尽管技术在不断更新迭代，但数据分析思维却相对稳定。无论 GPT 如何快速发展，我们都可以运用数据分析思维，更好地驾驭它，使其发挥更大的作用。

我们不要把 GPT 当成一个简单的工具，也不要把 GPT 当成一个增强版的搜索引擎，更不要把它 GPT 当成一个打发时间的聊天机器人，而要把 GPT 当成自己的得力助手，用系统化的思维来调教它。

【资料图】

当你给 GPT 安排任务的时候，把相关背景说得越清楚，具体要求提得越明确，它执行起来也会越符合你的期待。

我们可以把数据分析的 9 种思维，类比为一座房屋的 3 个部分：

一、地基部分 （目标思维、对比思维、细分思维）确保了房屋的 牢固性 ，可以让我们更好地理解现状和看见差距。

二、支柱部分 （溯源思维、相关思维、假设思维）确保了房屋的 稳定性 ，可以让我们更好地分析原因和洞见可能。

三、屋顶部分 （逆向思维、演绎思维、归纳思维）确保了房屋的 完整性 。可以让我们更好地预测未来和预见指数。

接下来，我逐一运用数据分析的 9 种思维，希望能帮你更加轻松地驾驭 GPT 。

一、地基：理解现状，看见差距

1. 目标思维

在「如何 3 步用好 GPT ？」这篇文章中，我介绍了目标思维的 3 种方法： 正 确地定义问题、 合 理地分解问题、 抓 住关键的问题，简称为「 正合抓 」。

如果目标不对，就算做再多事，最终也是徒劳的。因为一旦目标错了，就如同南辕北辙，我们越努力，结果反而可能越糟糕。在错误的方向上一路狂奔，还安慰自己说，我一直都很努力啊，这是一种遗憾，更是一种悲剧。

没有目标思维的人，往往把困难放在第一位，认为困难是不可逾越的，结果限制了自己的成长。

而拥有目标思维的人，面对困难的时候，会积极想办法去寻找资源，努力克服困难， 相信办法总比困难多 。

比如，把目标思维应用到学习 GPT 上面，目前在国内还无法正常访问 GPT 的网站，有些人就卡在这里不动了，也不去想办法解决，还停留在「道听途说」的阶段。而有些人则会积极探索，找到并使用魔法软件，注册 GPT 网站的账号，或者找到类似的网站，亲自去尝试和实践，而不是选择做一个「伸手党」。

