第一大思维：【对照】
“对照”俗称对比，单独看一个数据是绝对化的数字，不能代表什么，而必需跟另一个数据做对比，才能比较出数据价值。如下图：
图a为今天的销量，对数据分析思路来说，今天的销量就是个数字，无数据价值和意义；
图b为今天与昨天的销量，经过跟昨天的销量对比，就会发现，今天实际比昨天的量级差了一大截。那么这样就有自己的数据价值了。
这是最基本的思路，也是最重要的思路。在现实数据分析中的应用非常广，大到业绩汇报，细到选款测款、监控店铺数据等工作，这些过程就是在做“对照”。数据分析人员获取到数据后，若数据是单独的，无法进行对比参照的话，就不能判断实际意义，也就不能从数据中转化出有价值的信息了。
第二大思维：【拆分】
分析这个词从字面上来理解，就是拆分和解析。因此可见，拆分在数据分析中的重要性。
我们回到第一个思维“对照”上面来，当某个维度可以对比的时候，我们选择对比。再对比后发现问题需要找出原因的时候却没得对比，怎么办？这个时候，“拆分”就闪亮登场了。
给大家描述一个场景：运营人员小美，经过对比店铺的数据，发现今天的销售额只有昨天的50%，这个时候，我们再怎么对比销售额这个维度，已经没有意义了。这时需要对销售额这个维度（或指标）做进一步分解。根据电商基本公式：销售额=成交用户数客单价成交用户数=访客数（UV）转化率详见图c和图d
图c：为了有更清晰的脉络和思路，我们将两个电商的基本公式拆解成图示，
图d：将流量结构按照免费与付费拆解，再深一步细分，对流量成分更全更细的拆解（其实还可以分更细，此处以思路为重点就暂不展开）。
拆分后的结果，相对于拆分前会清晰许多，便于分析，找细节。例如“流量多还是少”的论断是不利于采取决策的，将流量细分到免费流量和付费流量上来判断，是“免费流量过少，付费流量占比太大”还是“免费流量很稳定，付费流量不够”，判断越细致，越利于解决问题阶段采取有效精准的措施。由此可见，“拆分”是分析人员必备的思维之二。
第三大思维：【降维】
面对一大堆不同维度的数据束手无策，看着屏幕发呆…你们是否会有过这样的经历？当数据的维度太多的时候，我们不可能每个维度都拿来分析，一些相关联的数据指标，可筛选出数据堆中能够合并的维度即可。这句话是什么意思呢？如下表：
这么多的数据维度，其实不必每个都分析。我们知道了 “成交用户数/访客数=转化率”，所以当存在这种维度时，是可以通过其他两个维度计算出来时，我们就可以“降维”。即三选二。例如：当数据堆中含有成交用户数、访客数和转化率三个数据维度时，三选二可留访客数与转化率。成交用户数客单价=销售额，这三个数据维度也可以三选二呢，即选择销售额与成交用户数。
综上，通常我们只关心对自己有用的数据，当某些维度的数据跟我们的分析无关时，就可以过滤掉，达到“降维*”目的。
第四大思维：【增维】
增维和降维是相对应的，有降必有增。当我们当前的数据维度不能很清晰很全面地解释我们的问题时，我们就需要对数据做一个运算，多增加一个指标。请看下图：
我们发现一个搜索指数和一个宝贝数，这两个指标一个代表需求，一个代表竞争，有很多人把搜索指数/宝贝数=倍数，用倍数来代表一个词的竞争度（仅供参考）。这种做法，就是在给数据增维。增加的维度有一种叫法称之为“辅助列”。
需要强调的是，做好“增维”和“降维” 之前，必需要充分、熟练掌握透数据本身的意义与相互之间的关系后，有目的的对数据进行转换处理和运算，最终达到分析数据的目的。
第五大思维：【假说】
当我们拿不准未来的时候，或者说是迷茫的时候。我们可以用“假说“。假说是统计学的专业名词，俗称假设。当我们不知道结果，或者可能会有几种选择的时候，那么我们就召唤“假说”吧，我们先假设有了结果，然后运用逆向思维来进行分析。
从结果到原因，要有怎么样的因，才能产生这种结果。这有点寻根的味道。那么，我们可以知道，现在满足了多少因，还需要多少因。如果是多选的情况下，我们就可以通过这种方法来找到最佳路径（决策）。我们在说做未来一年的年度计划或者月度计划的时候，都是对未来拿不准的，这个时候就要假设一个目标，倒推分析达成这个目标需要做什么；或者某项营销活动的结果可能有好几种，那么设想针对不同的结果，应该有什么样的数据现象，然后需要什么样的准备。当然，“假说”的威力不仅仅如此，除了结果可以假设，过程也是可以被假设的。我们回到数据分析的目的，我们就会知道只有明确了问题和需求，我们才能选择分析的方法。
那么以上的内容，就是我们本文的五个核心的思维方式：对照、拆分、降维、增维以及假说，大家在做简单数据分析时可对应尝试套用。那么在数据分析思路之外，再补充一个关键点，就是三大数据类型。三大数据类型是按照时间序列的细分，来给数据堆中的数据指标做的分类。如图的时间轴，我们分为“过去”、“现在”和“未来”
第一大数据类型：【过去】
“过去”的数据指历史数据，已经发生过的数据。作用：用于总结、对照和提炼知识。如：历史店铺运营数据，退款数据，订单数据等……
第二大数据类型：【现在】
“现在”的概念比较模糊，当天，当月，今年这些都可以是现在的数据，看我们的时间单位而定。如果我们是以天作为单位，那么，今天的数据，就是现在的数据。现在的数据和过去的数据做比较，才可以知道现在自己是在哪个位置，单有现在的数据，是没什么用处的。作用：用于了解现况，发现问题。如：当天的店铺数据。
第三大数据类型：【未来】
“未来”的数据指未发生的数据，通过预测得到。比如我们做得规划，预算等，这些就是在时间点上还没有到，但是却已经有了数据。这个数据是作为参考的数据，预测没有100%，总是有点儿出入的。作用：用于预测。如：店铺规划，销售计划。这三种类型的数据是单向流动的，未来终究会变成现在，直到变成过去。
