介绍两种思维模式

总第183篇/张俊红

前两天在朋友圈看到一段话里面有讲,一位CEO说他要保证自己所做的所有事情都是基于演绎法做出来的,如果有一天发现自己用了归纳法,那就会把CEO的位置让出来。以前觉得这两种方法只不过是两种不同的方法而已,但是看到这段话以后让我觉得不是那么简单,所以决定再去深入了解一下这两种方法。

今天这篇文章主要给大家介绍一下我了解的情况,以及我的理解。

用一句话来总结,演绎是逻辑推理,是因果关系,是通过梳理事物的逻辑来得出结论;而归纳是归纳总结,是对过去的历史数据进行总结得出的一个结论。有没有发现两种方法的关键词是不太一样的,前者是推理出来的,后者是总结出来的。

比如说,你大学毕业时想找一份高薪的工作机会,这个时候你有两种选择,第一种是你通过分析高薪的岗位所具备的条件,最后得到了互联网大数据开发岗。而另一种方式是听你朋友讲、听你家人讲、看你同学做,发现他们以及他们身边的人进入了互联网公司做了码农,每个月工资都很高,那你也去吧。

虽然最后两种选择的结果都是去了互联网公司做了一名码农,但是思维逻辑是完全不一样的。

我们在日常分析中也会经常遇到这种方法,比如说,你通过分析发现每次啤酒销量增长时尿布销量也会增加,啤酒销量下降时尿布销量也会下降,而且这绝对也不是偶然现象,你连续看了若干周、若干月的数据,都是相同的规律,这个时候,你可以得出,啤酒销量和尿布的销量是有关系的。这就是通过归纳法得出来的。

如果用演绎法来分析,当啤酒销量增加时,我会去分析影响销量的因素都有哪些,其实无非就是购买人数增加还是购买频次增加。是新增了哪些人?还是哪些人的频次增加了,这些人有什么样的特征。最后发现这些人并非新客,而是老客,只不过这些人最近购买频次增加了,且单均价也增加了,以前每次只买一瓶酒,现在每次除了买酒以外还会再买尿布,且以前两周来一次,现在变成了一周来一次。这个时候,你可以得出,啤酒销量的上涨是因为最近有一大波买尿布的人的购买频次增加了。这是通过演绎法得出来的。

分析结论是要被领导拿来做决策的,如果结论是通过归纳法得出来,这个时候的决策很有可能是错误的。比如我们得出了啤酒和尿布的销量是呈正相关关系的,当啤酒销量开始出现上涨时,应该及时准备尿布的库存。这个结论看上去是没啥问题的,可在实际业务中很有可能出现问题。比如夏天到来,啤酒销量也会上涨,如果这个时候你盲目增加库存,肯定会造成库存积压,资金被占用。

这就是为什么开头那位CEO不允许自己用归纳法去做决策,是因为归纳法是根据经验数据总结出来的,不一定具有因果关系,结论不一定一直成立;而演绎法是根据事物发展所需要的条件以及所具备的条件得出来的,这个结论是具有因果关系的。

我们在实际工作中可以将二者进行结合,先通过归纳法去寻找一些方向,然后再通过演绎法去进行严格推理。只有经过演绎法出来的结果才是经得住考验,站得住脚。

除了在工作中以外,我们在生活中,也可以借鉴这种方法。比如买房的时候应该买哪里?买股票的时候应该买哪一支。虽然这些东西不一定能够很轻松的演绎推理出来,但是至少要有这种意识。

你还可以看:

数据分析中的两种偏差

**项目概述:** 本资源提供了一套采用Vue.js与JavaScript技术栈构建的古籍文献文字检测与识别系统的完整源代码及相关项目文档。当前系统版本为`v4.0+`,基于`vue-cli`脚手架工具开发。 **环境配置与运行指引:** 1. **获取项目文件**后,进入项目主目录。 2. 执行依赖安装命令: ```bash npm install ``` 若网络环境导致安装缓慢,可通过指定镜像源加速: ```bash npm install --registry=https://registry.npm.taobao.org ``` 3. 启动本地开发服务器: ```bash npm run dev ``` 启动后,可在浏览器中查看运行效果。 **构建与部署:** - 生成测试环境产物: ```bash npm run build:stage ``` - 生成生产环境优化版本: ```bash npm run build:prod ``` **辅助操作命令:** - 预览构建后效果: ```bash npm run preview ``` - 结合资源分析报告预览: ```bash npm run preview -- --report ``` - 代码质量检查与自动修复: ```bash npm run lint npm run lint -- --fix ``` **适用说明:** 本系统代码经过完整功能验证,运行稳定可靠。适用于计算机科学、人工智能、电子信息工程等相关专业的高校师生、研究人员及开发人员,可用于学术研究、课程实践、毕业设计或项目原型开发。使用者可在现有基础上进行功能扩展或定制修改,以满足特定应用场景需求。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
【EI复现】基于阶梯碳交易的含P2G-CCS耦合和燃气掺氢的虚拟电厂优化调度(Matlab代码实现)内容概要:本文介绍了基于阶梯碳交易机制的虚拟电厂优化调度模型,重点研究了包含P2G-CCS(电转气-碳捕集与封存)耦合技术和燃气掺氢技术的综合能源系统在Matlab平台上的仿真与代码实现。该模型充分考虑碳排放约束与阶梯式碳交易成本,通过优化虚拟电厂内部多种能源设备的协同运行,提升能源利用效率并降低碳排放。文中详细阐述了系统架构、数学建模、目标函数构建(涵盖经济性与环保性)、约束条件处理及求解方法,并依托YALMIP工具包调用求解器进行实例验证,实现了科研级复现。此外,文档附带网盘资源链接,提供完整代码与相关资料支持进一步学习与拓展。; 适合人群:具备一定电力系统、优化理论及Matlab编程基础的研究生、科研人员或从事综合能源系统、低碳调度方向的工程技术人员;熟悉YALMIP和常用优化算法者更佳。; 使用场景及目标:①学习和复现EI级别关于虚拟电厂低碳优化调度的学术论文;②掌握P2G-CCS、燃气掺氢等新型低碳技术在电力系统中的建模与应用;③理解阶梯碳交易机制对调度决策的影响;④实践基于Matlab/YALMIP的混合整数线性规划或非线性规划问题建模与求解流程。; 阅读建议:建议结合提供的网盘资源,先通读文档理解整体思路,再逐步调试代码,重点关注模型构建与代码实现之间的映射关系;可尝试修改参数、结构或引入新的约束条件以深化理解并拓展应用场景。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

俊红的数据分析之路

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值