Save Time with Structured Thinking
定义问题领域的重要性
爱因斯坦的名言说明了定义问题的重要性，花大量时间明确问题能节省后续解决问题的时间和资源。 许多团队在数据分析时直接进入数据处理，结果发现解决了错误的问题或数据不合适。
问题领域的概念与挑战
问题领域指的是分析中涉及的所有活动及其相互关系的具体范围。 类比拼图游戏，没有完整的图像（问题定义），拼图（数据分析）很难完成。
结构化思维在数据分析中的作用
数据分析师常常没有完整的初始信息，需要通过结构化思维和批判性思考来理解问题领域。 训练结构化思维有助于更好地理解问题和找到最佳解决方案。
工作范围（Scope of Work, SOW）的重要性
工作范围是对项目工作内容的约定，包括工作细节、时间表和报告，帮助避免混淆和矛盾。
数据分析师的工作范围通常涵盖数据准备、验证、定量和定性分析、初步结果及可视化展示。
Creating a scope of work 制定工作范围/明确工作内容
Deliverables
- Goals for the employee training event
- Estimated budget for the event
- List of employees to invite
Timeline
- Hold the training event on July 1.
- Invite all attendees by June 1
- Send event reminder email June 25
Milestones
- Confirm staff trainers
- Confirm budget
- Confirm the list of employees who will attend
Reports
- Performance improvement one month after training
- Final list of employees who attended
- Employee feedback after the training
Scope-Of-Work Template
Scope-Of-Work Template (signed)
数据背景的重要性
数据本身没有意义，必须结合背景才能理解，比如同一句话在不同情境下含义不同。 数据分析不仅是收集数据，更重要的是理解数据的含义和背景。
数据分析的层次和价值
数据分析可以分为描述性（发生了什么）、诊断性（为什么发生）和预测性（未来会怎样）。 最高价值是处方性分析，即基于数据提出具体行动建议。
数据偏见与客观性
不同人对同一数据可能有不同解读，背景理解具有主观性。 分析者的文化、社会和市场偏见可能影响结论，导致误导。 需要问清楚数据的“谁、什么、何时、何地、如何、为什么”，确保数据收集和分析的公正性。
上下文的重要性
数据本身价值有限，必须结合上下文才能变得有意义。 通过上下文，可以在数据分析的每个阶段更好地理解和解释数据。
上下文的组成要素
谁（Who）：数据的创建者、收集者或资助者。 什么（What）：数据可能影响的事物。 哪里（Where）：数据的来源地。 何时（When）：数据的创建或收集时间。 为什么（Why）：数据收集的动机。 如何（How）：数据的创建或收集方法。
上下文在数据分析过程中的应用
收集数据时，了解业务背景和流程以把握上下文。 组织数据时，依据上下文决定命名规则、变量关系及数据保留。 展示分析结果时，提供上下文信息帮助利益相关者理解分析内容。
Lettuce Growth Days Analysis 数据集 📎 archive.zip
