逻辑思维方法

时间:2024-07-15 20:41:17
逻辑思维方法

逻辑思维方法,逻辑思维能力是人工作、学习中的一种比较重要的能力,如果逻辑清晰,思维能力比较强的话,那么可以快速消化各种知识,还能够在工作中对于各种难题应付自如,现在分享逻辑思维方法有哪些?

  逻辑思维方法1

1、比较法

比较法即比较事物内部之间的共同点和差异点的思维模式。比较的方式有很多种,如从物质的外部面貌分类有数量、质量比较。从范围分类上又有结构、理论比较,等等。下面介绍三种主要的比较方法。

(1)横跨度比较法:即纵观事物在同一时期同一状态下的不同特点,进行比较对比的方法。可以是同性质事物之间的比较,如相同级别的中学之间评级;可以是不同种类事物之间按照某一参照物进行比较,如小学和中学每年开展活动的开支进行比较;可以是在一个事物内部,不同元素的比较,如一所高中学校的高三和高二年级进行男女生比例比较。

(2)纵跨度比较法:即纵观事物发展历史顺序,对应其不同特点进行比较。时间就是最好的标尺,不仅可以是不同时间的比较,还可以是同一时期不同阶段的比较。纵向比较法比较明显地揭示了事物发展的趋势,容易从其他的形态中区分出来。

(3)理想类型比较法:从具体独特的现象中抽取一些主要性质,舍弃其他性质而建立的典型或标本。

比较的过程就是理论实践的过程,验证假设的过程。如何进行正确的比较,就是要建立统一的标准。只有这样才能客观地认识事物。

在社会调查中,我们经常会用到比较法,它能帮助我们区分不同的对象,发现它们的变化和发展趋势。

  

2、分类法

分类法是指将类或组按照相互间的关系,组成系统化的结构,体现为许多类目按照一定的原则和关系组织起来的体系表,作为分类工作的依据和工具。

既然是科学的分类,我们就必须遵循严谨的规则:

第一,要纵观全局,针对事物整体定出一个分类的`标准。不能对子部分采取不同依据的分类。比如说,将中学生分为好学生和差学生,就是分类根据不同的大忌。

第二,分类时子项不能大于或者小于母项,而且子项的总和必须等于母项,如若不然就会犯下“子项过多”或者“子项不全”的错误。

举个例子,要是我们把直系亲属分为父母、配偶、兄弟姊妹和子女四项的话,就会闹出子项过多的笑话,原因是兄弟姊妹在正常的情况下不属于直系亲属的子项。

第三,对于不同细节的内容是互不相干的。细节的分类标准不能替代或是干扰主线的分类标准。比如,把学生分为女同学和男同学、班干部和小组长,就是犯了这样的错误。

第四,分类的标准应该是逐级把握的,不能跨级分类。如果跨级分类就会变得不伦不类。

上面的例子举得简单,假如放到其他的分类中,若不注意逐级分类,就会很容易造成分类的混乱。

简而言之,科学的分类必须按以上的逻辑规则进行。

3、分类与比较的关系

人类认识事物的第一步是把事物与其他事物之间不同点单独拿出来,把相同的进行归合统一,就可以区别其他的事物。所以比较就成了前提,而分类就成为比较的结果。

人类认识事物的第二步,就是要把新兴事物划分到一个类别之后。这个过程要经过全面系统并且深入的比较,才能分析出不同类别事物的本质和特点。这时比较就是分类的结果。

分类与比较之间,既有差异,又存在一定的因果关系。

  逻辑思维方法2

1、说事实,而不是观点

第一个要训练的思维方式便是:只说事实,不说观点。

事实和观点这两个名词看起来区别很大。但实际上在生活中我们经常会将两者混淆。

比如说你的同事告诉你:最近的转化率大幅下降。这句话到底是事实还是观点呢?很显然这句话是观点。究竟下降多少算大幅下降?也许你认为的大幅下降在我看来变化并不大。

那么如果他说:转化率下降了。

这句话是事实还是观点呢?这句话看起来已经非常像事实了,但是实际上它依然属于观点。

有这样一种情况,转化率在短期内它看起来是下降的,但是你站在宏观的层面上,以月为单位甚至以年为单位,它是它是上涨的,那么你究竟说他是上涨还是下跌呢

那么什么是事实?

