All about thinking analytically

Now that you know the five essential skills of a data analyst, you're ready to learn more
about what it means to think analytically. People don't often think about thinking. Thinking
is second nature to us. It just happens automatically, but there are actually many different
ways to think. Some people think creatively, some think critically, and some people think in
abstract ways. Let's talk about analytical thinking. Analytical thinking involves identifying
and defining a problem and then solving it by using data in an organized, step-by-step
manner. As data analysts, how do we think analytically? Well, to answer that question, we
will now talk about a second set of five. The five key aspects to analytical thinking. They
are visualization, strategy, problem-orientation, correlation, and finally, big-picture and
detail-oriented thinking. Let's start with visualization. In data analytics, visualization is the
graphical representation of information. Some examples include graphs, maps, or other
design elements. Visualization is important because visuals can help data analysts
understand and explain information more effectively. Think about it like this. If you are
trying to explain the Grand Canyon to someone, using words would be much more
challenging than showing them a picture. A visualization of the Grand Canyon would help
you make your point much quicker. Now let's talk about the second part of analytical
thinking, being strategic. With so much data available, having a strategic mindset is key to
staying focused and on track. Strategizing helps data analysts see what they want to achieve
with the data and how they can get there. Strategy also helps improve the quality and
usefulness of the data we collect. By strategizing, we know all our data is valuable and can
help us accomplish our goals. Next step on the analytical thinking checklist: being problem-
oriented. Data analysts use a problem- oriented approach in order to identify, describe, and
solve problems. It's all about keeping the problem top of mind throughout the entire project.
For example, say a data analyst is told about the problem of a warehouse constantly running
out of supplies. They would move forward with different strategies and processes. But the
number one goal would always be solving the problem of keeping inventory on the shelves.
Data analysts also ask a lot of questions. This helps improve communication and saves time
while working on a solution. An example of that would be surveying customers about their
experiences using a product and building insights from those questions to improve their
product. This leads us to the fourth quality of analytical thinking: being able to identify a
correlation between two or more pieces of data. A correlation is like a relationship. You can
find all kinds of correlations in data. Maybe it's the relationship between the length of your
hair and the amount of shampoo you need. Or maybe you notice a correlation between a
rainier season leading to a high number of umbrellas being sold. But as you start identifying
correlations in data, there's one thing you always want to keep in mind: Correlation does not
equal causation. In other words, just because two pieces of data are both trending in the
same direction, that doesn't necessarily mean they are all related. We'll learn more about that
later. Now the final piece of the analytical thinking puzzle: big-picture thinking. This means
being able to see the big picture as well as the details. A jigsaw puzzle is a great way to
think about this. Big-picture thinking is like looking at a complete puzzle. You can enjoy the
whole picture without getting stuck on every tiny piece that went into making it. If you only
focus on individual pieces, you wouldn't be able to see past that, which is why big-picture
thinking is so important. It helps you zoom out and see possibilities and opportunities. This
leads to exciting new ideas or innovations. On the flip side, detail-oriented thinking is all
about figuring out all of the aspects that will help you execute a plan. In other words, the
pieces that make up your puzzle. There are all kinds of problems in the business world that
can benefit from employees who have both a big-picture and a detail-oriented way of
thinking. Most of us are naturally better at one or the other. But you can always develop the
skills to fit both pieces together. Now that you know the five aspects of analytical thinking,
visualization, strategy, problem-orientation, correlation, and big-picture and detail-oriented
thinking, you can put them to work for you when you're working with data. As you continue
through this course, you'll learn how.

Bây giờ bạn đã biết năm kỹ năng cần thiết của một nhà phân tích dữ liệu, bạn đã sẵn sàng để
tìm hiểu thêm về ý nghĩa của suy nghĩ phân tích. Mọi người không thường xuyên nghĩ ngợi
lung tung. Suy nghĩ là bản chất thứ hai đối với chúng ta. Nó chỉ xảy ra một cách tự động,
nhưng thực tế có nhiều cách khác nhau để suy nghĩ. Một số người suy nghĩ sáng tạo, một số
người suy nghĩ chín chắn, và một số người suy nghĩ theo những cách trừu tượng. Hãy nói về
tư duy phân tích. Tư duy phân tích liên quan đến việc xác định và xác định một vấn đề và
sau đó giải quyết nó bằng cách sử dụng dữ liệu một cách có tổ chức, từng bước. Là nhà
phân tích dữ liệu, chúng ta nghĩ về mặt phân tích như thế nào? Để trả lời câu hỏi đó, bây giờ
chúng ta sẽ nói về bộ năm thứ hai. Năm khía cạnh quan trọng của tư duy phân tích. Đó là
hình dung, chiến lược, định hướng vấn đề, tương quan, và cuối cùng là tư duy định hướng
chi tiết và hình ảnh lớn. Hãy bắt đầu với hình dung. Trong phân tích dữ liệu, trực quan hóa
là biểu diễn thông tin bằng đồ thị. Một số ví dụ bao gồm đồ thị, bản đồ hoặc các yếu tố thiết
kế khác. Trực quan rất quan trọng vì trực quan có thể giúp các nhà phân tích dữ liệu hiểu và
giải thích thông tin hiệu quả hơn. Hãy suy nghĩ về nó như thế này. Nếu bạn đang cố gắng
giải thích Grand Canyon cho ai đó, sử dụng từ ngữ sẽ khó hơn nhiều so với việc cho họ xem
một bức tranh. Hình dung về Grand Canyon sẽ giúp bạn đưa ra quan điểm của mình nhanh
hơn nhiều. Bây giờ chúng ta hãy nói về phần thứ hai của tư duy phân tích, là chiến lược.
