我翻阅了一些数据分析师的招聘要求，几乎所有的招聘要求中，都会有这么一条，叫做“逻辑思维能力强”。
但是又很少有人能说清楚到底什么叫做“逻辑思维能力强”。
中国的教育在逻辑这一块上是非常欠缺的，即使是很多接受过高等教育的人，思路依然是非常没有条理的。
日常工作中的数据分析，运用最多的逻辑方法就是逻辑推理，从一堆数据中推理出和业务有关的信息。
今天就来说一下数据分析必备的第二种思维——逻辑推理思维。
逻辑推理一般有演绎法、归纳法、类比法，我简单介绍一下数据分析工作中比较常用的演绎法和归纳法。
演绎法
首先要明确，数据分析最终产出的最小单位应该不是一个数据，而是数据背后的信息。
换句话说，数据分析的产出需要一个论述。
所以，“黑名单用户占比0.5%”不是一个完整的数据产出。
“黑名单用户占比0.5%，影响比较小。”这才是一个完整的数据产出。
其中包括论据“用户占比”，也包括论点“影响比较小”。
这种句式就是一个论述。一个简单的论述就需要用到基本的逻辑推理方法。
上述这种最常见的数据结论就需要用到逻辑推理中的演绎法。
演绎法，常见的类型有三段论、假言推理、选言推理等。本文主要介绍一下最常见的三段论。
有关三段论最常见的案例是“苏格拉底三段论”，几乎所有讲逻辑思维的书里都会提到这个案例。
著名的「苏格拉底三段论」：
（大前提）所有的人都是要死的
（小前提）苏格拉底是人
（结论）所以苏格拉底是要死的
大前提：占比1%以下的影响不大。 小前提：黑名单用户占比0.5% 结论：黑名单用户的影响不大。
如何质疑演绎法
演绎法的特点是，只要大前提和推理过程都正确，那么结果必然正确。
所以质疑演绎法的方法也很简单，质疑大前提、小前提或者质疑论证过程。
比如有这样一个数据分析的结论：
当前需要提升新用户数，所以要进行广告投放。
大前提是：获取新用户必须进行广告投放。
小前提是：当前需要提升新用户数。
结论：当前必须进行广告投放。
大前提错误：获取新用户必须依靠广告投放吗？ 小前提错误：真的需要提升新用户数吗？
四项错误 中项两不周延 大项扩大，小项扩大 前提都为否，结论不必然 前提有一否，结论必为否
新用户人均付费金额超过50元就可以在渠道A进行投放获得新用户， 付费新用户的人均付费金额超过50元， 所以可以在渠道A进行投放获得新用户。
归纳法
还有一种基本的逻辑推理方法是归纳法。什么是归纳法？
上面三段论中，大前提往往就是归纳法得出来的结论。
因为我们见过的所有人都是会死的，所以我们归纳出一个结论：所有人都是会死的。
所以，归纳法由「果」推导出「因」，由特殊推导出一般的思维方式。
我们平时最常用的逻辑推理方法就是归纳法，因为这种逻辑能力是写入我们基因中的一种本能。
比如几百万年前，原始人看到老虎、狼等猛兽伤人，那么他下次再遇到长着利爪和尖牙的动物的时候，就知道赶紧躲起来。这就是归纳法在起作用，“利齿尖牙的动物代表着危险”。如果人类没有这种能力，根本活不到现在。
我们很小就有了这样的能力，比方说小孩曾经摸过冒热气的杯子很烫，下次再看到冒热气的汤碗，他就知道这个东西也很烫。我们天然就具有这种能力，并不需要经过特别的教育。
但是归纳法有一个问题，就是哪怕你所有的论据都是正确的，结论也可能是错误的。
英国哲学家罗素提出过一个问题，被称为“罗素的火鸡”，用来讽刺那些归纳主义通过有限的观察，得出自以为正确的结论。
在一个火鸡饲养场里，一只火鸡发现，不管是艳阳高照还是狂风暴雨，不管是天热还是天冷，不管是星期三和星期四，每一天上午的9点钟，主人都会准时出现，并给它喂食。于是，它得出了一个惊天大定律：“主人总是在上午9点钟给我喂食。”
时间来到圣诞节的前一天，上午9点，主人又一次准时出现，但是这一次，主人带来的并不是食物，而是把它变成了食物….
交了几个男朋友都是人渣，所以男人没有一个好东西。 这只基金过去每年盈利超过10%，所以今年也会超过10%。 这个区块链货币，我大姨赚钱了，我二舅赚钱了，所以我也会赚钱。
用更权威的大前提
为什么数据分析要多用演绎法？
之前提到过，演绎法的推理，只要大前提小前提和论证过程正确，那么结论必为真。
但是归纳法只能得出尚未被证伪的结论。一旦发现一个反例，那么这个结论就会被证明是错误的，或者限制结论的使用条件。
所以，演绎法更容易把握结论的正确性。
不过还是既然演绎法的大前提往往还是来自于归纳法，怎么样保证结果的正确性的？
我们可以尽量采用那些前人已经总结过的结论，这些结论经历了时间的考验，相比自己临时归纳的结论更加可靠。
比如：
大前提：你通过自己的使用经历发现，如果APP界面的交互风格差别比较大，自己用起来体验不好。 小前提：现在，自家APP的不同功能之间交互风格有差异。 结论：所以自家APP体验不好。
大前提：根据尼尔森十大交互原则的一致性原则，功能应该保持一种类似的结构，规则的排列顺序能减轻用户的思考负担。 小前提：自家APP的不同功能之间的交互风格有差异。 结论：自家APP加重了用户的思考负担。
搞清对方到底用的是什么逻辑
有些时候，两种逻辑推理方法不太容易分辨。因为有些话听起来是一样，但是背后推理的逻辑是不同的。
比如“A和B都说附近新开的那个饭店不好吃，那肯定不好吃。”
有些人是基于归纳法的思路：
论据：A说那个店不好吃，B说那个店不好吃
结论：所以那个饭店不好吃。
大前提：A和B对美食的要求比较低 小前提：A和B说那个新开的店不好吃 结论：新开的饭店肯定不好吃
组合运用
我们平时的数据分析结论，往往就是演绎法和归纳法层层叠加起来的一座逻辑大厦。
比如：
大前提：A公司的拉新策略是社群裂变 小前提：我们的拉新策略要模仿A公司的拉新策略 结论：我们的拉新策略要模仿社群裂变
-END-
如果想要系统学习却不知道如何开始，强烈推荐你了解这门数据分析系统提升课程--《数据分析 · 就业班》，多位大厂数据分析高管结合10多年的数据分析经验，联手互联网一线企业HRBP求职辅导，相信能给你带来不小的启发。
课程大纲：（上下滑动查看）
数据分析就业班
（上下滑动查看）
想了解老师课程排期/更多课程详情服务
扫码添加顾问老师咨询
👇
