常有同学提问“面对这类问题，我该用什么模型？面对这类问题，我该用什么工具？”
其实，这就陷入了一个误区，把数据分析当成物理学。
在物理学中有严格的因果律和定律的可重复性。所谓严格的因果律，指的是，万事万物的发生都有原因，是原因导致了结果。定律的可重复性指，一旦得出一个定论，那这个定论是可以重复的。就像根据万有引力定律，我们可以推出，无论何时何地，无论是谁，只要向上扔苹果，苹果一定会落下来。
但在数据分析中，不存在严格的因果律和定律的可重复性。每一种场景都被千千万万的因素影响。没有一个法则是万用的、一定能保证成功的。因而，进行数据分析不存在面对某种问题就用某种模型或某种工具的定论。如果这些定论存在的话，AI就会代替所谓的“数据分析师”。
所谓数据分析师，不是搬砖工，数据分析师需要自己去思考如何分析。毕竟如果连思考的环节都由人代替，那仅仅只是个操作工。
因此，作为数据分析师需要做的就是：
得到数据后，思考怎么去了解这个数据，然后理解业务需求，从而完成整个项目
具体的方法是：
步骤一：在理解数据背景的基础上，提出基于事实的假设
步骤二：然后进行相应的数据收集，定制相应的分析策略
步骤三：证实或证伪假设
分析的思路和想法基于问题是灵活变通的，没有一门课程能够传授一副包治百病的“灵丹妙药”。想要成为数据分析师，不能指望存在一种万能的钥匙、寻宝的地图，而要设身处地的独立思考。
作为观察数据、分析数据的人，当然要去尽力总结、发现规律、学习借鉴，但是，要记得不要把数据背后的事实当做物理去研究。我们不可能按照总结物理定律那样总结数据规律，并且希望之后可以原封不动的重复很多遍。
分析思维的积累是在不同难题中磨练的，而这些难题不就是数据分析的美妙之处么。
#数据分析不是套用公式#
#数据分析不是物理定律#
