33.数据分析方法论，让时间为你所用
获取数据→处理数据→可视化→提出猜测→验证
最后更新于
获取数据→处理数据→可视化→提出猜测→验证
最后更新于
我们之前定义过，“时间记录法是什么”。它是一种“通过记录时间来主动控制时间流向，达成目标的方法。”那么我们之前所做的数据导出，整理，模板化等等，其实都是为了“主动控制，达成目标”而准备的。
当我们有了数据之后，还需要学会怎样通过对已有的数据提出猜想，并且用行动来验证，只有数据思考和行动的结合，才能帮你达成目标。
所以，数据方法论，概括来说就是五个步骤：获取数据→处理数据→可视化→提出猜测→验证。
反复循环。
1）获取数据
我们从aTimeLogger中导出数据时，要保证数据不重合，也就是“一天最多24小时”，不存在重合时间。
然后，即便是有群组，但是我们在设置中不勾选“在CSV报告中单独分组显示”，因为导出数据时会打断数据，需要手动修改占比数据，增加工作量。
2）处理数据
我们需要对导出的数据进行增补（如补全备注）、删减（如删除月初第一条数据）、修正（如修正“其他”归类），才能正式存入源数据表。
3）数据可视化
我们创建了透视表和透视图，再加上条件格式，方便我们一眼看出数据的变化。
4）提出猜测
我们通过观察数据对比、趋势、峰值、异常值，提出“自以为”的猜想。
5）验证猜测
有了真实数据后，我们可以通过数据透视表，发现想象和实际数据的差异。
比如“我以为我换了一份工作后，工资更高了”，结果实际分析数据发现“换工作后时薪降低了”；“我以为我下班之后都在学习”，结果实际分析数据发现“下班之后的活动项都是‘娱乐’”等等。
这种数据分析方法论慢慢帮我养成了数据思维，什么是数据思维？
我来举一个生活中常见的例子，假如有人问：
“书读完了就忘，有什么用呢？”
记录的数据也一样，如果你只是单纯的攒数据，不断重复“获取-处理-可视化”，除了让你看这数据自嗨，是没有任何实质性帮助的。
你要跳脱这个循环，别忘了你现在已经有了大部分人不具备的优势，不管是任何事，你至少可以用“时间”这个量级来衡量它，时间可以为你所用。
比如我们现在看到一个目标，A说“我今年要看100本书”。
请问从时间角度衡量，这句话代表什么意思？
我们打开时间数据，在月透视表筛选过去一年的“读书”数据，全选读书时间，看自己看一本书需要花费多久，我的答案是2.5小时/本（包括翻了一下就没看的书）。
也就是说“我今年要看100本书”对我来说，意味着今年要花100*2.5=250小时，平均每天0.7小时，42分钟，再对比我去年读书花费的284小时，我能完成吗？不出意外的话没问题。
假设我们又看到一句话，B说“我今年最多只能看50部电影”。
我们筛选“娱乐”数据，定位（电影带有“@”标记）所有电影，得出我去年看了235部影视剧（电影+综艺+纪录片，电影占比约80%），其中电影约188部，平均每个影视剧耗费1.7小时。
从数量上看，“只看50部电影”B大概率完不成，因为这个目标已经超出30%太多（180-180*0.3=126），所以这对B来说就大概率是个不合理的目标。
发现了吗？
你可以根据你的历史时间数据，“判断出某一句描述性的话是不是合理”，这个能力太重要了！
大多数人不具备这种能力，因为他们没有时间记录的历史数据参考，他们不知道自己一年读过多少本书用了多久，也不知道自己在工作或者睡觉上花了多少时间。
这种“让时间为我所用”的思维，就是把我们生活中的问题用时间量化，然后再用我们熟悉的指标代替，更有利于我们达成目标。当然，这些数据你也可以估算，但是你记录过自己的时间就知道，“凭感觉”有多不靠谱，得到的预测就更不靠谱了。
当你掌握了数据分析的方法论，也有了“可以用时间数据衡量一切”的数据思维之后，你就需要更多观察数据的角度了。那么我们在分析数据时，有哪些观察的角度呢？
