我们常说：数据分析辅助决策。可到底是怎么辅助的，很少有系统讲解。今天用3分钟系统科普一下。
首先，我们得明白决策是什么。决策其实就是下决定做一系列的动作。既然是做动作，就会有5w2h。需要注意的是，5w2h不是像小学生玩填字游戏一样，填满了就完事，而是有内在逻辑的。按照决策的逻辑，5w2h的展开顺序应该是：
▌第一顺位：Who。
先讲谁来干，再谈具体干什么。即使同一件事情，不同人来办的时候，思路、方案、效果都会不一样。
比如中午吃饭，都是吃饱肚子，CBD高大上的写字楼里小西装大波浪细高跟的小姐姐可能会选38块健康沙拉，装修师傅会选15元米面无限续碗的猪脚饭。这都是从自己的需求出发，所以先定人，再谈事。
▌第二顺位：why，what。
先谈要解决什么问题（为什么做这件事），再谈要解决到什么程度，之后才是具体的操作步骤。
还是中午吃饭，如果是自己填肚子，可能随便一个烧腊饭就打发了，但是要和客户开个午餐会，就得找个有包间的、安静一点的馆子。如果是约小姐姐，可能直接就放弃午餐换晚餐了。所以先定目标与期望结果，再谈具体方案。
▌第三顺位：where，when，how，how much。
这四个要素构成了行动的具体内容：时间、地点、方式、投入力度。定好了执行人、目标、期望值，出具体的方案就容易很多。
比如今晚想约一个喜欢的小姐姐吃饭，俩人还不是很亲密，那选馆子就不能找距离太远（会被嫌弃麻烦）位置太偏（没有安全感）环境太接地气（没法聊天）。如果小姐姐同时喜欢吃火锅和西餐，这一顿可能就是一个临着珠江的某个CBD大厦的西餐厅。环境又好，口味又好，吃完了在江边转转，完美！以后熟悉了再拖人家去天河南二路吃火锅。
▌靠谱的第一步：了解决策的过程。
了解了决策的过程以后，我们会发现数据对决策的作用在哪。数据最大的作用，是量化过程。是滴，不是什么人工智能分析，不是精准推荐预测，而是简简单单的量化。去吃饭，至少得扫一眼大众点评上这个饭店的名字、价格、距离。这才是靠谱的第一步。
▌靠谱的第二步：评价结果。
靠谱的第二步，是评价结果。是滴，还没有到什么交叉法、矩阵法、漏斗法，而是简简单单的做一个评价：到底结果是好还是不好。
这一步非常重要，因为做模型要打人工标注，这就是做标注的过程。做分析分类对比要看在结果上的差异，得先有一个结果判断。
这一步也经常被忽略，因为人们习惯于脱口而出的就是：XX东西很好/很不好，至于到底什么算“好”，我们口中的“好”与别人口中的“好”是不是一回事，就被默默忽视了。判断标准不一致，回答当然不一致，甚至是相反的。
比如约喜欢的小姐姐吃饭，我们的目标是什么？不是填肚子，而是增进好感。“好感”这个玩意就很难量化。如果女生头上有一个好感指数，我猜每个男生都能成为情圣。
“好感”是一个内心感受，我们只能通过外在的行为去分析、去推测。比如有没有口头抱怨、不满，比如有没有主动来找我们聊天，比如有没有和我们分享一些小心思等等。更不要说还有“我心里想的我就不告诉你”……难怪女生经常说：男人都是大猪蹄子。因为掌握这些确实挺麻烦的，哈哈。
企业里的决策也是一模一样，经营上的好坏很难用单一指标数值来衡量。比如这个月销售额1个亿，同比涨了10%，环比涨了10%，很多做数据分析的看到“涨”就觉得是好，可在老板那里不一定是这样？
- ● 会不会是异常波动？
- ● 过把瘾就死怎么办？
- ● 是不是应该涨得更高？
- ● 毛利是不是也一样涨？
是滴，即使是涨势喜人的时候，都会有这么多纠结，更不要说销售额上下波动，销售额阴跌不止。更不要说不是销售额这种直接业绩指标，而是转化率，用户数，保留率这种中间指标。
