數據思維既然名叫“思維”，那指的就是一種思考方式，而不是具體的某種代碼寫法或者算數公式。通過一些小問題，可以很容易測出來一個人的數據思維有多少。

比如某天，一個你的熟人哭喪著臉問你：“我炒股虧了100萬，咋辦呀！”

你會怎么回？

問一個簡單的問題，什么叫“虧”。如果大家真的跟股民聊天，就會發現，“虧”這個字在不同股民口中，差異非常大。至少有六種情況：

情況1： 我看到一只好股票，猶豫了，沒有買，結果少賺了100萬

情況2：我買了一只好股票，賣！早！了！結果少賺了100萬

情況3：我買了一只好股票，結果忘了逢高出貨，現在跌了，少賺了100萬

情況4：我買了一只好股票，結果忘了逢高出貨，現在跌了，凈虧了100萬

情況5：我買了一只壞股票，結果一直悶不吭聲，別人都漲了，少賺了100萬

情況6：我買了一只好股票，結果一入手就開始跌，凈虧了100萬

所以，真的認真思考的話，“虧”是很不嚴謹的說法。“虧了100萬”聽起來也有數字，可并不能準確地描述問題。這是一個有數據思維的人絕對不能忍的，一定是先弄清楚情況，再做下一步討論。

這就是數據思維的直觀感受：遇到問題，先試著用數據量化的形式準確描述。根據數據大小決定后續應對策略。

而很多人不會這么思考，比如遇到這個問題，很多人的第一反應是：

1、你買的哪支股票？我看看這只股票行不行？

2、你手頭還有多少錢？還有加倉/減倉的空間不？

3、你一共有多少資產？虧了100萬能把褲子虧掉不？

注意，這三種回答，其實都默認了自己心中的“虧了100萬”，與對方口中的“虧了100萬”是同一回事。跳過了確認環節，直接去到行動環節。

有趣的是，這也是三種典型的思維模式:

● 討論股票的是典型的產品思維，關注產品質量/性能/優劣

● 討論加倉的是典型的銷售思維，重要的是干！干！干！

● 討論操作的是典型的運營思維，看操作手法，再折騰兩把

如果把這四類人擺在一桌，你會發現他們的特點非常鮮明（如下圖）：

實際上，凡是涉及大小、多少、高低、快慢等等評價的問題，都和數據有關。在解決問題的時候，需要隨時警惕這些形容詞，要做的數據思維也非常多。就比如“我炒股虧了100萬”，到底這100萬對于“我”意味著什么，仔細想想，也有很多情況：（如下圖）

此外，光看總資產可能還不夠，因為總資產里，有可能很大一部分是房產/汽車/固定存款/貴重首飾等不能快速變現的。很多人手頭的流動資金沒那么多，虧了100萬可能把生活費都搭進去了，因此還得看資產結構（如下圖）：

在這種由粗到細的思考中，你會發現：數據大小的變化，會直接影響決策判斷。

如果“虧”的僅僅是潛在收益，則只需安撫人心即可。

如果“虧”的是實錢，但是和身家比起來不足一提，你請他吃頓飯就好。

這就是數據思維的最大用處：通過量化的、精細的數據，把思考建立在事實之上，從而找到更有效的解決問題的辦法。人們常說：量體裁衣，看菜吃飯，其實就是這個意思。

實際上，這個題目里所包含的，需要用數據思維的地方非常多。注意，問題問的是：“怎么辦！”那么回答的應該是一個具體的做法，比如“不管他”，比如“快跑路”。從問題到應對策略，需要量化思考的地方非常多。

比如：

● 是不是目前大環境不好，誰炒誰虧？

● 是不是這個哥們本來就不會炒股？十炒九虧？

● 是不是僅僅在一支股票載了？還有翻盤機會？

這些都會影響到最后應對策略，也都因為數據的不同，產生不同的判斷。如果真的是十炒九輸的菜雞，那再多身家也經不起這么折騰。如果僅僅是一時失手，那還有翻盤機會。

甚至有可能在梳理數據的過程中，發現一些隱藏的真相。比如明明這哥們虧的是潛在收入，為啥還愁眉不展呢？排除了客觀原因，那很有可能是主觀原因。比如產生了自我懷疑，怕被老婆/朋友/親戚鄙視等等。這時候就能跳過表象，更深入地解決心理問題。

總之，利用數據思維，把問題認真梳理清楚，總有有益的。不但能解決桌面上的實際問題，也能發現桌面下的潛在問題。對工作和生活是大有幫助的。

要注意的是，數據思維，不是一個黑箱，不是一粒發財丸，不是一條“阿瓦塔克拉芙拉”這樣的咒語，而是通過認真細致的梳理，通過一條條線索推導出結論。最后拼起來一張完整的全圖。

比如虧了100萬，如果把各條線索都梳理完，可能有如下邏輯，同學們有空可以自己試試哦。

注意：數據思維并不是萬能的。從本質上看，數據思維是一種理性的、有邏輯的、講事實的思維方式。但并不是所有事情，都是依靠理性、邏輯、事實來做成功的。甚至有些學科，就是通過感性、沖動、情緒化來把事情辦成的。

● 比如營銷領域，就是用口號/包裝/宣傳，制造溢價，鼓勵沖動消費。

● 比如傳播領域，就是用筆法/包裝/故事，吸引眼球，制造轟動效應。

● 比如設計領域，就是靠創作者個人天賦與靈感，打造吸引人的作品。

所以數據思維并不能包打天下，特別是在社會科學領域。人們天生更容易被感性、情緒、沖動影響。

另一個大問題，就是獲取準確的數據實在太難，速度也太慢。很多情況下，我們只能靠有限的數據做決策，此時即使再有數據思維，也無法給出準確的答案。業務的敏感性，堅定的執行力，靈光一閃的直覺，都能成為制勝的因素。

鍛煉數據思維最好的方法，不是去看什么《底層邏輯》《核心思維》的書，而是在日常工作生活中，嘗試多問問題，多努力尋找數據。

當遇到數據的時候，多問：數據以何種方式采集？采集時間范圍？計算公式？而不是不管數據來源，張口就說：我就感覺這個數據不對，因為我沒看到……

當遇到大小多少快慢好壞一類判斷的時候，多問：指標是什么？標準是什么？而不是不管判斷標準，張口就說：我覺得對！/不對！

當遇到決策的時候，多問：我依據什么做決策？結果用什么衡量？要做到什么程度？如果條件數據大小變化，我會改變決策嗎？而不是張口就來：老夫從業十年，我說的就是對的，咱就這么搞。

雖然有可能找不到答案，但是練習多了，就會養成：遇事想數據的好習慣。在有數據支持的時候，就能做出更好的判斷。

當然，本文小測試只適合在平時開玩笑用。在面試的時候，問這種腦筋急轉彎式的問題，很容易把面試者繞進去。

面試時候要考察數據思維能力，有更直接/正式的問題。通過具體業務場景，考察面試者：到底有潛力做分析，還是代碼搬運工。感興趣的話，本篇集齊60在看，下一篇我們專門來分享，敬請期待哦。

本文來自微信公眾號“接地氣學堂”（ID：gh_ff21afe83da7），作者：接地氣的陳老師，36氪經授權發布。