Với rất nhiều dữ liệu có sẵn, có một tư duy chiến lược là chìa khóa để luôn tập trung và đi
đúng hướng. Lập chiến lược giúp các nhà phân tích dữ liệu thấy được những gì họ muốn đạt
được với dữ liệu và cách họ có thể đạt được điều đó. Chiến lược cũng giúp cải thiện chất
lượng và tính hữu ích của dữ liệu chúng tôi thu thập. Bằng cách lập chiến lược, chúng tôi
biết tất cả dữ liệu của mình đều có giá trị và có thể giúp chúng tôi hoàn thành mục tiêu của
mình. Bước tiếp theo trong danh sách kiểm tra tư duy phân tích: định hướng vấn đề. Các
nhà phân tích dữ liệu sử dụng phương pháp tiếp cận theo định hướng vấn đề để xác định,
mô tả và giải quyết vấn đề. Đó là tất cả về việc giữ cho vấn đề được quan tâm hàng đầu
trong toàn bộ dự án. Ví dụ, giả sử một nhà phân tích dữ liệu được cho biết về vấn đề một
nhà kho liên tục hết hàng. Họ sẽ tiến về phía trước với các chiến lược và quy trình khác
nhau. Nhưng mục tiêu số một sẽ luôn là giải quyết vấn đề giữ hàng tồn kho trên kệ. Các nhà
phân tích dữ liệu cũng đặt ra rất nhiều câu hỏi. Điều này giúp cải thiện giao tiếp và tiết kiệm
thời gian trong khi làm việc với một giải pháp. Ví dụ về điều đó sẽ là khảo sát khách hàng
về trải nghiệm của họ khi sử dụng sản phẩm và xây dựng thông tin chi tiết từ những câu hỏi
đó để cải thiện sản phẩm của họ. Điều này dẫn chúng ta đến phẩm chất thứ tư của tư duy
phân tích: có thể xác định mối tương quan giữa hai hoặc nhiều phần dữ liệu. Mối tương
quan giống như mối quan hệ. Bạn có thể tìm thấy tất cả các loại tương quan trong dữ liệu.
Có thể đó là mối quan hệ giữa độ dài của tóc và lượng dầu gội bạn cần. Hoặc có thể bạn
nhận thấy mối tương quan giữa mùa mưa nhiều dẫn đến số lượng ô dù được bán cao. Nhưng
khi bạn bắt đầu xác định các mối tương quan trong dữ liệu, có một điều bạn luôn muốn ghi
nhớ: Mối tương quan không ngang bằng với quan hệ nhân quả. Nói cách khác, chỉ vì hai
phần dữ liệu đều có xu hướng theo cùng một hướng, điều đó không nhất thiết có nghĩa là tất
cả chúng đều có liên quan. Chúng ta sẽ tìm hiểu thêm về điều đó sau. Bây giờ là mảnh ghép
cuối cùng của câu đố tư duy phân tích: tư duy hình ảnh lớn. Điều này có nghĩa là có thể nhìn
thấy bức tranh lớn cũng như các chi tiết. Một trò chơi ghép hình là một cách tuyệt vời để
suy nghĩ về điều này. Tư duy hình ảnh lớn giống như nhìn vào một câu đố hoàn chỉnh. Bạn
có thể thưởng thức toàn bộ bức tranh mà không bị vướng vào từng mảnh nhỏ đã tạo ra nó.
Nếu bạn chỉ tập trung vào các mảng riêng lẻ, bạn sẽ không thể nhìn thấy quá khứ đó, đó là
lý do tại sao tư duy hình ảnh lớn lại quan trọng đến vậy. Nó giúp bạn thu nhỏ và nhìn thấy
các khả năng và cơ hội. Điều này dẫn đến những ý tưởng hoặc sáng kiến mới thú vị. Mặt
khác, tư duy định hướng chi tiết là tất cả về việc tìm ra tất cả các khía cạnh sẽ giúp bạn thực
hiện một kế hoạch. Nói cách khác, những mảnh ghép tạo nên câu đố của bạn. Có tất cả các
loại vấn đề trong thế giới kinh doanh có thể được hưởng lợi từ những nhân viên có cả một
bức tranh toàn cảnh và một lối suy nghĩ định hướng chi tiết. Hầu hết chúng ta đều giỏi hơn
một cách tự nhiên. Nhưng bạn luôn có thể phát triển các kỹ năng để ghép cả hai mảnh lại
với nhau. Bây giờ bạn đã biết năm khía cạnh của tư duy phân tích, hình dung, chiến lược,
định hướng vấn đề, tương quan và tư duy định hướng chi tiết và hình ảnh lớn, bạn có thể sử
dụng chúng khi làm việc với dữ liệu. Khi bạn tiếp tục qua khóa học này, bạn sẽ học được
cách thực hiện.