25：点线面思维和数据的横纵向分析思想

在一堂数据大师的分享中，他提到了数据分析的前提——数据/现象的敏感性。即从某个事件或数据中，觉察到异样，进而抽丝剥茧，接近本质规律。这体现了一种认识事物的基本思维：点、线、面思维。

1）点线面思维的理解一：一叶知秋，认清规律

不只局限于点，而是进一步发现点背后的线，线背后的面，从而把握了事情的真相，即事情的本质规律。再顺应规律去解决问题。

2）点线面思维的理解二：格局放大，以体的思维去看点

首先站在宏观的角度认识事物，再由大及小，看清每一个个体的价值。抓大放小。

3）点线面思维的理解三：散点无用，系统有用

如果认识/改造事物的结果，是开发了无数的点，在不同的线面上，人能力的局限性决定了无法把这些认识融会贯通，很多知识变成了无用知识。所以要有意识的按照系统思维认识/改造事物，形成自身的系统方法论。

在这堂分享中，大师也提到了不少数据分析模型，包括留存模型、漏斗模型、路径分析模型，也包括热力图模型等。在这些模型中，我们可以看到进行数据分析，或者事物分析的一般方法：描述性（总结性）分析、比较（横纵向）分析。

1）描述性（总结性）分析：将繁复的数据/事件，通过基本的统计方法做汇总、归类。比如，数量情况、占比情况、属性分类……做基本的静态认知。

2）比较（横纵向）分析：按时间走向、事物的阶段走向做同一指标的纵向比较；或以某一指标为变量，做同一指标的横向比较。即动态认知。