都可以成为自己的分析师,面对重大的决策时更能深思熟虑。谨记:好的问题里面潜藏了答案。
  第一步、反复解题
  决策前首先要明确你的问题是什么。先把问题内一些关键词定义清楚,然后反复用不同的角度去重组这个问题,直到问题越来越清晰。例如我要找一份更好的工作,什么是更好的工作?工资高就好吗?
  第二步、厘清选择的逻辑
  当问题定义好了,决策就好办了。因为清楚了问题之后,就比较容易找到相关的数据和信息。而在没弄清楚问题之前,是没办法进行下一步的思考和行动的。如果有人问我他想换一份工作,我会不断问他:你想解决的问题或者目的是什么?找到下一份工作之后,你如何知道你的目的是否达到?如何比较现在与未来?从厘清问题的过程中很容易就会知道衡量各种选择的逻辑。
  第三步、什么是我已经知道的,什么是我不知道的?
  在已经知道的信息中,哪些与你的判断逻辑相关,是支持你的选择还是不支持,同时评估信息对选择的重要性和准确性,其中如果有决定性的因素,更要细分及追本朔源。在数据化的时代,能量化的信息(包括半结构化数据)尤其重要。
  当然世事哪有这么完美,你不知道的往往才是决策的陷阱。不知道的信息,分为两种,一种是你花点时间和资料就能找出的,另一种是“你不知道的不知道”。比如,你想换工作,除了工资、职位、发展前景等条件外,你可能还会需要了解公司的稳定性、新老板对员工如何等,这些是需要你花点时间就得知的信息。但你可能万万没想到第一天上班,部门就被改组了。
  除了“知道的”和“不知道的”,你可能还要看你知道的信息中有多少是是可靠的。分析师在看到数据的第一个反应就是这个数据是从哪里来的?准确吗?他们需要不断地校验数据的准确性。
  最后、在不确定中作判断
  当问题理清楚和数据收集“足够”后,我们就可以对选择作出对比了。前后对比、内外对比、自他对比等等。分析师行内有句六字真言:“对比、细分、溯源”,可说是字字玑珠。其中,溯源是高手的必爭地,无他,基础也。总结来说就把问题分解,找到准确信息,把信息揉合到判断逻辑之中,在有限的资源下作出有利的决策。兵无常势,水无常形, 判断的能力不光是一种科学,更是经验的积累,事后复盘是学习的唯一途径,用结果倒推来审视:问题是否够清 ?判断逻辑对不对?信息是否匹配?从决策的过程中得到反馈,不断优化。好的分析师会把自己也作为分析对象。在此循环往复的分析判断中,最关键的是长期保持“新手”的心态。
  【本文于2015年8月19日发表于香港信报 by 车品觉】


楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-4-27 17:13

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表