目标就像指南针，指引着我们前进的方向，让我们知道要解的是什么题，并启发我们如何解题。

当一个人心中有了明确的目标之后，就算遇到再大的困难，也会选择更加从容地应对。

比如，埃隆·马斯克的目标是移民火星，虽然 SpaceX 公司发射的火箭爆炸了，但他并没有气馁，而是表示从中学到了很多，并宣称很快就会进行下一次实验。

想想我们自己遇到的那点问题，能比移民火星更难吗？

让我们望而却步的东西，也许并不是问题本身，而是我们的目标还不够清晰和坚定。

2. 对比思维

对比不同的提问方式，设置不同的角色背景，得到的回答可能大不相同。

比如，同样是解释哥德巴赫猜想，对一个数学系的研究生来讲，可以说数论、组合数学等专业词汇。

但是，对一个 8 岁的小学生来说，就要用更加通俗易懂的语言来表达。

另外，针对同一个问题，不妨再对比一下其他 GPT 模型的回答。

比如，下面是 Claude 的回答：

从上面的对比分析来看，我觉得 Claude 的回答比 ChatGPT 3.5 版在某些方面更胜一筹。

兼听则明 ，如果条件允许的话，你还可以再问一问 GPT-4、文心一言、通义千问等大语言模型，然后经过对比分析，最终做出自己的判断。

3. 细分思维

对于一个比较复杂的大问题，我们可以运用「分而治之」的细分思维，采取「各个击破」的策略，把它分解为几个相对较简单的小问题，然后利用 GPT 来逐步进行解决。

例如，我想用 GPT 辅助我写一篇深度文章，如果只是告诉它一个主题和字数的要求，结果很可能不是自己想要的，后期修改会非常麻烦，甚至还不如自己直接重新写一篇。

但是，如果我把写文章这件事拆分成几个步骤：

首先 ，让 GPT 帮我生成文章的大纲，并对大纲进行优化调整，确保与自己的预期相符。

其次 ，让 GPT 按照大纲扩展相应的内容，此时可以适当进行修改润色，把它变成一份更加详细的大纲。

然后 ，让 GTP 根据上面修改润色之后的详细大纲，分段生成相应的文章内容，并扩展相关的案例等信息。

按照上面的步骤，经过反复修订和优化，文章的质量就会得到显著提高。

例如，我在写这篇文章的时候，先让 GPT 初步生成文章的大纲，并按照自己的理解和想法，对文章结构进行适当地调整。

……

接下来，我让 GPT 继续扩展目标思维的大致内容，并以此类推，从中获取对自己启发的信息。

接下来，我再让 GPT 具体举例说明目标思维的应用，并运用「远交近攻」的方法，优化提示词，对文章内容进行修改润色，增加个人特色。

我觉得写文章不能大段采用 GPT 直接生成的内容，否则就容易丢失个人的特色，长此以往，可能对自己和读者的帮助都不大。

所以，我尽量在文章中加入更多经过自己思考的东西，体现自己的想法和感悟，包括自己的实践和经验，这些都是 GPT 目前还无法直接生成的。

因此，我实际写出来的文章内容，与 GPT 生成的内容差异还是比较大的。

假如未来有一天，我能训练出一个数字虚拟化身，把我过去所有的聊天记录、我写过的所有文章和书籍、我拍过的所有照片和视频、我记录的所有时间、情绪和习惯等，全部用来训练 GPT，让它比我更加了解我自己，还能模仿我的语气，生成我想表达的内容。到那个时候，它就像是我的分身，将会彻底改变我的工作和生活方式。

二、支柱：分析原因，洞见可能

4. 溯源思维

要想得到更加准确的回答，我们需要不断追根溯源，找出问题背后真正的原因，或者找到客户真正的需求。

模糊的指令，只能得到模糊的回答。 比如：给我写一份数据分析报告。

因为这个需求很模糊，就算 GPT 很强大，它也不知道具体应该怎么开始，所以它会反过来问你：请问您需要分析什么类型的数据呢？

下面我们把需求描述得稍微更具体一些，比如：给我写一份关于 GPT 的数据分析报告。

这样 GPT 的回答就会更符合我们的需求，我们还可以进一步追根溯源，针对某个点进行更加深入地挖掘，当你的描述越具体，就越有可能获得更具体的回答。

所以，你需要 学会提问 ，这是人工智能时代的一项重要能力。

在使用溯源思维的时候，如果你看不懂 GPT 的回答，还可以发送这样一段话：

我想把你刚才输出的这些内容，解释给 8 岁的小学生听，要保证小学生也能听懂，请重写你刚才输出的内容。

当你对 GPT 的回答有了初步的了解，但是又不确定自己理解对不对，可以把自己总结的内容再发送给 GPT，并且问它： 你看我这样理解对吗？为什么？

历史上，苏格拉底就是通过连续追问，让人更加理性地思考，并从中发现谬误、拓宽思路、获得启发，最终得出有用的结论。

5. 相关思维

运用相关思维，给 GPT 提供一些相关的事物，让它生成类似的结果，这样更容易从中找到灵感。

比如，我想给文章起一个恰当的标题。

如果我给 GPT 再提供一些相关的参考示例，得到的结果通常就会更加符合自己的需求。

我根据 GPT 输出的标题，再结合自己的理解和思考，最终决定把这篇文章的标题修改成：如何用 9 种思维轻松驾驭 GPT ？

因为我相信，学会运用数据分析的 9 种思维，可以明显提高使用 GPT 的效果，从而更加轻松地驾驭 GPT，让它为我们创造更大的价值。

6. 假设思维

运用假设思维，通常有 3 个步骤： 大胆假设、小心求证、做出判断 。

大胆假设，是指要打破旧观念的束缚，挣破旧思想的牢笼，大胆地去猜测，换个角度去看事物。这就好比开锁，手上有很多钥匙，假设这个钥匙打不开，就马上换一个。

小心求证，是指在大胆假设的基础上，去检验和实践，用一种严谨务实的态度去发现问题、分析问题和解决问题。

多少好答案，都在等待一个好问题。 一方面，我们可以通过提出好问题，让 GPT 给出好答案。另一方面，我们也可以让 GPT 来帮我们提出好问题。

假设你还是不明白，可以让 GPT 通过类比、举例等方式进行讲解。

下面以一个场景为例。

我们可以比较 ChatGPT 和 Claude 的回答，并根据自己对相关知识的理解，对 GPT 给出的回答进行检验，然后做出自己的判断。

按照统计学的检验方法，先假设这位女士不能品尝出不同奶茶的区别，如果这位女士只喝一杯茶，那么她即使无法区分，也有 50% 的机会能够猜对茶的种类。

如果是喝 2 杯茶，她仍然猜对的概率是多少呢？

答案是 50% 的平方，也就是 25%，这个可能性感觉还是比较大的，还是不能相信。

以此类推，继续给她喝第 3 杯，第 4 杯，第 5 杯……假设这位女士连续 5 次都能说出正确的答案，那么她猜对的概率有多大呢？答案是 50% 的 5 次方，约等于 3.1%，这个概率就比较小了。

