你看， 这才是数据思维，使用数据来提出问题和解决问题。

高水平的数据思维什么样？

下面讲一个真实的故事，看看高水平的数据思维是什么样子的（故事源自涂子沛的《数据之巅》）。

美国佛罗里达州的一个县，有一家报纸，名字叫《太阳哨兵报》，发行量不足23万份。报社里有个小记者，叫萨莉·克斯汀。我们就叫她萨莉吧。

在2011年的时候，萨莉注意到一件新闻。当地一名退休警察超速行驶，造成了恶性交通事故。萨莉查阅了近10年的记录，发现这样的事情不少。于是她意识到，警察超速行驶这件事，很可能是一个非常值得关注的社会问题。但怎么证实这件事呢？

采访？不可能。就算有些警察愿意告诉一些情况，那也只是个例，不是事情的全貌。

抓现行？也不可能。萨莉真的尝试过跟踪警车，抱着测速雷达，在高速公路旁边蹲守，一发现有车辆超速，立刻驱车追赶。但很快发现，这根本行不通。

第一，超速的不一定是警车，追了半天，发现不是警车就白追了。第二，就算运气好，抓到了警车，你也无权截停，仅仅有影像证据，并不充分，也不能服人。

萨莉最后想到了解决办法——申请数据公开。因为警车是公务用车，根据美国法律，公民有权了解其使用状态。因此，她获得了110万条数据。

这些数据，是当地警车通过不同高速公路收费站的原始记录。这就好了。警车通过收费站都有时间记录，这样，这段路程的行驶时间就知道了。而收费站之间的距离是已知的，两个数据一除，速度就出来了。有没有超速，不就很清楚了嘛。

在专业数据分析人员的帮助下，萨莉用了3个月的时间处理这些数据。得到了什么结果呢？

她发现，在13个月里，当地3900辆警车一共有5100宗超速事件，也就是说，警车超速天天发生。96%的超速，在144公里/小时至176公里/小时之间。

按照中国标准，大约是超速20%到50%之间。而且，时间记录表明，绝大部分超速都发生在上下班时间和上下班途中。这说明，警察超速并不是为了执行公务。

2012年2月，萨莉发表了系列报道。在大量数据和调查访谈的基础上，萨莉得出结论，因为工作需要和警察的特权意识，开快车成了警察群体的普遍习惯，即使下班后身着便服，车速也没能降下来。

报道一见报，舆论哗然。一些坐实违纪的警察陆续受到处理。48名州高速公路巡警被处以警告或者被勒令纪律反省。44名地方刑警被剥夺开车上下班的权利。迈阿密市有38名警察被处理，其中1名开除，10名停发工资。

萨莉也因为这个系列报道，获得2013年度普利策新闻奖。这是美国新闻传播界最重要的奖项。

故事的启发

这个故事，告诉我们什么呢？

第一，数据思维不同于数据知识和数据技能，数据思维是用数据提出问题和找到解决问题的办法。

萨莉记者的数据技能是不够的，我猜她肯定不会python，不会SAS，不会清洗数据，也不会校验数据。否则，110万条数据并不是一个了不得的规模，一般的数据分析师处理这类简单任务也都是小case，但萨莉自己处理不了。

但是，萨莉建立了数据分析的框架，知道怎么利用数据产生她需要的结果，并且这些结果能完美地契合她要讲述的新闻故事。这就是数据思维。

第二，数据思维要发挥作用，需要与其他的能力组合。

萨莉的新闻敏感度、问题意识、行动能力，都不能归结为数据思维，这些都是与数据思维不同的能力和品质。它们与数据思维组合起来，才能完成一次高水平的新闻报道。

这就是说，数据思维不是包打天下的大力丸，好像有了这个思维，就可以自动站上浪潮之巅。但是，高水平的数据思维，可以与其他能力互补和协同，形成1+1>2的整体效应，大幅提高你思考问题和解决问题的能力。

第三，数据思维是对数据知识和数据技能的认知。

这句话有点费解，我们慢慢梳理一下。一开始说了，数据思维是使用数据来提出问题和解决问题的能力，它与数据知识和数据技能不是一回事。但是，聪明的你一定会问：思考和解决问题，肯定又离不开知识和技能，这三者之间是什么关系呢？

这是一个好问题。答案是，我们对掌握的数据知识和技能形成一些认知，这些认知就是数据思维，然后我们以这些认知为工具来思考问题、解决问题。

举个例子：曾经有一位公司董事长，在与协作公司的高层开会上，他热情澎湃地发言说：“我们双方是强强联合，不仅要做到1+1，更要做到1乘1！”

1乘1还是1，而1+1=2，1乘1并不比1+1大，为什么董事长会犯这么简单的错误呢？因为很多人都有“乘法总是变大”“除法总是变小”的观念，这种认知让他们如此使用数据，结果闹了笑话。

我再举一个例子：假设我们需要监控一个10公里以外的设备的电源是否接通，你会怎么解决这个问题？是派人去定时巡查吗？这样做成本高，犯错的可能性也高。

其实，你可以用一个联网的摄像头，给显示电源接通的信号灯拍照片，然后把图像从网上传回来，用图像识别软件识别信号灯的情况，如果灯不亮就发出警报。

为什么很多人想不到用图像的方法？因为在他们头脑中，收集数据的方法只局限于人工观测，想不到其他的方案。

总之，我们是依据我们的认知来思考的。这些认知，来自我们对自己掌握的数据知识和数据技能的理解。

我们会在不知不觉中被这些或明或暗的观念所限制。当然，如果认知升级，观念更新，就会发现新天地，也会产生解决问题的创意。

请注意，数据知识和数据技能，看起来好像是客观的，但对它们的理解、认知却是因人而异的。这就是每个人数据思维的水平相差很大的重要原因。

最后，再说一点励志的鸡汤。

萨莉是一名女记者。为什么强调她是女记者呢？为了向她学习。女生不要拿自己是女生做借口，说女性就是对数字无感，数学不好。看看人家萨莉，即使不会编程，照样做出了突出的成就。

男生更应该像萨莉学习。就算你数学好，会编程，但也不等于数据思维就高。获得数据思维是一个独立的任务。

加入， 宣明栋老师将会从感知数据、收集数据、理解数据、操纵数据几个方面带你入门，在不用公式和图表的情况下，帮你获得与数据工作者对话的能力，拥有数据时代必备的数据思维。

猜 你 喜 欢

如果你觉得有收获，点个赞吧！或者点个“在看”让更多人看到！返回搜狐，查看更多