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�?0 级决�? 设想一个最简单的场景：卖盒饭。一个盒饭成�?5 元，如何决策�? - 如果�?10 元，诶，有得赚，可以�? 如果�?5 元，诶！我干这干啥……你看，多简单，搞掂�? 
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�?1 级决�? 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�?2 万元
- 固定成本：店�?3000 元，俩伙计工�?6000 �?
- 可变成本：每个料理包 5 �? 其他细项先不考虑
| 固定成本 | 收入 | ||
| 前期投入（月分摊）a | 2000 | 单品售价（元）e | 10 |
| 房租成本（每月）b | 3000 | 盈亏平衡销量（件）f | 2200 |
| 人工（每月）c | 6000 | 实际销量（件）g | 3000 |
| 可变成本 | |||
| 单品原料（件）d | 5 | ||
| 总成本（h=a+b+c+dt*g�?/td> | 26000 | 总收入（I=e*g�?/td> | 30000 |
| 利润（J=I-h�?/td> | 4000 | ||
盈亏平衡的量化计算，是最基础的决策逻辑，即：做事得有得赚收入的不稳定�?and 追加成本不见得带来收入，是的决策越来越科�? 这样得先考虑，前期投入用多久收回，假设需�?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�?11000 元，每个盒饭还卖 10 元，则每个月�?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�? 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�? 
季节性变化，是第一个被考虑的不稳定因素
因为�? 1. 容易观察（只有一个店也能看到�?. 影响巨大（淡季开新店可能周转困难）在分析时，应：从容易观察开始，逐步深入
再升级难度，问一个问题：凭什么，它一开店就�?3000 盒？�? 困难�?3 级决�? 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）�?| 分析维度 | 评估指标 | |||||
| 一级标�?/td> | 二级标签 | 月租�?/td> | 门前人流 | 单数 | 单价 | 日收�?/td> |
| CBD �?/td> | 写字�?/td> | 60,000 | 50,000 | 220 | 30 | 6,600 |
| 商业�?/td> | 45,000 | 50,000 | 250 | 25 | 6,250 | |
| 社区�?/td> | 小区门口 | 30,000 | 30,000 | 200 | 20 | 4,000 |
| 街道中央 | 21,000 | 15,000 | 150 | 18 | 2,700 | |
| 路口 | 30,000 | 30,000 | 200 | 20 | 4,000 | |
量化位置，可能需要多个标签组合，多标签组合需要交叉分析，验证影响
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�?4 级决�? 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）�? 
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�? 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�?5 级决�? 谁说的一个店�?3000 个盒饭，一定是一�?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
面对增长型趋势，有两个简单的做法�? 1. 用时间序列法，模拟增长曲线与时间关系
2. 用投入产出法，计算投�?产出函数这样都可以算出未来预计走�? 不过，这两个做法的前提，都是：外部环境没有变化，增长不会遭遇天花板，然而这个前提很有可能不存在…�?
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�?\(\mathrm{P} > \mathrm{E} > \mathrm{S} > \mathrm{T}\) 。如果量化分析，内容太多，可参考这篇：数据分析八大模型：详�?PEST 模型
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�?6 级决�? 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�?门面/厨房都得�? 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�?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�?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�?7 级决�? 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�? 品宣很热闹可用户不掏�? 烧钱效果好可钱停用户�? 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�?8 级决�? 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�? 
每个业务定位不同，要解决的关键问题不一样！做分析不是写八股文，清晰定位才能有的放矢
接地气字�? 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�?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�?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）
| 难度分类 | 问题类型 | 决策重点 | 决策阶段 |
| 困难 0 级�? �?/td> | 基础商业模型构建 |
|
在新业务上线时重点考虑 至少打造一�?MVP |
| 困难 2�?�? �?/td> | 关键内部因素 |
|
在业务扩大版图时，把控风险，去粗取精 |
| 困难 5 �?/td> | 外部环境因素 |
| 在业务扩大版图时，把控风险，去粗取精 |
| 困难 6�? �?/td> | 创新性因素判�?/td> |
|
在业务迭代升级时 |
| 困难 8 �?/td> | 综合性判�?/td> |
| 大集团综合性管理问�? |
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 \(0\sim 7\) 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�?0 �?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�?0 �? \(\sim 7\) 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�?