这就好比小明考试只考了 98 分，你能说他纯粹是因为运气好吗？显然不能。

于是，我们可以做出判断：因为我们没有理由再去质疑这位女士，所以拒绝前面的假设，认为这位女士确实能够品尝出不同奶茶的区别。

著名统计学家 费希尔写过一本书叫《实验设计》，他详细讨论了这种实验的各种可能的结果，并计算出了不同结果出现的概率，因此推动了统计学的发展。

三、屋顶：预测未来，预见指数

7. 逆向思维

当 GPT 的回答太过笼统时，你不妨试着运用逆向思维，从反方向进行提问。

比如，你问 GPT：如何获得成功？

上面的回答看起来平平无奇，很多都像是一些正确的废话。

但是，如果你反过来问 GPT：如何才能失败？

成功的道路因人而异，因为每个人的情况各不相同。但在失败的人身上，却有很多共同的特点和规律。如果我们能从失败中吸取教训，避免犯类似的错误，就能增加成功的概率。

沃伦·巴菲特建议：列出自己最想实现的 25 件事，按重要性进行排序，然后安排时间去做排名前 5 的事情，并 不惜一切代价极力避免去做剩下的 20 件事 ，因为这 20 件事其实不够重要，却又有很大的诱惑力，让你无法专心做最重要的那 5 件事。

查理·芒格说：要是知道我将来会死在哪里就好了，那我将永远不去那个地方。

有时候反过来想一想，问题也许就能迎刃而解，这就是逆向思维的妙用。

8. 演绎思维

预测未来， GPT 将会有不同的演化方向，不同公司的运营理念可能会很不一样。

比如，与 ChatGPT 相比，Claude 的训练成本更低，而且具有一定的可解释性，可以有针对性地调整模型的参数，快速纠正一些不合适的回答，我认为这一点非常重要。

目前 GPT 就像一个黑盒子，很难通过人为调整参数来控制输出的结果，所以还存在很大的安全隐患，需要靠大量的人工去删除一些不恰当的回答。

在《大数据时代》这本书中，作者宣称：知道「是什么」就够了，没必要知道「为什么」。

然而，我并不这么认为，因为盲目使用不知道因果关系的相关性，是一件很危险的事情。

现实中有无数的事例证明， 相关不等于因果 。如果我们不知道为什么会发生，也不知道未来会发生什么，就像开「盲盒」一样，充满了不确定性，那么它未来的发展就很有可能会失控。

在充满不确定性的世界中，我们需要运用数据分析思维，保持自己独立的判断能力，从越来越多令人困惑的现象中，看清楚事物的本质。

说到底，GPT 是一种语言模型，它的能力无法突破语言模型的边界，就像物理学中的绝对零度不可逾越。

GPT 可以用来做信息转换、文本生成和信息精简，比如回答问题、生成文章、撰写摘要、数据分析、机器翻译、把自然语言翻译成 Python 语言等，但前提是要给 GPT 提供足够多高质量的数据。

另外，对同样一本书，或者一篇文章，或者一份数据，不同的人可能会产生不同的看法，一千个人心中有一千个哈姆雷特。这既是人的优点，也是人的缺点。

对于文学作品，让人产生多样化的主观感受，这样更能彰显文学的魅力。然而，对于客观的数据，分析者如果带有先入为主的看法，然后根据自己的想法选择数据，就容易得出有失公允的结论。

尽管 GPT 还存在诸多的能力边界，但按照目前的速度发展下去，随着应用领域的不断扩大，预计将会极大地提升人们的工作效率。如果我们能够尽早学习并应用 GPT，做到先人一步，就能有效提升自己的核心竞争力。

下棋的时候，宁输一子，不失一先。因为在很多时候，一步先，步步先。先发优势非常重要，当你占有先机之后，后面的很多事情就好办了。

9. 归纳思维

最后，归纳总结一下，当一项颠覆性的技术革命来临时，从短期来看，身处那个时代的大部分人，都会受到巨大的挑战和冲击。

但是，我们不必过于忧虑，因为从长期来看，所有人终将从中受益，就像互联网让我们的生活更便利。

目前 GPT 的作用，主要是用来提升效率、促进思考和启发灵感，并不能完全取代人类。实际上，支撑人类正常生活的很多东西，与 GPT 并没有太大的关系。

当然，随着 GPT 的快速更新迭代，技术的发展正在影响着我们工作、生活和学习的方方面面，过去行之有效的方法，如今可能已经不再适用。

如果我们能快速适应技术的变化，持续升级自己的思维方式和认知水平，就能快人一步，提前享受到时代发展带来的红利。

当电力时代来临时，赶紧用上先进的电器；当信息时代来临时，赶紧用上信息工具；当智能时代来临时，赶紧用上智能工具。

如今，我们处在一个信息过载的时代，随着 GPT 的快速发展，这种现象可能会更加严重。因为信息太多，所以要想获取高质量的信息，就会变得更加困难。

很多人的时间，被那些没有营养、让人上瘾的视频所占据，结果没有时间进行深度思考，缺乏独立的判断能力，结果沦为算法的奴隶而不自知。

要想扭转这个局面，你可以通过学习数据分析的 9 种思维，并且学以致用，进而更好地驾驭 GPT，让自己成为算法的主人。

总之，目标思维、对比思维、细分思维就像房屋的地基，可以让你更好地 理解现状和看见差距 ；溯源思维、相关思维、假设思维就像房屋的支柱，可以让你更好地 分析原因和洞见可能 ；逆向思维、演绎思维、归纳思维就像房屋的顶部，可以让你更好地 预测未来和预见指数 。