數據分析要驅動決策！這個道理人人都知道，可實操起來，到底咋驅動法？很多同學見都沒見過，偶爾寫幾句分析建議，還被噴回來……咋整？今天系統分享一下。
破局的關鍵，在於：不要一腳踩進爛泥坑裡。和決策有關的因素那麼多，指望一個神威無敵大將軍公式全部計算清楚，是不可能的。想腳踏實地的解決問題，最好的辦法就是：從最簡單的地方開始，一步步做。
困難度0級決策
設想一個最簡單的場景：賣盒飯。一個盒飯成本5元，如何決策？
如果賣10元，誒，有得賺，可以搞
如果賣5元，誒！我干這幹啥……
你看，多簡單，搞掂。
如果賣10元，誒，有得賺，可以搞
如果賣5元，誒！我干這幹啥……
你看，多簡單，搞掂。
問題是現實沒這麼簡單，要升級難度的話，第一順位考慮的是：成本並非只有可變成本，還有固定成本。
困難度1級決策
設想一個簡單的場景：開個店，請倆夥計賣盒飯。
前期投入：開店需頂手費、裝修、設備，假設一筆2萬元
固定成本：店租3000元，倆夥計工資6000元
可變成本：每個料理包5元
其他細項先不考慮
這樣得先考慮，前期投入用多久收回，假設需要10個月，則分攤到每個月需2000元，加上店租、工資，一個月成本就去到11000元，每個盒飯還賣10元，則每個月得2200個盒飯才能回本，賣到3000個才有點賺的……
不過這麼看起來還是簡單，再升級難度的話，就得直面「你怎麼知道，每個月能賣3000個以上盒飯？」這個問題。
困難度2級決策
想知道每個月能賣多少盒飯，最簡單的方法就是：我以前做到過。我有成功經驗想複製一份，這是最靠譜的理由了。但是要注意一個細節，就是這個3000個盒飯，可能只是個平均數，很少有業務是均勻發生的，一般都會有淡旺季（如下圖）。
不過，此時決策還是很簡單，就是：
新開店，避開淡季。
老店，在淡季前預留資金，避免缺錢。
就差不多了。
再升級難度，問一個問題：憑什麼，它一開店就有3000盒？！
困難度3級決策
開店肯定有成有敗，最直接的因素就是：位置。位置不好會撲街，道理就這麼簡單。
好在，位置相對容易量化，通過打標籤的方式，能大差不差地描述出來（如下圖）。
量化完以後，雖然不是100%準確，但是至少有一定機率，能發現，XX類位置成功率高，差不多搞掂。
不過並非所有問題都這麼容易量化，再升級難度，會面對更多難量化問題。
困難度4級決策
一個典型的難量化問題：店長。店長肯定會影響業績，但是到底咋影響？量化起來相當有難度（如下表）。
難量化的背後，是因為影響邏輯本身很複雜。同一個人，可能因為狀態不好而表現失常，可能換個地方就水土不服，和下級搞不好關係。因此雖然我們可以同樣用機率來解釋，比如A類店長成功率60%，但是這個60%，已經包含了很多未知成分（玄學內容），決策開始變得難以把握。
不過這才4級難度呢，更難搞的在後邊。
困難度5級決策
誰說的一個店賣3000個盒飯，一定是一直3000，很有可能如下圖所示，是個持續增長過程。比如我主營外賣渠道，我在外賣平台投入運營力量越大，賣的盒飯越多，此時就會走出下圖走勢。
很多同學會本能地說：
這樣可以算投入產出比
可以擬合增長趨勢
可以計算邊際收益
以上都對，並且可以用數據公式擬合出來
但是！真遇到這種曲線，人們真正擔心的是：拐點在哪裡？頂點在哪裡？啥時候會觸頂。而且更糟心的是，可能影響拐點的因素，根本不在自己企業之內。
比如：
行業整體不景氣（P）
大量競爭對手加入（E）
潛力用戶已耗盡（S）
新技術帶來新產品（T）
這些都會導致拐點的到來，並且通過內部數據完全擬合不了。
比如：
行業整體不景氣（P）
