1
对于“数据究竟是什么"这个问题，我们可以从三个方面来理解：
1，数据是对现实世界实体的映射，是在某种方法之下对实体的数字化表达。
2，数据需要元数据来说明、描写和记录它的关键特征。
3，不要把数据容器和数据本身混淆，也不要以为数据自动蕴含信息。数据中蕴含什么信息，需要有数据思维的人专门处理。
2
1，对数据精度的过分迷恋是一件要警惕的事情。根据目标确定需要什么精度的数据，才是好的数据思维。
2，估算能让我们在知道很少信息的情况下得出相对靠谱的数据。估算时要做到两点一一敢于不精确，但不能太离谱。
3，"二八法则”和"1%法则"是两个非常好用的估算技巧。
3
如何通过练习提高自己对数据的敏感度呢？教你三个方法
一，量转型。思考、谈论和使用一个东西时，有意识地把过去定性的方式转变为定量的方式。
二，量定义。如果一个事物的性质是用某一方面的量来定义的，就搞清楚它具体是怎么定义的。
三，对应值。在量定义的基础上，为事物确定一个明确的量的标准。
4
1，背景不同，数据代表的意义就不同。只有确定了数据的背景，才能准确理解数据的意义。
2，掌握数据的背景可以帮助我们理解什么信息呢？
第一，理解事物的属性；
第二，理解事物的相对情况；
第三，理解当事人的意图。
5
单一的一个数据包含的信息也不是那么少，我们需要把隐含的信息挖掘出来。教你三个方法
1，数学推断。先利用数学知识做出假议，然后进行推断。
2，逻辑推理。从各个领域的规则和限制条件出发，进行合理化推测。
3.切换视角。在不同的视角、关系下观察数据，数据就会发出不同的隐含信息。
6
1，如果从人这一端来看，人的生物性和人与人之间的差异会导致我们在面对同样的数据时，产生不同的感觉、解释和观点。
2，人与人的差异主要包含三个方面一，生理倾向差异；二，文化属性差异；三，价值立场差异。
3，由于人自身的差异而导致对数据感知的差异，既是正常的，也是要警惕的。一定不要把自己的特点当成全人类的特点，大家对数据的感知可能真的不太一样。
7
1，对数据精度的过分迷恋是一件要警惕的事情。根据目标确定需要什么精度的数据，才是好的数据思维。
2，估算能让我们在知道很少信息的情况下得出相对靠谱的数据。估算时要做到两点——敢于不精确，但不能大离谱。
3，"二八法则”和"1%法则"是两个非常好用的估算技巧。
8
1，数据、变量和表格是三个不同层次的概念。数据是一个变量的具体值，变量代表一个维度的信息，表格是各种维度信息的集合。
2，数据一共有四种类型，分别是类别数据、次序数据、间隔数据和比例数据，分别对应唐僧、沙和尚、猪八戒和孙悟空。
3，数据类型不同，处理数据的方法就不同。
9
1，测量的目标就是为了得到一组指标。这样一来，我们就可以用这组指标描述一个事物了。
2，为了全面把握一个事物，测量时可以用维度拆分的方法，具体要遵循两个原则一边际效应最大化原则和可靠性原则。
3，为了保证测量的就是我们想测量的，我们需要用各种方法进行确认，考虑关联、结构和完备性是三个常用的方法。
10
1，只有概率样本才能确保全面反映总体的情况。
2，现实工作中，非概率样本也可以帮我们应对一些复杂的、概率样本难以覆盖的情况。
3，抽样调查的结果是一个有限制条件的范围，而不是一个单一的数值。
11
1，问卷的核心是提问，而不是问题出现在哪种媒介和哪个场景中。
2，问卷的含金量在于概念的操作化，也只有操作化才能打败操作化。
3，设计问卷时，问题必须让答题者准确理解，而且要注意提问方式。你得到什么取决于你怎么问。
12
1，实验法是通过操纵自变量、控制无关变量、观测因变量这样的逻辑，既找到了因果性，也能知道原因的效果大小。
2，实验法特别适合范围有限、界定明确的概念和假设。因此，实验法最大的问题就在于结论的外推，一不小心就会把结论的适用范围错误地扩大。
3，走出实验室做实验，让实验控制与真实的社会生活接近，会让实验的结论更可靠。
13
1，大数据带来了新的思维方式和利用方式，不仅冲击了传统的数据收集方式，也极大地拓展了我们的能力，我们必须与时俱进。
2，大数据拥有海量性、持续性和不反应性等优势，但使用时也有很多要避开的坑。
3，善于把大数据和小数据相结合，才是我们利用数据的最高境界。
14
1，寻找表征之前必须先真正理解问题，并反思你的认知。这样才能发挥数据技能的效力。
2，在面对复杂问题时，我们需要随着信息的增加而不断调整表征方向。
3，当没有现成的数据能表征我们想要的东西时，可以自己构造新指标。虽然有风险，但值得尝试。
15
1，分类就是按照量的标准把一个总体分成几组，必须保证组内差异小，组间差异大。
2，分类的结果一定是概率性的，有出错的可能。
3，当没有标准答案，仅仅能通过分析数据来分类时，最重要的就是建立数据与现实世界的连接。只有这样，才能确保我们的发现是合情合理的。
16
1，所谓的分解，就是把影响一个复杂事物的各种复杂纠缠的因素分开。通过分解，可以浓缩信息探究本质。
2，要建立分解的意识，不要一见到差异，就想当然地认为都源于一个单一因素。
3，分解的办法有很多种，因子分解只是其中的一种。每种分解方法都有各自的优点、缺点和适用条件。如果不确定你要解决的问题应该用哪种方法，可以找数据专家咨询。
17
1，两个变量之间因果关系成立的必要条件有三个：一，两个变量有相关；二，两个变量有先后；三，两个变量的关系不能被第三个变量解释。
2，因果关系的寻找是一项重大挑战，没有保证成功的一般法则。其中，最大的困难就在于反事实难题的存在。
3，面对现实问题，我们能做的就是猜测、验证和迭代。如果对因果关系的追寻有一个总原则的话，那就是保持谦卑。
18
1，真正利用数据指导决策，需要做好三步：理解挑战，建立模型，量化变量。
2，建立决策模型时要学会转换思路，从解决一个问题转换成理解一个机制。只有彻底理解了挑战背后的机制，建立的模型才是可靠的。
3，一切事物皆可量化，而量化的实质就是降低不确定性。
19
1，数据可视化是基于数据的，由数据驱动生成的图像，帮助受众看见并理解数据当中隐含的信息。
2，好的数据可视化作品要兼顾高效和美观。传达信息快速有力，过程又充满愉悦感和美感。
3，数据可视化是一个重要的探索工具，能让我们发现其他手段难以发现的新信息。
20
1，数字不会欺骗，是人会欺骗。西方有句俗语说，Don't hate the player，hate the game（别去恨玩家，要恨恨游戏）.
2，误导的具体方法很多，不可能完全举例说明，建议你发现一个就记下来一个，经验多了，就会提高识别的能力和速度。
3，遇到别人用数据得出的论断，建议先问自己五问题：谁说的？他是如何知道的？遗漏了什么？是否有人偷换了概念？这个资料有意义吗？
21
我认为数据思维是现代人的基本素养之一，地位与语文素养一样。理由有三
第一，这个世界是量的，只有通过量オ可能接近质；
第二，只有通过量的竞争，才能达成质的暂时共识；
第三，虽然定量的方法不完美，但我们只能依赖它。