看到此问题后，一直在思考怎么回答。因为越发思考，越觉得这个培养过程，在许多领域都是相通的。比如：各类人员(包括财会、运营以及数据分析师等)如何培养对数字的敏感性、如何培养对商业分析能力( 商业分析能力是怎样炼成的? - 知乎 )等等。大体思路都是如下图：从点到线，从线到面。大概因为人脑构造即如此，甚至连学习人脑的机器学习也有类似的流程。

因此本答案将聚焦于如何培养对财务数字的敏感性，对象主要是为财务数字的使用者，包括：财会、数据分析师、金融人士以及咨询顾问等等。另外，数据敏感的核心意义是，通过数字发现背后的商业意义。

这套框架或者养成过程，其实换到其他不少领域，还是应该适用的。

第一步，描点。这部分没啥窍门，就是不断阅读、理解和记忆财务数据，建立其海量的数据储备。如@何嘉文 所提到的，这些数据的积累会帮助建立参照体系并成为自己的常识，便于各种数据比较以及合理性判断。一般将这些参照体系固化为自己的“标尺”，看见各类财务数字，就会自动做到比较分类和产生意义。比如：BAT 的年收入都在 1000 亿人民币左右，以此为标杆，看到其他互联网公司的年收入数字时候，就很容易自动做分类和排级别，否则 xxx 亿的数字，对于大多数来说都是无感而无力的。

这部分的窍门是善用逻辑框架 Framework。框架的主要作用是不重不漏(Mutually Exclusive and Collectively Exhaustive)得掌握行业或者公司的财务数据以及背后的商业逻辑，并具有一定的系统性。常见的框架，如：最简单的“收入 - 成本=利润”，“收入=用户数 *ARPU”，“ 收入 =PV * PVR * ASN * CTR2 * ACP ”，等等。同时，框架背后的公式也是对数字之间关系的一种约束，通过框架或公式来记忆数字，也能大大提高效率。

第二步，连线。许多财务数据单点看产生的洞察是有限的，通过一些运算(在财务领域基本是四则运算就能满足一切)，把财务数据进行两两组合，就会产生各种财务指标，比如：利润率、毛利率、SG&A 占比以及 ROE 等等。这些财务指标不仅仅是将两个财务数字连接在一起方便记忆，也能折射出更多的商业意义。

比如：1000 亿收入和 10 亿利润，远不如 1000 亿收入和 1% 的利润率能够反映出一个公司的商业模式及管理水平。 又比如：记忆一个公司三四条产品线的年收入，不如再进一步转换为总收入及各产品线的占比，后者往往在记住数字的同时还能更掌握公司各产品线的业务情况及贡献度。 又比如：理解一个公司的总收入和 SG&A 比较无感，但是如果换成是人均收入和人均 SG&A，不仅方便记忆和理解，而且对于公司的商业模式会有更深刻的理解，是劳动力密集但低产出堆人型，还是高素质高产出型。

这部分的窍门是笨办法，就是多做连线。如同网络一样，连通性越好，越能产生无限可能。把各个财务数据以及关键运营指标(如流量以及员工数等等)互相连接产生新的指标，会对公司财务情况及商业模式的理解大幅加深。如同复习一本书，刚记住知识点是低效的，不如把主线摸清楚然后将各个知识点前后相连而做到融会贯通。

第三步，切面。选择做不同切面，用各种维度来观察和比较各个财务数据以及它们连接后产生的财务指标。比如：

沿时间维度看变化，常用同比和环比等各种比较方法，了解财务数字背后季节性的波动、宏观大环境的变化以及公司内部效率的改善

行业内比较或者跨行业比较，常用直接对比，了解公司在行业内的段位和水平以及公司正在努力目标的天花板或者底线等等

公司内部分产品线或者分事业部进行比较，常用直接对比，了解公司各个产品线以及事业部的贡献程度以及运营状况