大量競爭對手加入（E）
潛力用戶已耗盡（S）
新技術帶來新產品（T）
這些都會導致拐點的到來，並且通過內部數據完全擬合不了。
更更糟糕的是，這四個因素都很難量化，並且充滿不確定性。如果一定要排序的話，P＞E＞S＞T。如果量化分析，內容太多，可參考這篇： 數據分析八大模型：詳解PEST模型
估計到這裡已經把很多同學糾結得頭暈腦漲，不過別著急，這還沒到頭呢，更糾結的在後邊。
困難度6級決策
前邊五個等級，都假設：我們有一次的成功經驗，所以可以總結規律，探索影響因素。更糾結的問題是：如果我們沒有呢？！
比如我們只做到過2500盒，可現在偏偏領導要定個3000+的目標……
此時要把之前的所有假設全部推翻！因為
1、成本變化：量上去了，夥計/門面/廚房都得擴
2、因素變化：每個3000+需要特別能幹的店長，雜魚乾不來
3、環境變化：有沒有這麼多顧客吃料理包呀！不確定……
此時要把之前的所有假設全部推翻！因為
1、成本變化：量上去了，夥計/門面/廚房都得擴
2、因素變化：每個3000+需要特別能幹的店長，雜魚乾不來
3、環境變化：有沒有這麼多顧客吃料理包呀！不確定……
並且，在沒有測試的情況下，即使以上三點都論證是OK的，也有翻車風險。因為紙上談兵始終有問題，得測試過才知道。可測試本身又會影響業務：如果單獨測每一項，單體之和不等於整體。如果測整體，那麼就相當於我們得做成一個MVP，才能證明價值。想想都難。
不過，很快你會驚恐地發現：其他假設也有被推翻的可能。比如：說過投了固定成本，就一定有產出？！
困難度7級決策
如果是生產線投入，遇到投錢打水漂問題相對較少。但是在研發、品牌宣傳、用戶運營上投錢，很有可能一去不復返。
研發的新功能用戶不喜歡
品宣很熱鬧可用戶不掏錢
燒錢效果好可錢停用戶走
此時，不但需要和難度7一樣做測試，而且得觀察的是增量效果。即」我疊了BUFF以後，有沒有額外帶來收入」。
啥？你說還有更難的？是滴，有！
困難度8級決策
最難的是啥？當然是以上各種情況全部揉在一起。
因為有各種風險，所以劃分了現金流業務，基建業務，創新業務……
因為有不確定性，所以每一類業務有輕重緩急，有成功機率
這樣理論上，能做出如圖決策路徑，但是裡邊每一個參數，都是需要前邊7個等級的分析支持，且不同業務之間相互牽扯，分析起來非常困難。
小結
實際上，難度0到難度8，是決策五個層次（下圖建議保存並背誦，面對複雜問題時拿出來看看，到底現在糾結的是哪層的問題）
而數據之所以難以驅動決策，就是很多公司，直接把困難8級扔給分析人員。沒有對0~7級問題做深入研究，更沒有清晰每個決策的階段和目標。導致每一次決策，都得從0到7搞一遍，ppt拖得很長，看似科學，實則是填字遊戲，堆砌文字。
特別是，很多業務部門剛愎自用，單獨講每一條因素，他都說：「我早知道了，你不用算」，可各種因素組合起來，到底每個業務面臨的問題是啥，量化以後風險大小如何，從來沒有認真計算過。至於業務部門為了自己的績效，估計扭曲數據，粉飾太平，更是不在話下。
所以，如果同學們覺得沒見過數據驅動決策，這也很正常，並非每個公司都這麼規範認真，我們要做的是0級~7級的基礎積累，積累越多，我們自己掌握的本事就越大，也越有機會到真正優秀的公司實踐。
推薦閱讀
情人節數據「爆」了！數據顯示女性比男性更願意為浪漫買單
做一份好的生產計劃之前，必須做好哪些準備 | CDA持證人專訪
解讀 | 如今數據分析崗位的現狀和需求是怎樣的？
解讀 | 數據分析行業大概是什麼時候在國內興起的？
從體制內走出，我靠數據分析再次上岸 | 求職分享