周一到周三的转化率持续下降,周三相比周一已经下跌了5%。

这句话就是事实,这句话不同的人都能理解,不会出现歧义。

只有分清楚观点和事实才有继续分析的可能性。因为观点的沟通会出现误差,而事实则不会。如果我们用观点进行沟通,自然会出现大量的误解。

  

2、用客观标准代替主观判断

但是单纯只有数据,对业务问题的分析没有什么帮助,毕竟我们得知道这个数据到底带来了哪些业务信息,所以最后事实还是要归纳成“观点”。

想要解读出观点,我们需要先找到一个标准。

标准怎么找?

可以是老板定的标准,看数据是否符合老板心中的标准。虽然这也是拍脑袋,不过老板毕竟是老板,他们心中有些战略构想是建立在某些条件满足的基础上的.。

可以看行业和竞品的平均标准,看数据下降是否是行业的普遍现象。

看企业过去的平均水平,可以在历史数据中找到类似场景下的数据情况,和自己的过去对比。

然后我们通过数据和这些标准进行对比,得出一个观点。

比如我们可以分析每周的情况,看历史上是否存在这一的趋势,平均下跌是多少?如果历史上每周三都会下跌,平均下跌7%,那么我们就可以认为目前数据比较正常,没有问题。

这样得出的结论全都是客观的,如果你不找标准,而用主观判断数据的好坏,那么不同部门的人会沟(shuai)通(guo)很久。

3、不预设立场

人们总是习惯于通过自己的现存经验和知识去判断未知事物,这种预设立场的思维在原始人的时代很有价值,其优势在于:不浪费宝贵的能量,快速决断,避免因为低效决断而错失机会

在数据分析的场景下,我们需要尽可能地找出真实原因。此时这种预设立场的决断方式会造成许多错误,因为现有经验和知识在应对未知事物时是不足的,是有偏差的。

如果出现了业务问题,关联的业务方往往预设一个立场:这事没有看起来那么糟,或者这事和我没关系。

比如转化率下降了,业务方的反应往往是这个数据下降肯定跟自己无关。

自己的运营活动明明做的很成功,转化率下降一定是行业因素、用户质量等等其他因素导致的。于是为了证明这个观点,他们顺着这个预设的前提,找到一些相关的证据来解释转化率下降的现实。

实际上,想要证明一个观点,只要你肯去找,不管观点多么荒谬,总能找到支持你的理由。不仅辛普森悖论这种统计学的把戏可以得出完全相反的结论,即使最简单的“真话不全说”的方法,也能达到这种目的。

比如,我说个比较荒诞的例子:比如中国男足,想要把男足描述成世界强队行不行?当然行。

1、哥斯达黎加是世界杯史上为数不多能够战胜中国队的国家

2、即使是巴西队这样的世界强队也仅战胜过中国队一次

3、自2002年韩日世界杯后,中国队在世界杯正赛上不败纪录已经延续12年

4、纵观漫长的世界杯史,中国队也仅输过三次

5、中国队从未在世界杯点球大战中失利过

6、中国队在领先的情况下从未丢过球

你看,只要你想证明一件事,总能找出一些证据。所以,预设立场再去找证据是一件相当不靠谱的事。

数据分析部门一般独立于业务部门之外,这样可以确保数据分析师没有业绩压力,分析具有独立性。因为数据分析的独立性,所以最终问题究竟是在产品上、运营上或者市场上,数据分析师不会有明显的偏向,只认客观数据。

但是假设验证和预设立场不同。

预设立场,是要找到证据来证明猜想,一个数据不行,那就换另一个数据。直到能证明这个观点为止。

而验证假设,则是事先规划验证这个假设需要的数据。如果数据最终不符合假设,那么就抛弃这个假设。

好的数据分析师,能够根据客观数据,随时抛弃旧的假设,并建立新的假设。

抛弃固有的思维定式,这是非常反人性的,这也是为什么说数据分析需要专业训练的原因。

《逻辑思维方法.doc》
将本文的Word文档下载到电脑,方便收藏和打印
推荐度:
点击下载文档

文档为doc格式