“數據分析要支持管理層做出科學的，準確的決策”

——這是很多企業對數據分析師的要求。然而問題來了：到底咋個支持法？！為啥辛辛苦苦碼了一大堆數據，還是被說：沒啥用？

一、剝去決策的神秘面紗

很多同學一聽到“決策”倆字就慫了。對“決策”的第一印象，就是各種聽不懂的高大上詞語，什么“把握機遇”“苦練內功”“真抓實干”……這些東西咋個和數據扯上關系？

如果只看這些玄幻詞語，確實和數據沒啥關系！所以想要數據支持決策，第一步，就是剝去決策的神秘面紗，用最簡單直白的數據模型來描述決策這件事，這樣才能做到可量化，可分析。

舉個最直白的例子，一個小伙好不容易盼到周末，終于可以跟女朋友約會了！那么他該怎么辦呢？這就是一個典型的決策問題。

二、決策的三大要素

要素一：決策目標。

提高女朋友滿意度。

要素二：決策層級。

最高級決策：要不要出去玩（要/不要）

次一級決策：要去哪里玩？（已決定：要玩，再考慮：近郊/遠郊、室內/室外）

次二級決策：要去哪個具體場所玩？（已決定：遠郊，室外，再考慮：公園/游樂場/景點……）

次三級決策：要怎么去？在哪里吃飯？怎么回？（已決定去郊區著名景點，決定行程細節）

要素三：評價因素。

比如基于以下因素，決定出去找個地方玩：

1、現在是秋天，天氣好

2、女朋友喜歡出去玩

3、附近有個幾個景點口碑還不錯

4、附近這幾個景點還沒去過

這些就是支撐“出去玩”的評價因素。評價因素是用來判斷決策是否科學的重要依據。

因為很有可能決策人在謀劃階段思考的因素，在現實中不成立，比如：

1、現在是秋天，天氣好——這兩天突然很陰沉想下雨

2、女朋友喜歡出去玩——但是這兩天沒心情

3、附近有個幾個景點口碑還不錯——但是女朋友聽閨蜜說這都不好玩

因此，根據實際情況作出評價，修正決策，就變得非常重要。

三、決策的四大原則

在做決策時候，有幾個基本原則：

原則一：清晰決策目標。

如果目標是“我得盡快甩了她”，那后邊就想著怎么冷暴力好了。

原則二：決策層級圍繞決策目標構建。

如果目標是“討好女朋友”，那后邊就不要想著周末自己憋家打一天游戲，然后扣個可樂拉環當戒指糊弄過去。

原則三：每一級決策受上一級制約。

如果已經選了去遠郊，出行方式就只能考慮：租車/打車，最好公交都不考慮。

原則四：每一級決策有自己的評價因素。

決策人根據實際情況，修正評價因素。

了解了這四大原則，我們可以進一步看：數據在決策中的作用。

四、數據如何支持決策

注意：決策是個業務能力，理論上跟數據沒啥關系！就像小伙子去約會，如果他高大英俊，氣質不凡，腰纏萬貫。那即使他啥都不做，都有大把女生撲上門來，滿意度還賊高。

BUT！小伙們自己照照鏡子，每日三省吾身：高否？富否？帥否？絕大部分小伙既沒有傾國傾城的相貌，又沒有億萬身家，這時候就得認真思考該怎么和女孩子相處。這時候，又會冒出來更多問題。

問題一：壓根不知道干什么。很多鋼鐵直男除了傻憨憨地問好，就不知道干啥了。有幾個餐廳，幾個公園，幾個游樂場，有啥電影可以看，全不知道。這咋進一步決策嘛。

問題二：知道有可以做的事，但不會評估。知道上海有迪士尼，廣州有長隆，就憨憨地拖著女朋友去，天氣咋樣，有沒有心情，一概不考慮，結果無辜被噴。

問題三：評估層級不夠細，越往細節問題越多。女朋友想去長隆，于是興沖沖定了票，至于交通咋走，去了咋吃，準備多少錢，全沒安排，結果一路搞得小姑娘又餓又累，花錢不討好。

