0 3

理解数据

能够很好地感知数据后，就要了解收集数据的方式，如果调查对象内部差异特别大且不能全面调查，那就用用样本推断总体;如果想了解人的内部状态，那就用问卷；如果想确定因果关系或者想知道一个判断是不是靠谱，那就用实验。同时要注意运用大数据时代新出现的一些方式方法。

1.用数据表征事物

理解数据，最常见的问题就是如何从数据中得出判断从而给事物进行表征（定性）。

在寻找表征之前，要思考两个问题：一是是否真正理解了问题，即我想要定性什么概念？要用什么数据指标来进行反映？；二是如何尽可能地提取现有数据蕴含的所有信息，用一个最合适的方程表达出来。

在面对复杂问题时，我们需要随着信息的增加而不断调整表征方向；在没有现成指标时，我们要自己构造。利用现有数据构造新指标是有风险的事情，但是坚持尝试是很有必要的，只有坚持实践，才能磨练你的技能，提高你的数据思维。

2. 有效分类

分类就是按照量的标准把一个总体分成几组，并保证组内差异小，组间差异大。例如，根据人均GDP、工业技术、科学技术和社会福利等的不同，可以将全球200余个国家/地区划分为发达国家和发展中国家。

分类时，要基于实际解决的问题，在数据和现实生活中建立可靠的连接，如果数据不与现实结合，很可能就会犯错误  。

3.因素分解

分解就是把影响一个复杂事物的各种纠缠的因素分开，不要一见到差异就想当然地认为都源于一个单一因素，要通过分解浓缩信息、探究本质。

例如，影响GDP规模的因素很多，但是若从GDP的计算方式入手，将其分解为私人消费、投资、政府消费支出、出口、进口几大部分，就能很好地对其各个板块进行分析，从而了解本质。

4.因果分析

确认两件事物的因果关系是我们最常用的思考方式之一，只有知道了原因才能做预测，做解释，做干预。

因果关系成立有3个必要条件，一是如果两个变量之间是因果关系，那它们之间肯定有相关；二是两个变量之间有先后，原因在前，结果在后；三是两个变量之间的关系不被第三个变量解释。

因果关系的寻找是一项重大挑战，没有保证成功的一般法则。其整体思路是先建立所研究问题整体的运行图景，说明各个变量之间的联系。然后去收集数据，让数据逼近这个理论图景。再然后，用数据验证这个理论。如果验证通过，就对理论更相信一点。如果不通过，就改进理论或者收集新的数据，再次验证。如此循环下去。