在数据分析中，数据分析思维是框架式的指引。每个数据分析师，都应该更加注重数据分析思维的培养。
对比思维
对比法就是用两组或两组以上的数据进行比较，是最通用的方法。
我们知道孤立的数据没有意义，有对比才有差异。一些直接描述事物的变量，如长度、数量、高度、宽度等。通过对比得到比率数据，增速、效率、效益等指标，这才是数据分析时常用的。
比如你的本次考试成绩与历史成绩的对比，以及成绩在班级里的排名，对比有两个方向，一个纵向一个横向。
细分思维
细分思维在生活中无处不在。
比如，你的某次考试总成绩不好，细分一看，其他科目成绩都还不错，只有物理成绩特别差，因此拉低了总成绩。这是把整个考试成绩进行细分，工作中数据分析包括时间、地区、渠道、产品、员工、客户等的划分。
溯源思维
有时候，即使运用了对比思维和细分思维，依然分析不出来结论，
此时可以试试溯源思维，追溯数据源的详细记录，然后基于此思考数据源背后可能隐藏的逻辑关系。
比如，知道了是物理没考好导致的总成绩差，追溯数据源后了解到是因为本次考试答题卡丢失，导致紧张所致。
如果不断用溯源思维去分析，那么对数据的敏感和业务的理解也能逐步加深。
相关思维
相关思维是数据分析的核心，这种思维是建立在相关分析的基础上。
看数据指标不要只看一个“点”，还要看一条“线”上的前后连接的环节，进而从“面”或“体”的角度去看整个大环境中都有哪些因素相互作用。
经常计算指标间的相关系数，仔细思考相关系数背后的逻辑，有的是显而易见的常识，比如订单数和购买人数，有的或许就能给你带来惊喜！另外，“没有相关关系”，这往往也会成为惊喜的来源哦。
在大多数情况下，一旦我们完成了相关分析，而又不再满足于仅仅知道「是什么」的时候，我们就会继续向更深层次的方向，去研究因果关系，找出背后的「为什么」。
假设思维
当我们还没有足够的数据和证据来证明某件事的时候，我们可以先假设，然后再求证，验证假设是否成立。
在数据分析中，假设思维的专业术语叫假设检验，一般包括四个步骤，即：提出假设、抽取样本、检验假设、作出判断，在这里我们就不展开去讲那些专业术语了。
逆向思维
有时候，我们需要打破常规的思维模式，从相反的方向来思考问题。
比如以前的工厂效率低下，人围着机器和零件转，每个工人累得半死效率还不高。后来有人改善了工序，让人不动零件动，这样逐渐就发展出流水线的概念了。效率大大提高。
你看，运用逆向思维，有时可能会起到意想不到的效果。
演绎思维
演绎思维是从一般到特殊的推理，是从原因找结果的方法。
要想预测四月份的成交金额会如何，首先需要分析前三个月的成交金额为什么会上涨？当时的背景是什么？上涨需要哪些条件？四月份的这些条件是否依然存在？如果维持成交金额上涨的条件不变，我们才能说四月份会继续延续这种上涨的势头。
经过演绎法推理的结论才是合理的，而且我们通过深挖找出了内部的原因，这才是业务人员想要知道的。
数据分析的价值就体现在这。
归纳思维
归纳思维的方向与演绎正好相反，归纳的过程是从个别到一般。通过观察很多个别事物的特殊性，然后概括出同类事物的特征。
数据分析的过程，往往是先接触到个别事物，而后进行归纳总结，推及一般，再进行演绎推理，从一般推及个别，如此循环往复，不断积累经验。
想要做一个好的数据分析师，必须拥有数据分析的思维，如果你学会了很多数据分析的工具和技巧，依然做不好数据分析，建议尝试练习本文提到的思维。
数据分析很有趣，但同时也很有挑战性，借用数据分析思维，无论是生活还是工作，相信都可以创造出更多的价值。