當遇到不知道，不明確，算錯數的情況，就是數據發揮作用的時候了！

這時候數據可以：

• 澄清現狀
• 梳理邏輯
• 計算過程

從而支持決策。

決策的科學性和準確性，也可以一定程度上通過數據保證。

所謂的決策不科學性：原本可以出去玩，結果非宅家惹女朋友不開心。或者本來可以去景點，結果因為不知道，所以沒去。通過數據澄清現狀，梳理邏輯，可以避免這些問題。

所謂的決策不準確：原本該打車，結果算錯了時間和距離，做了公交，把女朋友累得半死大發脾氣……

雖然數據不能直接告訴你科學、準確的決策是啥。但是是否當前的決策不科學、不準確，有多大概率是科學、準確的，是可以評估的。

故事到這就講完了，估計很多小伙仰天長嘆：誒呀嗎，你看我都沒有女朋友。可見決策是個多么難的事呀！實際上，在企業里做決策，比追女朋友容易得多。

五、企業經營決策與數據分析

之所以在企業里做決策比自己追女朋友容易，是因為但凡有點規模的企業，都有組織架構和人員分工，但凡是個正規企業，都有清晰的經營范圍。因此只要能了解企業的業務特點，部門分工，就能按圖索驥弄清楚決策特點。這可比猜女生的心思容易太多了。

站在數據角度，企業決策的內核并不復雜，其核心，就是：

• ABC指標，做哪個？
• 從多少，做到多少？
• 多長時間內做完？

這三個問題答完即可，剩下的是具體執行問題。不同部門、不同等級的領導，關心的指標肯定不同。

部門間的區別：

• 戰略發展部：全公司經營性指標
• 銷售部：銷售金額、銷售數量、銷售回款……
• 運營部：總用戶數、新增用戶數、活躍用戶數……
• 供應鏈：生產訂單數、產品供應數、物料使用數…… 

領導等級也有區別：

• 公司級高管：戰略性問題，如發展路線，考核標準，職責劃分
• 部門級領導：戰術性問題，比如具體做哪些產品線，哪些客群，任務分配
• 小組及領導：戰斗性問題，比如是早上干還是晚上干，顏色紅色藍色，按鈕左邊右邊

并且，很多決策是有固定套路的，比如對于單產品，有三種典型策略（如下圖）。

圖片

對于多產品線/業務線，也有三種典型策略（如下圖）。

圖片

所以對各種業務的數據形態有積累以后，就能很容易照葫蘆畫瓢，幫領導理清決策邏輯（如下圖）。

圖片

六、數據支持決策的難點

實際工作中，數據支持決策之所以難，主要難在：

1、不懂業務，部門、層級、分工、目標完全弄不清

2、沒有分清決策層級，不是做的太淺，就是一下扎的太細

3、沒有列羅每一級的評估因素，評估不夠充分，不能說服人

當然，更糟糕的做法，是試圖建立一個神威無敵大將軍超牛逼模型，一模解千愁，把各種各樣的問題都分析清楚。真要有這么厲害的玩意，強烈建議不要打工了，直接去炒股，一摸一個準，下個世界首富就是你，歐耶！梳理問題邏輯，層層遞進，多種方法組合，才是支持決策的正道。

然鵝，總有那種很作的女朋友：

• 你問她想去哪玩，她說隨便
• 你建議去室內的，她說無聊
• 你建議去郊外，她說太累
• 你說咱們討論討論，她說你直男！沒腦子！
• 你怎么就不能讀懂女孩子心呢

就是得我嘴上啥都不說，你一下精準猜出我的想法真要是談戀愛遇到這種姑奶奶，強烈建議直接踹了省事，咱伺候不起。