数据分析要驱动决策!这个道理人人都知道，可实操起来，到底咋驱动法?很多同学见都没见过，偶尔写几句分析建议，还被喷回来……咋整?今天系统分享一下。

破局的关键在于：不要一脚踩进烂泥坑里。和决策有关的因素那么多，指望一个神威无敌大将军公式全部计算清楚，是不可能的。想脚踏实地的解决问题，最好的办法就是：从最简单的地方开始，一步步做。

困难度0级决策

设想一个最简单的场景：卖盒饭。一个盒饭成本5元，如何决策?

• 如果卖10元，诶，有得赚，可以搞

•  如果卖5元，诶!我干这干啥……

你看，多简单，搞掂。

编辑搜图

问题是现实没这么简单，要升级难度的话，第一顺位考虑的是：成本并非只有可变成本，还有固定成本。

困难度1级决策

设想一个简单的场景：开个店，请俩伙计卖盒饭。

• 前期投入：开店需顶手费、装修、设备，假设一笔2万元。

• 固定成本：店租3000元，俩伙计工资6000元。

• 可变成本：每个料理包5元。

其他细项先不考虑：

编辑搜图

这样得先考虑，前期投入用多久收回，假设需要10个月，则分摊到每个月需2000元，加上店租、工资，一个月成本就去到11000元，每个盒饭还卖10元，则每个月得2200个盒饭才能回本，卖到3000个才有点赚的……

不过这么看起来还是简单，再升级难度的话，就得直面“你怎么知道，每个月能卖3000个以上盒饭?”这个问题。

困难度2级决策

想知道每个月能卖多少盒饭，最简单的方法就是：我以前做到过。我有成功经验想复制一份，这是最靠谱的理由了。但是要注意一个细节，就是这个3000个盒饭，可能只是个平均数，很少有业务是均匀发生的，一般都会有淡旺季(如下图)。

不过，此时决策还是很简单，就是：

• 新开店，避开淡季。

• 老店，在淡季前预留资金，避免缺钱。

就差不多了。

编辑搜图

再升级难度，问一个问题：凭什么，它一开店就有3000盒?

困难度3级决策

开店肯定有成有败，最直接的因素就是：位置。位置不好会扑街，道理就这么简单。

好在，位置相对容易量化，通过打标签的方式，能大差不差地描述出来(如下图)。

编辑搜图

量化完以后，虽然不是100%准确，但是至少有一定概率，能发现，XX类位置成功率高，差不多搞掂。

不过并非所有问题都这么容易量化，再升级难度，会面对更多难量化问题。

困难度4级决策

一个典型的难量化问题：店长。店长肯定会影响业绩，但是到底咋影响?量化起来相当有难度(如下表)。

编辑搜图

难量化的背后，是因为影响逻辑本身很复杂。同一个人，可能因为状态不好而表现失常，可能换个地方就水土不服，和下级搞不好关系。因此虽然我们可以同样用概率来解释，比如A类店长成功率60%，但是这个60%，已经包含了很多未知成份(玄学内容)，决策开始变得难以把握。

不过这才4级难度呢，更难搞的在后边。

困难度5级决策

谁说的一个店卖3000个盒饭，一定是一直3000，很有可能如下图所示，是个持续增长过程。比如我主营外卖渠道，我在外卖平台投入运营力量越大，卖的盒饭越多，此时就会走出下图走势。

很多同学会本能地说：

• 这样可以算投入产出比

• 可以拟合增长趋势

• 可以计算边际收益

以上都对，并且可以用数据公式拟合出来。

编辑搜图

但是!真遇到这种曲线，人们真正担心的是：拐点在哪里?顶点在哪里?啥时候会触顶。而且更糟心的是，可能影响拐点的因素，根本不在自己企业之内。

比如：

• 行业整体不景气(P)

• 大量竞争对手加入(E)

• 潜力用户已耗尽(S)

• 新技术带来新产品(T)

这些都会导致拐点的到来，并且通过内部数据完全拟合不了。

更更糟糕的是，这四个因素都很难量化，并且充满不确定性。如果一定要排序的话，P>E>S>T。

编辑搜图

估计到这里已经把很多同学纠结得头晕脑涨，不过别着急，这还没到头呢，更纠结的在后边。

困难度6级决策

前边五个等级，都假设：我们有一次的成功经验，所以可以总结规律，探索影响因素。更纠结的问题是：如果我们没有呢?

比如我们只做到过2500盒，可现在偏偏领导要定个3000+的目标……

此时要把之前的所有假设全部推翻!因为：

1. 成本变化：量上去了，伙计/门面/厨房都得扩。

2. 因素变化：每个3000+需要特别能干的店长，杂鱼干不来。

3. 环境变化：有没有这么多顾客吃料理包呀!不确定……。

并且，在没有测试的情况下，即使以上三点都论证是OK的，也有翻车风险。因为纸上谈兵始终有问题，得测试过才知道。可测试本身又会影响业务：如果单独测每一项，单体之和不等于整体。如果测整体，那么就相当于我们得做成一个MVP，才能证明价值。想想都难。

不过，很快你会惊恐地发现：其他假设也有被推翻的可能。比如：说过投了固定成本，就一定有产出?

困难度7级决策

如果是生产线投入，遇到投钱打水漂问题相对较少。但是在研发、品牌宣传、用户运营上投钱，很有可能一去不复返。

• 研发的新功能用户不喜欢

• 品宣很热闹可用户不掏钱

• 烧钱效果好可钱停用户走

此时，不但需要和难度7一样做测试，而且得观察的是增量效果。即”我叠了BUFF以后，有没有额外带来收入”。

啥?你说还有更难的?是滴，有!

困难度8级决策

最难的是啥?当然是以上各种情况全部揉在一起。

因为有各种风险，所以划分了现金流业务，基建业务，创新业务……

因为有不确定性，所以每一类业务有轻重缓急，有成功概率。

编辑搜图

这样理论上，能做出如图决策路径，但是里边每一个参数，都是需要前边7个等级的分析支持，且不同业务之间相互牵扯，分析起来非常困难。

小结

实际上，难度0到难度8，是决策五个层次(下图建议保存并背诵，面对复杂问题时拿出来看看，到底现在纠结的是哪层的问题)。

编辑搜图

而数据之所以难以驱动决策，就是很多公司，直接把困难8级扔给分析人员。没有对0~7级问题做深入研究，更没有清晰每个决策的阶段和目标。导致每一次决策，都得从0到7搞一遍，ppt拖得很长，看似科学，实则是填字游戏，堆砌文字。

特别是，很多业务部门刚愎自用，单独讲每一条因素，他都说：“我早知道了，你不用算”，可各种因素组合起来，到底每个业务面临的问题是啥，量化以后风险大小如何，从来没有认真计算过。至于业务部门为了自己的绩效，估计扭曲数据，粉饰太平，更是不在话下。

所以，如果同学们觉得没见过数据驱动决策，这也很正常，并非每个公司都这么规范认真，我们要做的是0级~7级的基础积累，积累越多，我们自己掌握的本事就越大，也越有机会到真正优秀的公司实践。