怎樣看出一個人有數學天賦？

首先界定下問題范圍：我們不談學術，就講企業應用。讓學數學的同學們看看未來的就業機遇和挑戰，畢竟未來還是要就業的。實際上，企業里有很多數據分析應用機會，幾乎每個部門都需要，除了專業的數據開發、數據分析、數據挖掘崗以外，幾乎每個部門都要使用數據報表。這樣就有大量的用武之地。

簡單列舉一下，只到一級分析目錄，到二級目錄，一頁紙就放不下了。幾乎每個部門都有需求，只是有些負責看數據，有些負責跑數據

作為數據部門，經常會收到業務部門需求，想挑一些“數學好”同學培訓，提升數據應用能力。怎么挑呢？我們有一個簡單的測試辦法。場景：一個哥們打電話給你，說“我們銷售業績下滑很厲害，市場部是不是近期考慮做一些促銷活動，比如找近期上市的新產品做一些大力度的買贈……”

你的第一反應是什么？

有數學天賦的人，第一反應是反問：

銷售業績，指的是銷售額還是銷售利潤？（確認字段）

你是從報表里看的，還是從其他地方知道的？（確認數據來源）

什么時候發生的事？持續多久了？（確認問題時間）

從多少下滑到多少？（確認問題嚴重性）

為什么下滑這么多就算“厲害”？（確認評價標準）

這些也被稱作數據敏感性。畢竟數學也好，數據分析也罷，命根子都是數據本身。如果數據都是錯的、假的、甚至是不存在的，那就無從說起了。第一反應代表了人的本能，如果真的有“數學天賦”的話，那本能反應是找數據而不是找答案。即使不是數據分析師，是市場策劃或者運營，數學天賦好的也有這種反應。當然，這種能力能通過訓練提升，只是找到底子好的同學，訓練起來更容易一些。

有很多同學第一反應不是這樣的，常見的有：

直接回答方案的：哦哦，買贈可能庫存不夠，我們來看看送優惠券行不行……

直接分析原因的：那個，銷售下滑嗎，可能是季節性的，你先不要急等下個月再看……

很多做營銷、做運營、做產品的專員們第一反應就是這個。大家可以試試。

這兩種反應，最根本的區別在于：數學好的人會先確認數字本身，把分析、計算、推理的地基打在巖石上。而數學不好的人會跳過這一步，直接跨進分析甚至結論部分。他們的分析地基，是打在泥巴里的。

數學可以是很復雜的算法公式，也可以是很簡單的加減乘除。我個人覺得，數學最美的地方，不止是那些讓人搞不懂的高深技術，還有：它代表了人們思考中理性的那一面。在面對各種復雜問題的時候，讓我們盡量撇除沖動、回歸理智。

這種情景在生活中也很常見。比如類似話題《為什么許多優秀的女人不嫁人》《如何看待90后瘋狂買房》這些本來應該首先是一個數據問題，先確認到底是不是，是多少，在哪里是。再談為什么。然鵝，一談到結婚，買房這種話題，大家內心的各種情緒就會爆炸，各種故事、段子、情緒就開始噴發，自然也注意不到事實到底是什么。

企業里也一樣，比如銷量、新人數量、投訴量，這些指標是很多部門的核心KPI，壓在部門經理的肩膀上。擔子重了，自然會很敏感，有個風吹草動就開始咋呼。比如某天品牌總監看到別人家的廣告上了微信，某天渠道部總監看到客人在旗艦店大鬧，某天銷售部老總聽到某個大區經理來抱怨，最后這些細節都會變成：“我們的品牌已失去影響力！我們的服務質量嚴重下滑！我們的銷售業績遭遇重大障礙！”一股腦的傾倒給下屬討論。這時候如果數據部不能保持冷靜，跟著一起咋呼，最后打的還是自己的臉。

這個測試很簡單，但是有兩個大用處：

第一：看領導的風格。實際上，并非所有的領導都很理性。有些是靠熬資歷熬上來的，有些是運氣好做了一個巨好的項目升上來的，有些是靠關系硬有人罩，有些是個人能力突出很自負的，千奇八怪什么都有。打交道的時候留個心眼觀察下。如果領導是很理性，就認認真真列數據講邏輯。如果領導很感性，就得在“顧客流失率從20%飆升到25%”這種話后邊，加一句故事“這相當月于一個業務員每月少了5個顧客，少掙1000多塊提成，自然業務員會達量流失”。這樣針對性匯報，通過的效率會高很多。

第二：鑒別高級數據分析師的能力。作為一個基礎的數據分析師，能當個跑數機器，按需求單取出來數據就差不多了。但是高級數據分析師需要有獨立解決問題的能力，要有能把也無妨各種問題轉化為一個靠譜的 需求單的能力。這時候就不是excel，sql，python的活了，而是考察分析能力。就需要考察數據敏感性、分析邏輯性、提分析假設的能力，選擇分析方法的能力。相應的內容展開講太多，有興趣的可以看之前的一個分享：如何在業余時學數據分析？

數學不止算法模型，加減乘除也有大用處，看一個例子：學習數學到底有什么用？