不是誰都能做好數據分析，換句話說，會數據分析的人才是真正的決策人。
有沒有發現工作中，領導拿著一串數據然後給出所謂的總結。於是大家拼命為這個命令付出，最終結果卻是事倍功半。
很明顯，你的領導不懂得如何數據分析，確切的說是隻會看錶象。
我們舉個例子，就拿疫情來說：當初美國新冠肺炎的死亡率非常的高。對比中國新冠肺炎來說。大家覺得這不正常。有人認為病毒很可怕。但是對於專家鍾南山來說，他就很直截了當的說：病死率偏高的原因是因為確診病例沒有完全找出來。
美國現在的病死率
是將近3%
它這麼高一定是說明
它有很多病人沒發現
從分析的角度上來看。影響死亡率的是分母和分子之間的關係。分子的死亡是固定的，那麼按照邏輯來看，自然是分母不夠大導致的。自然就能推論出美國檢測不力，才導致了死亡率虛高。
再比如說，紐約成為新冠病毒的新“震中”。其他人認為紐約的醫療體系很糟糕，會有恐慌。然而張宏文卻來了一句：紐約的醫療體系很安全。
張宏文已經解釋了，我就不過多剖析了。
總之，這就是專家和普通人的區別。
普通人看到數據，是拿數據當結果，推導要怎麼做。而專家拿到數據的時候，是去分析原因。然後再拿原因推導出來的方向作為根據作為執行。
這種分析其實跟專業沒有直接關係。而是思考方式決定的。這也正是應證了那句俗話：思維決定高度,格局決定結局。
其實數據分析不是誰都能做好的。因為這裡面牽扯了三個層面——
第一個層面是：是什麼
當拿到數據的時候一定要通過基礎數據提煉出對自己論點可以進行論證的數據總結。也就是篩選數據，總結數據，驗證數據。
第二個層面是：為什麼
在驗證自己提煉的數據總結可行後，去思考為什麼會得到這樣的數據，也就是分析數據，找出原由。
第三個是怎麼處理
在找出原因後，尋找可以量化的方式來改變這一結果。如果這個方式有效，則可以進一步驗證問題源頭。如果方式無效，則需要退回第二步甚至是第一步重複循環。
大部分人往往是拿到數據直接得出結果，缺少論證的環節這也就是為什麼大家拿到的數據都一樣，甚至能力不相上下，但是在結果上卻差別甚遠。
閱讀更多 張幻陸 的文章
