1
對於“數據究竟是什麼"這個問題，我們可以從三個方面來理解：
1，數據是對現實世界實體的映射，是在某種方法之下對實體的數字化表達。
2，數據需要元數據來說明、描寫和記錄它的關鍵特徵。
3，不要把數據容器和數據本身混淆，也不要以爲數據自動蘊含信息。數據中蘊含什麼信息，需要有數據思維的人專門處理。
2
1，對數據精度的過分迷戀是一件要警惕的事情。根據目標確定需要什麼精度的數據，纔是好的數據思維。
2，估算能讓我們在知道很少信息的情況下得出相對靠譜的數據。估算時要做到兩點一一敢於不精確，但不能太離譜。
3，"二八法則”和"1%法則"是兩個非常好用的估算技巧。
3
如何通過練習提高自己對數據的敏感度呢？教你三個方法
一，量轉型。思考、談論和使用一個東西時，有意識地把過去定性的方式轉變爲定量的方式。
二，量定義。如果一個事物的性質是用某一方面的量來定義的，就搞清楚它具體是怎麼定義的。
三，對應值。在量定義的基礎上，爲事物確定一個明確的量的標準。
4
1，背景不同，數據代表的意義就不同。只有確定了數據的背景，才能準確理解數據的意義。
2，掌握數據的背景可以幫助我們理解什麼信息呢？
第一，理解事物的屬性；
第二，理解事物的相對情況；
第三，理解當事人的意圖。
5
單一的一個數據包含的信息也不是那麼少，我們需要把隱含的信息挖掘出來。教你三個方法
1，數學推斷。先利用數學知識做出假議，然後進行推斷。
2，邏輯推理。從各個領域的規則和限制條件出發，進行合理化推測。
3.切換視角。在不同的視角、關係下觀察數據，數據就會發出不同的隱含信息。
6
1，如果從人這一端來看，人的生物性和人與人之間的差異會導致我們在面對同樣的數據時，產生不同的感覺、解釋和觀點。
2，人與人的差異主要包含三個方面一，生理傾向差異；二，文化屬性差異；三，價值立場差異。
3，由於人自身的差異而導致對數據感知的差異，既是正常的，也是要警惕的。一定不要把自己的特點當成全人類的特點，大家對數據的感知可能真的不太一樣。
7
1，對數據精度的過分迷戀是一件要警惕的事情。根據目標確定需要什麼精度的數據，纔是好的數據思維。
2，估算能讓我們在知道很少信息的情況下得出相對靠譜的數據。估算時要做到兩點——敢於不精確，但不能大離譜。
3，"二八法則”和"1%法則"是兩個非常好用的估算技巧。
8
1，數據、變量和表格是三個不同層次的概念。數據是一個變量的具體值，變量代表一個維度的信息，表格是各種維度信息的集合。
2，數據一共有四種類型，分別是類別數據、次序數據、間隔數據和比例數據，分別對應唐僧、沙和尚、豬八戒和孫悟空。
3，數據類型不同，處理數據的方法就不同。
9
1，測量的目標就是爲了得到一組指標。這樣一來，我們就可以用這組指標描述一個事物了。
2，爲了全面把握一個事物，測量時可以用維度拆分的方法，具體要遵循兩個原則一邊際效應最大化原則和可靠性原則。
3，爲了保證測量的就是我們想測量的，我們需要用各種方法進行確認，考慮關聯、結構和完備性是三個常用的方法。
10
1，只有概率樣本才能確保全面反映總體的情況。
2，現實工作中，非概率樣本也可以幫我們應對一些複雜的、概率樣本難以覆蓋的情況。
3，抽樣調查的結果是一個有限制條件的範圍，而不是一個單一的數值。
11
1，問卷的核心是提問，而不是問題出現在哪種媒介和哪個場景中。
2，問卷的含金量在於概念的操作化，也只有操作化才能打敗操作化。
3，設計問卷時，問題必須讓答題者準確理解，而且要注意提問方式。你得到什麼取決於你怎麼問。
