邏輯思維方法

邏輯思維方法，邏輯思維能力是人工作、學習中的一種比較重要的能力，如果邏輯清晰，思維能力比較強的話，那麼可以快速消化各種知識，還能夠在工作中對於各種難題應付自如，現在分享邏輯思維方法有哪些？

邏輯思維方法1

1、比較法

比較法即比較事物內部之間的共同點和差異點的思維模式。比較的方式有很多種，如從物質的外部面貌分類有數量、質量比較。從範圍分類上又有結構、理論比較，等等。下面介紹三種主要的比較方法。

（1）橫跨度比較法：即縱觀事物在同一時期同一狀態下的不同特點，進行比較對比的方法。可以是同性質事物之間的比較，如相同級別的中學之間評級；可以是不同種類事物之間按照某一參照物進行比較，如國小和中學每年開展活動的開支進行比較；可以是在一個事物內部，不同元素的比較，如一所高中學校的高三和高二年級進行男女生比例比較。

（2）縱跨度比較法：即縱觀事物發展歷史順序，對應其不同特點進行比較。時間就是最好的標尺，不僅可以是不同時間的比較，還可以是同一時期不同階段的比較。縱向比較法比較明顯地揭示了事物發展的趨勢，容易從其他的形態中區分出來。

（3）理想類型比較法：從具體獨特的現象中抽取一些主要性質，捨棄其他性質而建立的典型或標本。

比較的過程就是理論實踐的過程，驗證假設的過程。如何進行正確的比較，就是要建立統一的標準。只有這樣才能客觀地認識事物。

在社會調查中，我們經常會用到比較法，它能幫助我們區分不同的對象，發現它們的變化和發展趨勢。

2、分類法

分類法是指將類或組按照相互間的關係，組成系統化的結構，體現為許多類目按照一定的原則和關係組織起來的體系表，作為分類工作的依據和工具。

既然是科學的分類，我們就必須遵循嚴謹的規則：

第一，要縱觀全局，針對事物整體定出一個分類的`標準。不能對子部分採取不同依據的分類。比如説，將中學生分為好學生和差學生，就是分類根據不同的大忌。

第二，分類時子項不能大於或者小於母項，而且子項的總和必須等於母項，如若不然就會犯下“子項過多”或者“子項不全”的錯誤。

舉個例子，要是我們把直系親屬分為父母、配偶、兄弟姊妹和子女四項的話，就會鬧出子項過多的笑話，原因是兄弟姊妹在正常的情況下不屬於直系親屬的子項。

第三，對於不同細節的內容是互不相干的。細節的分類標準不能替代或是干擾主線的分類標準。比如，把學生分為女同學和男同學、班幹部和小組長，就是犯了這樣的錯誤。

第四，分類的標準應該是逐級把握的，不能跨級分類。如果跨級分類就會變得不倫不類。

上面的例子舉得簡單，假如放到其他的分類中，若不注意逐級分類，就會很容易造成分類的混亂。

簡而言之，科學的分類必須按以上的邏輯規則進行。

3、分類與比較的關係

人類認識事物的第一步是把事物與其他事物之間不同點單獨拿出來，把相同的進行歸合統一，就可以區別其他的事物。所以比較就成了前提，而分類就成為比較的結果。

人類認識事物的第二步，就是要把新興事物劃分到一個類別之後。這個過程要經過全面系統並且深入的比較，才能分析出不同類別事物的本質和特點。這時比較就是分類的結果。

分類與比較之間，既有差異，又存在一定的因果關係。

邏輯思維方法2

1、説事實，而不是觀點

第一個要訓練的思維方式便是：只説事實，不説觀點。

事實和觀點這兩個名詞看起來區別很大。但實際上在生活中我們經常會將兩者混淆。

比如説你的同事告訴你：最近的轉化率大幅下降。這句話到底是事實還是觀點呢？很顯然這句話是觀點。究竟下降多少算大幅下降？也許你認為的大幅下降在我看來變化並不大。

那麼如果他説：轉化率下降了。

這句話是事實還是觀點呢？這句話看起來已經非常像事實了，但是實際上它依然屬於觀點。

