前言
最近报名了天善智能 秦路老师 的课程《七周成为数据分析师》，第一章节就是数据分析思维，可见数据思维的重要性。在工作中，我们会遇到的很多问题其实都是和思维相关的，哪怕你是用了很多的厉害的工具，但有些时候你也不能确定你的分析是否正确。在数据分析这条路上，真正决定你价值或者竞争力的不是使用工具的能力，而是真正解决问题的能力。
数据分析的三种核心思维
数据分析的可信思维可以抽象成 结构化，公式化 和 业务化。
首先，结构化，结构化主要解决的就是分析思路乱的问题，这包括分析和阐述的过程， 一个好的数据分析一定是结构化的，或者说是有序的。
这一方面我们可以参考麦肯锡的金字塔原理：
金字塔原理的思考方式是这样的：
可以使用思维导图的软件，比如XMIND，建立思维导图来帮助进行分析，比如下图这样：
所以说，结构化的思维就是利用金字塔结构将一个核心的论点拆成多个分论点，分论点可以支撑上一级的论点，也可以在进行再次拆分。
然而，结构化思维并不是完美的，结构化是分析的思维，但是它并不够数据化，而且不可避免的有过于发散的缺点。在结构化的过程中，我们的论点很可能没有过多的数据支撑，或者很难拿到数据，这种情况下我们就会用到公式化。
下面说说公式化的思维模式。
对于数据分析师来说，将一切结构量化是很重要的一个技能。在这里，公式化的核心就是 将一切结构进行量化。
公式化的思维中除了一个量化过程，还有一个重要的点是将上面结构化思维的论点柴刀最小不可分割。这个其实和管理咨询方面常说的MECE（Mutually Exclusively Collectively Exhaustively）的思维是一致的。
公式化并不是说要你把一个问题用特别复杂的统计学和数学原理来解决，它涉及到的一般也就是数学上的加减乘除。
下面举一个销量的例子：
下面是一个用户获取的例子：
结构化和公式化能够解决大部分的问题，但是我们还需要采用业务化的思维来进行更准确的分析。
举个例子，比如现在要你预估上海地区共享单车的投放量，可以怎么思考呢？
可以从以下的角度：
但是 单车是有损耗的，我们还需要考虑单车的损耗因素。
所以说，综合上面三种分析思维，其实我们可以这么看
