經常有新手同學問：數據分析到底是怎么驅動決策的？今天用一個通俗的例子，讓大家看清楚數據驅動決策全流程。

一、找準項目

我餓了，想吃頓飯，可以怎么決策呢？如果是平平無奇的一天，那可能隨便吃個盒飯就打發了。但是，如果我今天來廣州出差，我很少來這個城市，剛好又有朋友可以約……那可不能隨便打發，得認真考慮考慮

這就是數據驅動的第一定律：常規、簡單、毫無意外的業務，不需要數據分析的支持，你做個數據看板給他，能查數據就行！有挑戰的、有變化的、全新的業務，才更需要數據支持。為了讓自己的工作更有績效，請挑選好的項目參與！

二、清晰目標

數據驅動的第2步：清晰決策目標。就像吃飯，起碼得講一下：吃啥！如下圖所示，當決策人不清晰的時候，向決策人提供業務分類信息，可以有效縮小目標范圍，提高決策效率。

三、提出約束條件

要吃飯，就得考慮下述因素：

1、幾個人吃

2、人均多少錢

3、有多長時間吃

4、環境要高大上還是接地氣

這些會影響到目標的達成和方案的選擇，必須要提前梳理清楚。限制條件一般都是和資源投入、完成時間、技術能力等等有關的變量，記錄這些變量，是數據分析的重要職責。

四、羅列潛在方案

現實世界中，潛在方案都是有限的。并且提約束條件的時候，“且”字越多，潛在方案越少。我想要一個超級美味+環境優雅+收費低廉且服務良好且就開在樓下的飯店，估計只有夢里有。

因此做決策前，得先了解有哪些潛在方案。常見的有2種：

1、歷史經驗：“上次去過一家A飯店，很好吃”

2、市面了解：“看看大眾點評，發現還有BCD”

這一步非常重要！很多數據分析師不知道咋提決策建議，其實是因為他壓根就不知道業務是咋做的。光看這結果數據，說：“收入低了，建議搞高”，肯定不是啥好建議。作為數據分析的重要任務，就是積累過往數據經驗，在需要做決策的時候，拿出來做參考

五、選擇優化方案

根據備選項的不同，篩選方案的方式有不同。

1、如果僅是ABCD四個飯店四選一，那么這是典型的綜合評估問題。需要列評估指標，賦權重，收集評分，求解綜合得分。

2、如果是ABCD四條生產線，需要看怎么分配資源產出最大，這是典型的優化求解問題，可以用線性規劃方法。

3、如果是ABCD四個營銷方案，以前都沒干過，不確定哪個好，那么得做測試。通過試點測試收集數據，這是一個測試問題。

三種思路對比如下圖：

這一步是極其需要數據輔助的，通過精細的計算，挑選一個最優方案再開始。

第六步、設定后備方案。

我們馬上要出門，發現天陰得厲害。這是考慮：

1、如果出門時不下雨，繼續去A飯店

2、如果出門時下雨，改去B飯店

3、如果出門走到一半下雨，改去C飯店

這樣設定好后邊方案，能更好應對變化。如果歷史數據積累多的話，還可以提前預判概率，選擇更好的方案（比如我朋友說“冇事嘅，呢滴天氣無雨落嘅”）。

這一步不是必須的，只有很謹慎的，需應對較大不確定性的，長周期執行的項目（比如新車、新藥研發），才會有這么詳細的準備。這么干也非常燒錢，需要積累很多歷史數據，也需要不斷動態收集數據，判斷走勢。

這樣完成1到6步，就完成了決策制定的過程，后邊就是：

第七步：過程監控

第八步：異常識別

第九步：問題分析

第十步：優化建議

這些和常規的監控類分析類似，就不贅述了

整個數據驅動決策過程如下圖所示：

那么，為什么很多同學覺得自己沒做過呢？

一方面，可能是公司不行：領導喜歡拍腦袋，不懂科學方法，缺少數據積累，沒有測試意識，平時不讓數據參與，遇到麻煩才指望一個神奇模型一模把問題都解決了。結果發現：連數據積累都沒有！

另一方面，可能是數據分析水平不行，不懂業務，不會溝通，不知道區分目標/限制條件/潛在方案，不會選擇合適的分析方法。遇到麻煩，只會到處翻書找模型，不去看實際上業務怎么做的

總之，兩頭有一頭出問題，都會導致數據驅動做不下去。