有這樣一種情況，轉化率在短期內它看起來是下降的，但是你站在宏觀的層面上，以月為單位甚至以年為單位，它是它是上漲的，那麼你究竟説他是上漲還是下跌呢

那麼什麼是事實？

週一到週三的轉化率持續下降，週三相比周一已經下跌了5％。

這句話就是事實，這句話不同的人都能理解，不會出現歧義。

只有分清楚觀點和事實才有繼續分析的可能性。因為觀點的溝通會出現誤差，而事實則不會。如果我們用觀點進行溝通，自然會出現大量的誤解。

2、用客觀標準代替主觀判斷

但是單純只有數據，對業務問題的分析沒有什麼幫助，畢竟我們得知道這個數據到底帶來了哪些業務信息，所以最後事實還是要歸納成“觀點”。

想要解讀出觀點，我們需要先找到一個標準。

標準怎麼找？

可以是老闆定的標準，看數據是否符合老闆心中的標準。雖然這也是拍腦袋，不過老闆畢竟是老闆，他們心中有些戰略構想是建立在某些條件滿足的基礎上的.。

可以看行業和競品的平均標準，看數據下降是否是行業的普遍現象。

看企業過去的平均水平，可以在歷史數據中找到類似場景下的數據情況，和自己的過去對比。

然後我們通過數據和這些標準進行對比，得出一個觀點。

比如我們可以分析每週的情況，看歷史上是否存在這一的趨勢，平均下跌是多少？如果歷史上每週三都會下跌，平均下跌7%，那麼我們就可以認為目前數據比較正常，沒有問題。

這樣得出的結論全都是客觀的，如果你不找標準，而用主觀判斷數據的好壞，那麼不同部門的人會溝（shuai）通（guo）很久。

3、不預設立場

人們總是習慣於通過自己的現存經驗和知識去判斷未知事物，這種預設立場的思維在原始人的時代很有價值，其優勢在於：不浪費寶貴的能量，快速決斷，避免因為低效決斷而錯失機會

在數據分析的場景下，我們需要儘可能地找出真實原因。此時這種預設立場的決斷方式會造成許多錯誤，因為現有經驗和知識在應對未知事物時是不足的，是有偏差的。

如果出現了業務問題，關聯的業務方往往預設一個立場：這事沒有看起來那麼糟，或者這事和我沒關係。

比如轉化率下降了，業務方的反應往往是這個數據下降肯定跟自己無關。

自己的運營活動明明做的很成功，轉化率下降一定是行業因素、用户質量等等其他因素導致的。於是為了證明這個觀點，他們順着這個預設的前提，找到一些相關的證據來解釋轉化率下降的現實。

實際上，想要證明一個觀點，只要你肯去找，不管觀點多麼荒謬，總能找到支持你的理由。不僅辛普森悖論這種統計學的把戲可以得出完全相反的結論，即使最簡單的“真話不全説”的方法，也能達到這種目的。

比如，我説個比較荒誕的例子：比如中國男足，想要把男足描述成世界強隊行不行？當然行。

1、哥斯達黎加是世界盃史上為數不多能夠戰勝中國隊的國家

2、即使是巴西隊這樣的世界強隊也僅戰勝過中國隊一次

3、自2002年韓日世界盃後，中國隊在世界盃正賽上不敗紀錄已經延續12年

4、縱觀漫長的世界盃史，中國隊也僅輸過三次

5、中國隊從未在世界盃點球大戰中失利過

6、中國隊在領先的情況下從未丟過球

你看，只要你想證明一件事，總能找出一些證據。所以，預設立場再去找證據是一件相當不靠譜的事。

數據分析部門一般獨立於業務部門之外，這樣可以確保數據分析師沒有業績壓力，分析具有獨立性。因為數據分析的獨立性，所以最終問題究竟是在產品上、運營上或者市場上，數據分析師不會有明顯的偏向，只認客觀數據。

但是假設驗證和預設立場不同。

預設立場，是要找到證據來證明猜想，一個數據不行，那就換另一個數據。直到能證明這個觀點為止。

而驗證假設，則是事先規劃驗證這個假設需要的數據。如果數據最終不符合假設，那麼就拋棄這個假設。

好的數據分析師，能夠根據客觀數據，隨時拋棄舊的假設，並建立新的假設。

拋棄固有的思維定式，這是非常反人性的，這也是為什麼説數據分析需要專業訓練的原因。