数据敏感度，是数据思维基础的基础。没有对数据的敏感，就谈不上数据思维，属于连门口都没看到的那种谈不上。
作者提出三个方面的内容。一是要量转型，也就是思考问题，交流问题的时候，要尽可能用能够量化的表达方式。比如：洗脸。这两个字就不如“早上洗脸”表达的更容易量化。更进一步，早上洗脸至少三下，这就更明确了。当然，还可以要求两只手与脸接触时间，对于脸，也要给出具体定义，靠近耳朵达到几毫米可以不计入脸的范围等。这样的表达，就是量转型。
二是量定义。上面洗脸的数字要求，比如三下，比如早上，就都是具体量化的指标，是可以直接进行考核的。大家要记得写年终总结，这个说法就没有数据思维的内容。比较合理的表达，应该是，大家要在今天下班前把年终总结交上来，不但要有成绩的总结，更要有自我反思的内容，反思内容要占到总篇幅的30%以上，总字数不少于八百字。这个表达，就非常明确，让大家更容易执行，同时也更能够达到写总结的目的。
三是对应值。数据本身没有好坏，只有对数据进行区分处理，才能体现数据的意义。在进行量化的时候，一定要在心里设定一个对应值。比如上面提到的30%，八百字等。提出来的时候，心中已经有一个明确的看法，就是自我反思比例如果低于30%，那就说明反思的深度广度都不够。当然，究竟应该是30%还是28%，这就因人而异了，这也反应出来一个人的综合认知水平。上一讲里面说数据思维要和别的能力共同发挥作用，指的就是这个层次。
从学习实践来说，量转型是核心，要有意识的训练自己思考问题的时候，尽可能从能够量化的角度出发，这样才会慢慢培养出来数据敏感度。有了量化思维，还要加上对事物，对事件的综合认知，能够给出尽可能符合客观的对应值，那么对于处理问题，就会更有帮助。
注意，自己在这篇小小的短文里面，用了好几次“尽量”、“尽可能”这种没有量化的表达，一方面说明了自己在量转型上的自我训练不够，更体现出来对于对应值的理解不足，没办法给出一个能够量化评价的角度，这也证明，努力学习这门课程，是多么的重要。
网友评论