前几年突然火了一样东西，这样东西叫做大数据，随着社会科技的发展，有人说大数据将是公司的核心竞争力。那么数据是什么？数据只是一堆数字。数据本身并没有任何价值。但是通过大量数据的链接，形成几个维度的考量，就能看出过去的趋势和情况，最后通过这样的趋势和情况预测未来，实现数据的变现。
前几天参加了point小数点的线下数据分析课，在这里学到了很多。下面是我的一些感受。
第一：数据分析只是一种手段，数据分析软件也只是一种工具，实际问题才是我们的目标。老师一开始就非常严肃的提到这一点。数据分析的方法不难，数据分析的模型不难，因为都是死的，熟能生巧。只有剖析了问题的实质，理清问题的脉络，这样做出的分析才有实际效果。一切不以解决实际问题为导向的分析都是耍流氓。那么怎么剖析问题，老师最后也给出了一个方法，叫做5W1H。多问自己问题，验证问题，最后得出结论。
第二：随着科技的发展，工具层出不穷，我们也依靠这些工具获得了最大的方便。那么我们有没有想过一个问题，我们被工具绑架。每个工具都有优缺点，当我们只会使用一个工具的时候，我们确实在某一方面获得了极大的提升，但是由于工具本身的限制，让我们失去了探索其他方向的动力。掌握一种工具的使用，只是让你上了一个台阶，想要到达山顶需要不断的学习。
第三：我们想要呈现的概念必须经过证实。比如我们在培训的时候使用了几个概念，年毛利=年销售总额-年租金。年坪效=（年销售总额-年租金）/店铺面积。这些概念看是挺对，但是只要一查百度，就会发现混淆了概念。故意混淆概念就有造假的嫌疑。我们做数据分析，一定要真实有效，这样才有可信性。
第四：在做数据强关联的时候，一定要问自己逻辑到底成不成立。比如我们在培训的使用一个逻辑：一个导演影片的平均票房不高，那么这个导演就一定不好吗？这个逻辑是不对的，电影票房不高的原因有很多，放映的时间，年代都有很大的关系。很多看上去没毛病的逻辑，当我们深究的时候就会发现问题。
第五：在呈现数据因果的时候，一定要明了，条件补充完整。数据的因果关联一定是要别人一眼就能看出的。比如我们在培训的时候使用一个因果关联。商场一家店铺坪效很高，销售额很高，从而说明它的人流很大。坪效高，人流一定多吗？店铺很小，卖的东西很贵，坪效也很高，人流也不用很多。所以正确的是商场一家店铺坪效很高，店铺本身销售的是小玩具，客户客单价不会很高，而且店铺面积很大，销售金额也非常高，这样才能说明人流很大。
最后在生活中，我们一直在说具体问题具体分析，我们真的能这样吗？我们掌握一种方法的时候，我们拿着这个方法找问题，我们会把所以问题当成了同一种钉子。这是一种常见的陷阱，避开它我们将更上一层。