有多少做数据分析的同学，被批判做的日报月报没有洞察，被深入解读数据的需求逼得死去活来，本质问题就在这里：没有找到一个好的、综合性的衡量标准，盯着一根线波动绞尽脑汁，也想不出来个所以然。
▌靠谱的第三步：分析建模。
靠谱的第三步，才是各种分析建模。有了明确的标准，就能判断问题的好坏，就能分析好到底好在哪里，坏到底坏在哪里。这里的方法有很多，以后我们一一分享。
数据分析还有个隐藏用途，就是：把决策者的思路拉回到靠谱的分析逻辑上。这一点非常重要。因为不是人人都能理性、逻辑、量化思考。
比如约喜欢的女生吃饭，有没有小哥是这么干的：
- ♀ 贵的就好！挑个超贵的店（呃，事前不问需求，事后不要嫌人家挑哈）
- ♀ 我爱吃火锅，所以去吃火锅（呃，你确认人家也喜欢吃？）
- ♀ 她说她爱吃火锅，所以去吃火锅（人家还说喜欢日料，咋没留意？）
- ♀ 那家店真好吃，再走1.5公里就到啦！坚持！（可怜的踩着高跟的脚啊）
- ♀ 我和我前女友去过那家店，今天就带她去吧。（我们会厚葬你的，好走）
- ♀ 我觉得谈恋爱要看真感情的，就吃个沙县吧。（二道坡爱情故事都不这么演）
很多时候人们是凭着直觉、印象、习惯做决策，根本没有考虑那么多。这时候就需要用数据分析，指出这些随意决策的不靠谱之处，把人们拉回来。
当然，如果一个人一直以来运气都很好，一直决策效果都不错，就不会在乎数据，这是很正常的。
这也是为什么传统企业那么多“老夫从业20年，你这数据和老夫的判断不一样就是错的！”确实，过去20年来经济高速发展，即使不认真分析数据，也能躺着赢，这时候数据分析是会不被重视。
就像我在珠江新城吃饭也不需要决策，待得久了，去哪里都是有套路的。可如果是外出拜访客户，去哪里吃饭就得认真地掏出大众点评，看一下周边馆子，做个分析。
值得庆幸的是，传统企业被互联网改造的越来越多，整体经济环境也不理想。在这个时代，想躺赢越来越难，躺尸的越来越多。
这时候数据分析的作用会越来越重要，那个被呵斥的年代正在远去，反倒要提防的，是“用你的人工智能阿尔法大狗子，分析下到底我们怎么做吧！”这种需求。数据分析是工具，不是包生儿子、起死回生的大力丸哈。
数据分析如何辅助决策的基本思路就是这样。想达成效果，需要两个方面的能力：
- 第一，数据分析能力。会利用数据分析问题，解读问题，最后得出正确的答案推动决策能力。
- 第二，会把数据分析成果，通过适当的手段进行包装，推动业务部门进行决策。
这两方面的能力是一样重要的，因为很多时候，真正执行决策的who不是数据分析师本人，而是老板，是销售部、运营部、业务部、市场部、会员中心的各位各位同事。既要能解决问题，又要能让别人信任，才是最后取得效果的良方。具体的方法有很多，我们以后慢慢分享，想多了解一些的，可以先看过往的分享。
—— 如果觉得文章还OK，请转发 ——
特别提示：关注本专栏，别错过行业干货！
PS：本司承接 小红书 / 淘宝逛逛 / 抖音 / 百度系 / 知乎 / 微博/大众点评 等 全网各平台推广；
咨询微信：139 1053 2512 (同电话)
首席增长官CGO荐读：
更多精彩，关注：增长黑客（GrowthHK.cn）
增长黑客（Growth Hacker）是依靠技术和数据来达成各种营销目标的新型团队角色。从单线思维者时常忽略的角度和高度，梳理整合产品发展的因素，实现低成本甚至零成本带来的有效增长…
本文经授权发布，不代表增长黑客立场，如若转载，请注明出处：https://www.growthhk.cn/quan/43769.html
微信扫一扫 
支付宝扫一扫 
