《100个思维模型系列》050.数据认知思维模型

本系列内容来源：查理芒格的100个思维模型。

爱因斯坦曾说：宇宙不可理解之处，就是它居然是可以被理解的！

《万物皆数》一书告诉我们，那些看似不可理解的万物背后，隐藏着一把开启理解之门的钥匙，而这把钥匙就是数字！

世界由什么组成？在目前的认知范围内，世界组成的四大类要素是时间，空间，物质（即能量）、数据。

由此，可见数字、数据对我们的认知是多么重要。

今天我们来聊聊数据思维模型——查理·芒格100个思维模型中的第46个，一个教我们使用数据来提出问题、解决问题、提高认知的思维模型。

本文依然从三个方面进行介绍，何谓数据认知思维模型，数据认知思维模型生活中的运用，怎么培养该思维模型，供参考。

01、何谓数据认知思维模型

一、数据认知思维

所谓数据认知思维，指的是在我们生活中，存在很多各种各样的数据，这些数据对个人和企业都有极高的价值，重要的是我们能不能将其挖掘出来，并产生概念与认知的飞跃，从而推动我们在生活上产生质的飞跃。

如，当今增长最快，最备受关注的企业——字节跳动，构建了以数据算法为主的核心竞争力，并以数据和算法为业务赋能，不断提升自身的竞争力。

历经9年的时间，字节跳动的业务版图急速扩张，以专注图文信息分发的今日头条为核心衍生出庞大的内容产品矩阵，例如抖音短视频、西瓜短视频、懂车帝等。

字节跳动的数据和算法，不仅赋能了内容向媒体业务，也赋能了营销向媒体业务。

在2019引擎大会上，字节跳动发布了商业化营销服务品牌——巨量引擎，将今日头条、抖音短视频、火山小视频、西瓜视频、懂车帝、激萌Faceu、轻颜相机、穿山甲等产品的营销能力进行整合，同时联合众多流量、数据和内容方面的合作机构，主打为全球广告主提供综合的数字营销服务。

2020年，字节跳动收入达2366亿元，其中广告收入达到了1830亿元，成为了当之无愧的广告巨头。在“巨头”的背后，字节跳动的数据与技术能力，功不可没。

所谓数据认知思维，字节创始人张一鸣总结为：数据收集、做出决策，高效执行。

二、数据认知思维模型

所谓数据认知思维模型，就是指将数据认知思维运用到解决问题上。

生活、工作中，培养自己的数据认知思维，即注重数据的收集，使用数据来提出问题、解决问题、提高认知，继而推动我们在生活上产生质的飞跃。

02、数据认知思维模型生活中的运用

一、疫情期间的大数据

2020年的新冠肺炎疫情突如其来，赶上春节假期窗口，给各地政府管理、社会治理、民生服务、产业发展、企业生产经营等各方面都带来了巨大的挑战和困难。

本次疫情的发生、传播及防控过程，让我们不禁回想起2003年的SARS疫情，对比两次疫情的防控体系能力，发现大数据在本次疫情中起到了巨大的作用和价值。

如，疫情发生后，工业和信息化部第一时间成立电信大数据支撑服务疫情防控领导小组，统筹协调部门之间、部省之间的联动共享。通过电信大数据用户位置轨迹数据多元场景分析，能够统计全国特别是湖北等重点地区的人员流动情况，分析预测确诊、疑似患者及密切接触人员等重点人群的流动情况，支撑服务疫情态势研判、疫情防控部署以及对流动人员的监测统计。

再比如，健康码，新冠疫情背景下诞生的一款现象级产品。它以每个人员的空间维度、时间维度和人际关系维度等真实数据为依据，来判定人员是否在一定时期内直接或间接的接触过一些感染者，来判定目标人员是否需要隔离，从而达到早预防早治理的目的。

二、绘制用户画像

用户画像本质是企业的数据资产的一种表现形式，是个性化推荐、广告系统、活动营销、内容推荐、兴趣偏好等具体应用的核心支撑。

我们的手机，手机上的APP比我们更了解自己（做最懂你的APP），就是基于用户画像技术的应用。

用户画像，最早由交互设计之父Alan Cooper提出，原意是建立在一系列真实数据之上的目标用户模型，也可以理解为真实用户的虚拟代表，用于描述自然人的属性。

在互联网中，也可以理解为用户标签的概念，与大数据概念强相关，通过数据来刻画用户。

互联网企业在定义产品、服务的功能边界时，首先要考虑的就是我们的目标用户群体是谁，我们应该如何找到这类用户。在业务发展的早期阶段，会比较多的借助于用户画像，帮助产研人员理解用户的需求，降低产品使用的复杂性。而随着业务不断发展，用户画像也成为了维持用户增长、进行AB实验的基础性数据，深度与广度都会不断的进行丰富。

03、怎么培养数据认知思维模型

大数据时代，数据认知思维非常重要，那么，如何培养自己的数据认知思维模型呢？

由数据认知概念我们可知，数据认知思维包括两个核心点：一是数据敏感度；二是数据方法经验。

数据敏感度，我理解的就是你看到一个数字，你大概就能感知这个数字是否合理还是有异常，当数据异常的时候，大概能知道问题可能出在哪里，并且能够追溯到原因。总之，假如你数据敏感度高，你可以看到数据背后更多的信息。

数据方法经验，我理解的是你看到这些问题还不行，还需能够利用数据分析的方法来解决实际的问题，这也是构成数据思维很重要的一部分。数据分析的方法就很多，比如：漏斗分析、相关性分析、5W2H分析、对比分析、分群分析等等。

举个简单的例子，比如，上周和我同事去一家新开的火锅店吃饭，感觉人还挺多的。我同事就说，这家餐厅好火爆，生意还挺不错的，老板应该可以赚不少钱。老板能够赚多少钱，他的思考逻辑都是基于“挺多的”、“火爆”、“挺不错”这样的虚词，靠直觉得出的结论。但是，对于一个拥有数据思维的人来说，他要是很想认真的回答这个问题，可能就会这么思考。

餐厅有多少座位，这个大概可以数出来；餐厅有多少平米，可以估算出来；翻台率是多少，从自己吃饭上菜到吃完的时间和饭点时间跨度是可以估算出来的；客源如何，可以从餐厅附近所处的位置来判断；每样菜的毛利率，从菜单和上菜后的量可以推断。最后，综合这些维度数据，进行加工，大概率就可以估算出这家店的能不能赚钱，一个月可以赚多少钱。

那么如何培养数据认知思维的两个核心点呢？

个人觉得，拥有良好的数据认知思维，首先需要有一定的数据基础，一般数学成绩好的人数据基础就比较好。

其次学会建立数据链条，我们在梳理业务的时候，都会用业务流程图表明各个模块之间的关系，伴随着业务流程产生的数据，就是数据流，各个数据指标之间也存在先后和关联，这就是我所说的数据链条。

最后学会定义数据指标，即看出、分析出数据背后的原因，从而指导我们下一步行动。

综上，个人认为拥有一定的数据基础，建立严格的数据链条，学会定义数据指标体系，是建立良好数据认知思维的三部曲。