13个必备工具帮你建立数据思维

　　信度与效度的概念最早来源于调查分析，但现在引申到数据分析工作的各个方面。

　　信度是指一个数据或指标自身的可靠程度，包括准确性和稳定性。

　　取数逻辑是否正确?有没有计算错误?这属于准确性;每次计算的算法是否稳定?口径是否一致?以相同的方法计算不同的对象时，准确性是否有波动?这是稳定性。

　　做到了以上两个方面，就是一个好的数据或指标了吗?其实还不够，还有一个更重要的因素——效度。

　　效度是指一个数据或指标的生成，需贴合它所要衡量的事物，即指标的变化能够代表该事物的变化。

　　只有在信度和效度上都达标，才是一个有价值的数据指标，例如，要衡量我身体的肥胖情况，我选择了穿衣的号码作为指标。

　　一方面，相同的衣服尺码对应的实际衣服大小是不同的，会有美版、韩版等因素，使得准确性很差。同时，一会儿穿这个牌子的衣服，一会儿穿那个牌子的衣服，使得该衡量方式形成的结果很不稳定。所以，衣服尺码这个指标的信度不够。

　　另一方面，衡量身体肥胖情况用衣服的尺码大小?你一定觉得很荒唐，尺码大小并不能反映肥胖情况，因此效度也不足。

　　在现实工作中，许多人会想当然地拿来指标就用，这是非常值得警惕的。你要切骨头却拿了把手术刀，是不是很可悲?信度和效度的本质，其实就是数据质量的问题，这是一切分析的基石，再怎么重视都不过分。

　　分类思维是指在许多场景中需要将事物进行分类，例如客户分群、产品归类、市场分级、绩效评价等。关键点在于分类后的事物需要在核心指标上拉开距离，即分类后的结果必须是显著的。

　　例如，假设图中反映了某个消费者分群的结果，横轴代表购买频率，纵轴代表消费单价，那么绿色的这群人就是明显的“人傻钱多”的“剁手金牌客户”。

　　矩阵思维是分类思维的发展，它不再局限于用量化指标进行分类。许多时候，我们没有数据作为支持，只能通过经验推断，可以把某些重要因素组合成矩阵，大致定义出好坏的方向，然后进行分析。

　　漏斗思维在许多分析场景中应用广泛，例如注册转化、购买流程、销售管道、浏览路径等。但在应用过程中，需要注意漏斗的长度和环节的比例数值，以避免信息的遗漏和波动的忽视。

　　相关思维是观察指标时需要考虑指标间的相互关系。通过计算指标间的相关系数，可以发现相互之间的相关性和影响，从而更全面地理解数据。

　　在分析问题时，循环/闭环思维可以帮助我们定义业务流程的闭环，从而更好地把握公司的运行状况。而测试/对比思维可以通过对比测试来辅助决策，需要注意选择参照组进行对比，以保持实验的准确性。 

　　指数化思维是将多个因素综合为一个综合指数来追踪问题的思维方式，通过降维，使得管理者可以更好地集中精力和理解数据的变化。