Looking up...
一种以假设为核心的数据分析方法论，通过提出可验证的假设并收集数据进行验证，从而指导决策或优化。
假设驱动的分析能帮助企业快速识别关键因素，避免盲目投入资源。
通过假设验证，企业能更高效地分配资源。
数据科学家使用假设驱动的分析框架，先构建模型假设再进行实验验证。
科学家通过假设-验证循环提升模型准确性。
强调假设的可验证性与数据驱动的决策过程，区别于传统的描述性分析。
假设应包含明确的变量（如'改变按钮颜色会提升点击率'），并可通过实验（如A/B测试）验证。避免模糊或无法测量的假设。
1. 提出假设；2. 设计验证方法；3. 收集数据；4. 分析结果；5. 迭代优化。
源自英文'hypothesis-driven analysis'，其中'hypothesis'指可验证的假设，'driven'强调以假设为核心驱动分析过程。2010年代后在数据科学和商业分析领域广泛应用。
常用于商业决策、产品优化和科学研究中，需确保假设的可操作性与可验证性。与传统描述性分析（如报表分析）形成对比。