Mentala Modeller - Analytiker Student Scenarion Flashcards
Första principer (First Principles Thinking): Bryt ner ett problem till dess grundläggande delar och bygg lösningen från grunden.
Fråga “varför” 5 gånger.
Scenario: Du försöker förstå en komplex datauppsättning och vill bryta ner den till dess grundläggande variabler för att se tydligare mönster.
Bayesianskt tänkande (Bayesian Thinking): Uppdatera dina beslut när ny information tillkommer.
Fråga: Hur påverkar den här nya informationen min nuvarande uppfattning?
Scenario: Under ett projekt får du ny insikt om användarbeteenden från en uppdaterad analys och behöver justera din hypotes.
Alternativkostnad (Opportunity Cost): Tänk på vad du går miste om när du väljer en viss väg.
Fråga: Vad förlorar jag genom att välja det här alternativet?
Scenario: Du överväger att spendera mer tid på att lära dig ett nytt analysverktyg, men det innebär att du förlorar tid på att slutföra ett annat viktigt projekt.
Inversion (tänk baklänges) (Inversion): Tänk baklänges från problem eller dåliga utfall för att hitta lösningar.
Fråga: Vad kan gå fel, och hur undviker jag det?
Scenario: Du planerar ett dataanalysprojekt för en kurs, och du vill förutse de största riskerna, som fel i datainsamlingen eller analysen.
Kartan är inte verkligheten (The Map is Not the Territory): Din bild av en situation är inte hela sanningen; den kan vara förenklad.
Fråga: Stämmer min uppfattning med hur det faktiskt är?
Scenario: Du analyserar en kundresa med hjälp av Google Analytics, men frågar dig om den insamlade datan verkligen speglar det verkliga användarbeteendet.
Occams rakkniv (Occam’s Razor): Den enklaste lösningen är oftast bäst, så länge den fungerar.
Fråga: Är detta den enklaste lösningen?
Scenario: Du försöker optimera en algoritm för en datamodell men inser att en enklare metod kan vara lika effektiv.
Falsifierbarhet (Falsifiability): En idé är bara giltig om den kan motbevisas.
Fråga: Hur kan jag bevisa att jag har fel?
Scenario: Du har en hypotes om varför en specifik marknadsföringsstrategi fungerar, men vill testa om den kan motbevisas med ny data.
Kompetenscirkel (Circle of Competence): Fatta beslut inom områden där du har kunskap.
Fråga: Vet jag tillräckligt om detta, eller behöver jag fråga någon som kan mer?
Scenario: Du arbetar med en avancerad SQL-fråga men känner att du kanske behöver råd från en mer erfaren kollega eller lärare.
Sannolikhetstänkande (Probabilistic Thinking): Tänk i termer av chanser och risker, inte bara säkra utfall.
Fråga: Hur troligt är det att detta händer, och är risken värt det?
Scenario: Du överväger att dra en slutsats från en dataanalys, men är osäker på hur stor sannolikheten är att resultatet verkligen speglar verkligheten.
Ränta på ränta (Compounding): Små insatser över tid leder till stora resultat.
Fråga: Hur påverkar små handlingar idag min framtid?
Scenario: Du funderar på att investera 15 minuter varje dag för att förbättra dina kunskaper i Excel eller Python, och hur detta kan leda till stor kompetens på sikt.
Andra ordningens konsekvenser (Second-Order Thinking): Tänk på följderna av ditt beslut, inte bara det omedelbara resultatet.
Fråga: Vad händer efter detta beslut, och vad händer sedan?
Scenario: Ditt företag överväger en stor personalminskning, och du vill tänka på vilka långsiktiga effekter det kan ha.
Hedonistiska löpbandet (Hedonic Treadmill): Vi vänjer oss snabbt vid förändringar, så jakten på lycka måste vara hållbar.
Fråga: Kommer detta att göra mig nöjd på lång sikt?
Scenario: Du funderar på att hoppa på ett sidoprojekt för att få snabb erkänsla, men undrar om det verkligen kommer att göra dig nöjd över tid.
Paretoprincipen (80/20-regeln) (Pareto Principle): 20 % av dina insatser ger 80 % av dina resultat.
Fråga: Fokuserar jag på det som ger mest resultat?
Scenario: Du har många uppgifter att slutföra i flera kurser, men du vill prioritera de uppgifter som ger dig mest nytta i dina studier.
Hävstångseffekt (Leverage): Liten insats kan ge stor effekt om den används rätt.
Fråga: Hur kan jag få största möjliga resultat med minst ansträngning?
Scenario: Du söker sätt att automatisera en rapport i Google Analytics för att spara tid på att manuellt samla in data varje gång.
Lindy-effekten (Lindy Effect): Ju längre något har funnits, desto längre sannolikt kommer det att fortsätta finnas.
Fråga: Hur länge har detta funnits, och kommer det att hålla i längden?
Scenario: Du överväger att lära dig ett nytt analysverktyg, och undrar om det har långsiktig relevans på arbetsmarknaden.
