拉芙拉 （股票知识）数据思维小测试，你的数据值不值？

数据思维既然叫“思维”，那么它指的是一种思维方式，而不是具体的编写代码或算术公式的方式。 通过一些小问题，你可以轻松测出一个人拥有多少数据思维。

比如，有一天，你的一个熟人一脸悲伤地问你：“我在股市亏了100万，怎么办？”

你会怎么做？

思考

测试

一

观点

钟

什么是数据思维

问一个简单的问题，什么是“损失”。 如果你真正和股民聊天，你会发现“亏”这个词在不同的股民之间差异很大。 至少有六种情况：

情况一：看到一只好股票，但犹豫了没买。 结果我少赚了100万。

情况2：我买了一只好股票，卖掉吧！ 早晨！ 明白了！结果我少赚了100万

情况三：我买了一只好股票，却忘记在高位卖出。 现在跌了，我损失了100万元。

情况四：买了一只好股票，却忘记在高位卖出，现在已经下跌，导致净亏损100万

情况五：我买了一只不好的股票，但别人上涨时我却保持沉默，我损失了100万元。

场景六：我买了一只好股票，但一买就开始下跌，导致净亏损100万。

因此，如果你认真思考的话，“损失”是一个非常宽松的术语。 “损失100万”听起来是一个数字，但并不能准确描述问题。 这是一个有数据思维的人永远无法容忍的。 他必须先了解清楚情况，然后再进一步讨论。

这就是数据思维的直观感受：遇到问题时，首先尝试以数据量化的形式准确地描述它。 根据数据大小确定后续响应策略。

但很多人并不这么认为。 比如，遇到这个问题，很多人的第一反应是：

1. 你买了哪只股票？ 我可以看一下这只股票吗？

2、你手头有多少钱？ 还有增减仓的空间吗？

3. 您总共有多少资产？ 输了100万你能脱裤子吗？

注意，这三个答案其实默认了自己心里的“损失一百万”和对方口中的“损失一百万”是一回事。 跳过确认阶段，直接进入行动阶段。

有趣的是，这也是三种典型的思维模式：

● 讨论股票的人使用典型的产品思维，关注产品质量/性能/优缺点。

●讨论加职位的人是典型的销售思维，重要的是去做！ 干燥！ 干燥！

●关于运营的讨论是基于典型的运营思维。 看看操作技巧，然后再多尝试几个。

如果你把这四类人放在一张桌子上，你会发现他们的特点非常鲜明（如下图）：

数据思维的价值

事实上，凡是涉及到大小、数量、高度、速度等评价的问题，都与数据有关。 解决问题的时候需要时刻警惕这些形容词，还有大量的数据思维要做。 例如，“我在股市损失了100万”。 这100万对于“我”来说意味着什么？ 仔细想想，有很多种情况：（如下图）

另外，只看总资产可能还不够，因为总资产很大一部分可能是房产/汽车/定期存款/贵重珠宝等无法快速变现的资产。 许多人手头没有那么多流动资金。 如果损失100万，他们可能就要承担生活费了。 因此，取决于资产结构（如下图）：

在这种由粗到细的思维中，你会发现数据规模的变化会直接影响决策和判断。

如果“损失”只是潜在的收益，那就安抚人心吧。

如果“损失”的是真金白银，但与你的净资产相比根本不算什么，那就请他吃顿饭吧。

这就是数据思维的最大用处：通过量化、精准的数据，让我们的思维立足事实，找到更有效的问题解决方案。 人们常说：量体裁衣，适合自己的需求，这就是它的实际意义。

其实这个问题包含了很多需要数据思考的领域。 请注意，问题是问：“做什么！” 那么答案应该是具体的动作，比如“不理他”，比如“赶紧跑开”。 从问题到应对策略，有很多领域需要定量思考。

例如：

●是不是因为现在的环境不好，谁炒谁就输了？

●是因为这家伙不会炒股吗？ 投机十有八九会亏损？

●是否只在一只股票上市？ 还有卷土重来的机会吗？

这些都会影响最终的应对策略，并且会因数据的不同而做出不同的判断。 如果他真的是一个十败九输的菜鸟，那么他再有钱，也经不起这样的折磨。 如果只是一时失手，还有翻身的机会。

甚至有可能在梳理数据的过程中发现一些隐藏的。。。 比如说，明明这家伙正在失去潜在的收入，为什么他还皱着眉头？ 排除客观原因，很可能是主观原因。 比如，我有自我怀疑，害怕被妻子/朋友/亲戚鄙视等等，这时候就可以跳过表面的表象，更深入地解决心理问题。

总之，用数据思维仔细梳理问题总是有好处的。 不仅可以解决桌面上的实际问题，还可以识别桌面下潜在的问题。 对工作和生活都有很大的帮助。

需要注意的是，数据思维不是黑匣子，不是发福丸，也不是“阿凡达克拉乌拉”之类的口头禅，而是认真仔细的梳理，通过线索推导出结论。 最后拼凑出一张完整的图。

比如你输了100万，如果你把所有的线索都整理出来，可能会有下面的逻辑。 同学们有时间可以自己尝试一下。

数据思维的缺点

注意：数据思维不是万能药。 从本质上讲，数据思维是一种理性的、逻辑的、基于事实的思维方式。 但并非所有事情都是基于理性、逻辑和事实的成功。 甚至有些学科是通过感性、冲动和情感来完成事情的。

●例如，在营销领域，通过口号/包装/宣传来制造溢价，鼓励冲动消费。

●例如，在传播领域，你使用写作技巧/包装/故事来吸引注意力并制造轰动效果。

●比如在设计领域，依靠创作者个人的才华和灵感来创作出有吸引力的作品。

因此，数据思维无法征服世界，尤其是在社会科学领域。 人天生就更容易受到感性、情绪、冲动的影响。

另一个大问题是获取准确数据太困难且太慢。 很多时候，我们只能依靠有限的数据来做出决策。 这个时候，即使有数据思维，我们也无法给出准确的答案。 商业敏感性、坚定的执行力和敏锐的直觉都可以成为制胜因素。

练习数据思维的技巧

练习数据思维的最好方法不是去读“底层逻辑”或“核心思维”的书籍，而是在日常工作和生活中尝试多问问题，更加努力地寻找数据。

遇到数据时，多问一些问题：数据是如何收集的？ 采集时间范围？ 计算公式？ 与其忽视数据的来源，不如说：我觉得这个数据是错误的，因为我没有看到……

当面对大小、速度、质量等判断时，多问一些问题：指标是什么？ 标准是什么？ 与其忽视判断标准，不如说：我认为是对的！ /错误的！

当面临决定时，多问一些问题：我应该在什么基础上做出决定？ 如何衡量结果？ 到什么程度？ 如果条件数据大小发生变化，我会改变决定吗？ 而不是只说：我在这个行业做了十年，我说的是对的，我们就这样去做吧。

虽然你可能找不到答案，但如果多练习，你就会养成遇到问题时思考数据的好习惯。 有数据支持才能做出更好的判断。

当然，这个小测试只适合开玩笑。 在面试过程中，问这样的脑筋急转弯问题很容易分散面试官的注意力。

面试过程中，将测试数据思维能力，并且会有更直接/正式的问题。 通过具体的业务场景，审视受访者：他们是否有做分析的潜质，还是仍然是代码搬运工？

知识星球历史上传的相关信息概览：

【数字化】相关信息汇总

--------过去的建议----------

▼