很多分析师能算清同环比，却说不清数据到底怎么驱动决策。本文用一顿饭的例子把全流程走一遍：先挑有挑战、有变化、全新的项目，再清晰目标、提出约束条件，然后罗列潜在方案，在综合评估与试点测试之间选对方法。哪些该由人做、哪些交给 AI，文中都划了线。

经常有新手同学问：数据分析到底是怎么驱动决策的？AI给的决策建议我觉得很好，但领导还是觉得没啥用，怎么办？

今天用一个通俗的例子，让大家看清楚数据驱动决策全流程。

一、找准项目

我饿了，想吃顿饭，可以怎么决策呢？如果是平平无奇的一天，那可能随便吃个盒饭就打发了。但是，如果我今天来广州出差，我很少来这个城市，刚好又有朋友可以约……那可不能随便打发，得认真考虑考虑。

这就是数据驱动的第一定律：常规、简单、毫无意外的业务，不需要数据分析的支持，你做个数据看板给他，能查数据就行！有挑战的、有变化的、全新的业务，才更需要数据支持。为了让自己的工作更有绩效，请挑选好的项目参与！

可是AI不知道你公司今年押注的是哪个新业务。判断「有挑战、有变化、全新」，靠的是知道今年哪个项目被老板盯、哪个市场是新开的、哪个产品刚上——这些不能靠AI给你做分析，得靠你在公司里找到领导关注的重点项目。

二、清晰目标

数据驱动的第2步：清晰决策目标。就像吃饭，起码得讲一下：吃啥！如下图所示，当决策人不清晰的时候，向决策人提供业务分类信息，可以有效缩小目标范围，提高决策效率。

三、提出约束条件

要吃饭，就得考虑下述因素：

1、几个人吃

2、人均多少钱

3、有多长时间吃

4、环境要高大上还是接地气

这些会影响到目标的达成和方案的选择，必须要提前梳理清楚。限制条件一般都是和资源投入、完成时间、技术能力等等有关的变量，记录这些变量，是数据分析的重要职责。

四、罗列潜在方案

现实世界中，潜在方案都是有限的。并且提约束条件的时候，“且”字越多，潜在方案越少。我想要一个超级美味+环境优雅+收费低廉且服务良好且就开在楼下的饭店，估计只有梦里有。

因此做决策前，得先了解有哪些潜在方案。常见的有2种：

1、历史经验：“上次去过一家A饭店，很好吃”

2、市面了解：“看看大众点评，发现还有BCD”

这一步非常重要！很多数据分析师不知道咋提决策建议，其实是因为他压根就不知道业务是咋做的。光看这结果数据，说：“收入低了，建议搞高”，肯定不是啥好建议。作为数据分析的重要任务，就是积累过往数据经验，在需要做决策的时候，拿出来做参考

五、选择优化方案

根据备选项的不同，筛选方案的方式有不同。

1、如果仅是ABCD四个饭店四选一，那么这是典型的综合评估问题。需要列评估指标，赋权重，收集评分，求解综合得分。

2、如果是ABCD四条生产线，需要看怎么分配资源产出最大，这是典型的优化求解问题，可以用线性规划方法。

3、如果是ABCD四个营销方案，以前都没干过，不确定哪个好，那么得做测试。通过试点测试收集数据，这是一个测试问题。

三种思路对比如下图：

这一步是极其需要数据辅助的，通过精细的计算，挑选一个最优方案再开始。

六、设定后备方案

我们马上要出门，发现天阴得厉害。这是考虑：

1、如果出门时不下雨，继续去A饭店

2、如果出门时下雨，改去B饭店

3、如果出门走到一半下雨，改去C饭店

这样设定好后边方案，能更好应对变化。如果历史数据积累多的话，还可以提前预判概率，选择更好的方案（比如我朋友说“冇事嘅，呢滴天气无雨落嘅”）。

这一步不是必须的，只有很谨慎的，需应对较大不确定性的，长周期执行的项目（比如新车、新药研发），才会有这么详细的准备。这么干也非常烧钱，需要积累很多历史数据，也需要不断动态收集数据，判断走势。

这样完成1到6步，就完成了决策制定的过程，后边就是：

第七步：过程监控

第八步：异常识别

第九步：问题分析

第十步：优化建议

这些和常规的监控类分析类似，就不赘述了

整个数据驱动决策过程如下图所示：

那么，为什么很多同学觉得自己没做过呢？

一方面，可能是公司不行：领导喜欢拍脑袋，不懂科学方法，缺少数据积累，没有测试意识，平时不让数据参与，遇到麻烦才指望AI把问题都解决了。结果发现：连数据积累都没有！

另一方面，可能是数据分析水平不行，不懂业务，不会沟通，不知道区分目标/限制条件/潜在方案，不会选择合适的分析方法。遇到麻烦，只会到处翻书找模型，不去看实际上业务怎么做的

总之，两头有一头出问题，都会导致数据驱动做不下去。