12
1，實驗法是通過操縱自變量、控制無關變量、觀測因變量這樣的邏輯，既找到了因果性，也能知道原因的效果大小。
2，實驗法特別適合範圍有限、界定明確的概念和假設。因此，實驗法最大的問題就在於結論的外推，一不小心就會把結論的適用範圍錯誤地擴大。
3，走出實驗室做實驗，讓實驗控制與真實的社會生活接近，會讓實驗的結論更可靠。
13
1，大數據帶來了新的思維方式和利用方式，不僅衝擊了傳統的數據收集方式，也極大地拓展了我們的能力，我們必須與時俱進。
2，大數據擁有海量性、持續性和不反應性等優勢，但使用時也有很多要避開的坑。
3，善於把大數據和小數據相結合，纔是我們利用數據的最高境界。
14
1，尋找表徵之前必須先真正理解問題，並反思你的認知。這樣才能發揮數據技能的效力。
2，在面對複雜問題時，我們需要隨着信息的增加而不斷調整表徵方向。
3，當沒有現成的數據能表徵我們想要的東西時，可以自己構造新指標。雖然有風險，但值得嘗試。
15
1，分類就是按照量的標準把一個總體分成幾組，必須保證組內差異小，組間差異大。
2，分類的結果一定是概率性的，有出錯的可能。
3，當沒有標準答案，僅僅能通過分析數據來分類時，最重要的就是建立數據與現實世界的連接。只有這樣，才能確保我們的發現是合情合理的。
16
1，所謂的分解，就是把影響一個複雜事物的各種複雜糾纏的因素分開。通過分解，可以濃縮信息探究本質。
2，要建立分解的意識，不要一見到差異，就想當然地認爲都源於一個單一因素。
3，分解的辦法有很多種，因子分解只是其中的一種。每種分解方法都有各自的優點、缺點和適用條件。如果不確定你要解決的問題應該用哪種方法，可以找數據專家諮詢。
17
1，兩個變量之間因果關係成立的必要條件有三個：一，兩個變量有相關；二，兩個變量有先後；三，兩個變量的關係不能被第三個變量解釋。
2，因果關係的尋找是一項重大挑戰，沒有保證成功的一般法則。其中，最大的困難就在於反事實難題的存在。
3，面對現實問題，我們能做的就是猜測、驗證和迭代。如果對因果關係的追尋有一個總原則的話，那就是保持謙卑。
18
1，真正利用數據指導決策，需要做好三步：理解挑戰，建立模型，量化變量。
2，建立決策模型時要學會轉換思路，從解決一個問題轉換成理解一個機制。只有徹底理解了挑戰背後的機制，建立的模型纔是可靠的。
3，一切事物皆可量化，而量化的實質就是降低不確定性。
19
1，數據可視化是基於數據的，由數據驅動生成的圖像，幫助受衆看見並理解數據當中隱含的信息。
2，好的數據可視化作品要兼顧高效和美觀。傳達信息快速有力，過程又充滿愉悅感和美感。
3，數據可視化是一個重要的探索工具，能讓我們發現其他手段難以發現的新信息。
20
1，數字不會欺騙，是人會欺騙。西方有句俗語說，Don't hate the player，hate the game（別去恨玩家，要恨恨遊戲）.
2，誤導的具體方法很多，不可能完全舉例說明，建議你發現一個就記下來一個，經驗多了，就會提高識別的能力和速度。
3，遇到別人用數據得出的論斷，建議先問自己五問題：誰說的？他是如何知道的？遺漏了什麼？是否有人偷換了概念？這個資料有意義嗎？
21
我認爲數據思維是現代人的基本素養之一，地位與語文素養一樣。理由有三
第一，這個世界是量的，只有通過量オ可能接近質；
第二，只有通過量的競爭，才能達成質的暫時共識；
第三，雖然定量的方法不完美，但我們只能依賴它。