首先想一想，警察是怎么抓坏蛋的？

警察一般都会假定几个嫌疑犯，然后再各种线索的基础上排查。法院裁决时，也必须有人证物证，才能将犯罪嫌疑人绳之以法。如果线索有误或证据不充足，就可能让真凶逍遥法外。

从警察抓坏蛋的例子中，我们可以看出解决问题的一个基本思路是大胆假设，小心求证。

意思是，假设只是导向，事实才是求证的基础，要让事实资料说话。如果不能从事实出发，得出的结论很可能偏离正确方向十万八千里。

拿行业分析来举例吧，共两个步骤：

1 搜集信息和情报

2 根据事实（尤其是异常信息）来判断，决策

第一步：分析师的基本功--情报搜集

要想支撑或者推翻你的某个观点或假设，找到足够的事实资料就至关重要。这些情报一般分为两种：

第一种是一手资料，一般来源于企业走访，高管面谈，专家访谈，等等。

第二种是二手资料，一般来源于数据库，网站，行业协会以及其他专业机构网站。

第二步：根据事实（尤其是异常信息）来判断，决策

搜集了大量的数据等信息，资料之后，这些只是一个分析的基础，能不能得出富有洞见的结论，关键在于能否从数据中提取有价值的信息。一名优秀的分析师需要对数据保持足够的敏感度，从非正常的数据中找出问题所在。

在福尔摩斯探案集里又一个叫做”银色马“的故事，说的是一个马场的马失窃了，但当晚没任何异常。福尔摩斯说，这才是奇怪的地方，因为马场养了狗，如果有人偷马，狗应该会叫，狗不叫说明偷马的是狗熟悉的人。后来，根据这个线索顺藤摸瓜找到了犯人。

如果你能像福尔摩斯一样，对异常信息保持足够的敏感度，你会在行业分析过程中发现很多疑点，这种敏感度有多重要？举个林彪的例子：

从红军时期带兵打仗起，林彪身上就有个小本子，上面记载着每次战斗的缴获、歼敌数量。每次打完仗，林彪就亲自往上面添加数字，并视为珍宝。

辽沈战役开始之后，在东北野战军前线指挥所里面，每天深夜都要进行例常的每日军情汇报：由值班参谋读出下属各个纵队、师、团用电台报告的当日战况和缴获情况。

数据千篇一律，内容枯燥无味。每支部队歼敌多少、俘虏多少；缴获的火炮多少、车辆多少、枪支多少、物资多少……司令员林彪的要求很细：俘虏，要分清军官和士兵；缴获的枪支，要统计出机枪、长枪、短枪；击毁和缴获尚能使用的汽车，也要分出大小和类别。

经过一天紧张的战斗指挥工作，大家都非常疲劳。参谋如往常一样读着下面某师上报的各个下属部队的战报。林彪倒骑着椅子，面对着墙上的地图，长时间对着地图静静地观察和思考。

参谋近乎机械地读着战报：某部在胡家窝棚碰到一个不大的遭遇战，歼敌部分，其余逃走，缴获长枪多少、短枪多少；俘虏军官多少、士兵多少；击毁小车多少，大车多少。

这样的战报丝毫让人提不起兴趣。不料，林彪突然叫了一声“停！”他的眼里放射出光芒，问其他人：“刚才念的在胡家窝棚那个战斗的缴获，你们听到了吗？”

大家十分茫然，因为这样的战斗每天都有几十起，枯燥的数字差不多是一模一样。

林彪扫视一周，见无人回答，便接连问了三个问题：

“为什么那里缴获的短枪与长枪的比例比其它战斗要高?”

“为什么那里缴获和击毁的小车与大车的比例比其它战斗要高？”

“为什么在那里俘虏和击毙的军官与士兵的比例比其它战斗要高？”

大家还没有来得及思索，等不及的林彪司令员大步走向挂着军用地图的墙壁，指着地图上的胡家窝棚说： “我猜想，不，我断定！敌人的指挥所就在这里！”

林彪可以如此笃定，取决于他每晚必做的大数据整理功课。每天的战报汇集成林彪脑中一个庞大的数据库，当出现差异，他可以及时获取，得到准确信息，找出价值所在。林彪对兵力的计算可以精确到一个营，甚至一个连。

得出结果之后，林彪立即下达命令，追击从胡家窝棚逃走的那部分敌人，并坚决把他们消灭掉。随后，其他部队采取分割包围的办法，把失去指挥中枢后变得混乱的几十万敌军切成小块，逐一歼灭。司令员的命令随着无线电波发向参战的各个作战部队……

而此时的廖耀湘，正庆幸自己刚刚从偶然的一场遭遇战中安全脱身，并与自己的另外一支部队汇合。他来不及休息，急于指令各部队尽快调整部署，为下一阶段作准备。好景不长，紧追而来的林彪部队迅速把他的新指挥部团团围住，拼命攻击。

漫山遍野的东北野战军战士中，不断有人喊着一个上面传达下来的口号：“矮胖子，白脸膛；金丝眼镜，湖南腔；不要放走廖耀湘！”

把对方指挥官的细节特征琢磨得如此细微，并变成如此威力巨大的口号，穿着满身油渍伙夫服装的廖耀湘只好从俘虏群中站出来，无奈地说“我是廖耀湘”。

这个出身黄埔军校，并留学法国著名的圣西尔军校，参加过滇缅战役，在那里把日本鬼子揍得满地乱爬的新六军军长彻底服了。

正是因为对非正常数据保持足够的敏感，林彪才能在大批杂乱无序的数据中提炼中重要信息，分析出研究对象的内在规律。

培养对数据的敏感性需要建立在对数据大量、持久获取的基础上，时刻对数据保持质疑的态度，你就会发现更多问题。

一个公司的业绩是不是好得超出了正常水平？

一份报告对于产业成熟时点的判断是不是和你看到的不一样？

一家声称自己很牛的企业却频繁发生人事变动？

所有的异常都值得引起怀疑，背后可能隐藏着更大的问题。