数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
确认论点，结构化论据，下一步是论证。在论证中运用推理思维能够帮助我们迅速找到问题的异同点，从而发现它们的规律。
推理主要使用的方法是归纳、演绎、类比法，而在推理过程中还贯穿着对因果的辩证。
一、归纳法
归纳法，指从特殊（部分样本）到一般（全量样本）的过程，通俗的说是从个别的经验归纳出普遍规律的方法。它更偏感性思维，其推理方式不够严谨，常用于开拓思路。
在产品工作中我们会遇见许多使用归纳法的情景，如：“很多用户都需要这个功能，所以我们应该尽快实现。”
这实质上是以偏概全的方法，一旦有一个用户不满足这个前提，这个结论就无法成立。
这里并不是说如果有用户不需要这个功能需求就不承接了，而是要增加更多的衡量维度，如样本数量、样本占比、投入产出比等。
在输出结论之前需要判断样本是否足够有代表性，判断是必然事件还是随机事件。
这也是为什么数据分析需要长时间的收集样本并观察数据，样本量太小会使其代表性不足，观察周期太短会被数据的波动所迷惑，很容易让我们做出错误的判断。
二、演绎法
演绎法则与归纳法相反,是从既有经证实的普遍性结论，推导出个别性结论的一种方法，常见的表现形式是逻辑三段论。
逻辑三段论的格式为：大前提、小前提、结论。
假设大前提为真，小前提为真，那结论一定为真。演绎法追求的是前后一致，不自相矛盾，但大部分人都倒在了第一步，即大前提本身是不成立的。
不成立的原因是，大前提并非经证实的普遍性结论，而是通过归纳法输出的结论。要避开归纳法的陷阱，我们则需要对其因果进行辩证。
三、因果关系分析法
因果辩证，同时适用于演绎和归纳法，它们都是由因及果的过程。
近期互联网保险的营销活动由于监管原因，无法使用现金及优惠券奖品促进成交，一定程度上减少了活动的数量。
我们试着拆解出可能的因果关系：
拆解完毕后先不进行辩证，而是先对因果关系进行枚举：
枚举完毕后，辩证时提问3个问题：
1）原因是否真实？
2）结果是否真实
3）这个原因一定会引起这个结果吗？是否有其他的原因？
在上述的案例中假设原因和结果都为真，套入第3点做出以下提问：
1）使用现金及优惠券奖品，一定会使成交效果更好吗，是否有其他的方式？
2）不使用这2种奖品，活动一定不能做吗，是否有其他的奖品？
