数据本身没有什么价值，有价值的是我们从数据中提取出来的信息。
什么是数据分析？
从数据到信息的整个过程，就是数据分析。
数据分析的目的是，解决我们现实中的某个问题或者满足现实中的某个需求。
数据分析，也有一些固定的思路或者思维。以下是从统计学提炼的五种思维：
1.对照思维
单独看一个数据是没有感觉的，因此数据需要与其他数据对照比较，才能获知数据的差异，获得结论。
例如，昨天电商平台销售额与今天销售额之间对比，是高了还是低了，为什么高为什么低，这是应用对照思维。
2.拆分思维
如果一个数据没有可供对照的数据，我们可以运用拆分。如一家电商新店铺，如果需要做流量提升，由于是新店，还没有可对照的数据，我们可以对流量的来源数据进行拆分。
例如分为站内流量与站外流量，再继续拆分，站内流量有自然搜索、各种付费推广工具、平台推荐等，站外流量则有来自微博、短视频平台、问答社区等等。这些流量每一部分拆分后，我们可以获知各渠道的占比，以及什么渠道的转化或咨询率更高，则可重点优化，扬长避短，集中火力。
3.降维思维
我们在数据监测平台可以导出大量的数据，很多时候，一张Excel表格就有上千行、数十列的数据，但如此多的维度，我们其实不必每一个维度都去分析，因为有的数据是存在关系的。
例如A/B=C的关系，在知道这种关系后，可以只分析其中两项即可，因为剩下的一项能够倒推，如此“降维”，只关心对我们最有价值的几项数据即可。
4.增维思维
与降维思维相反，当我们已有的数据维度并不能更好解析某个问题的时候，我们可以通过数据之间的运算，额外增加一项新指标，以快速获得一个问题的分析结论。
如根据搜索指数/商品数=系数B，系数B可以用于代表某个关键词的竞争程度，这就是在增加数据维度，方便快速感知竞争情况。这个被增加的维度可以被称为“辅助列”。
5.假说思维
“假说”是统计学的专用名词们俗称假设。即当我们不知道结果或是可能有多种结果的时候，先假设有了结果，然后运用逆向思维倒推，找到原因。有什么原因，才能达到这种结果。常用于通过这种方式，去找到最佳的决策或实现路径。假设不仅可以对结果进行假设，还可以对过程进行假设。
回到数据分析的目的——解决我们现实中的某个问题或者满足现实中的某个需求。所以，只有我们明确了问题或者需求，才能运用合适的数据分析思维以及方法。
