DigiMax以下文章来源于Kenneth零售平台 ，作者Kenneth零售平台
Kenneth零售平台：来自香港，在上海工作的快消研究与观察者，以原创观点为中国零售传递更多正能量。聊快消趋势、营销、大数据、CRM、品类管理以及其他零售八卦的那点事。
Kenneth说：
我们已经处在【新零售】的时代：国家防疫在运用【大数据】分析，开车也有【人工智能】导航，游戏机也有【VR、AR】，网购平台也有【千人千面】的体验。
那，为什么叫数据部门做一个分析那么的难？
现在在网络上流传的商业案例，都是业务部门花式夸赞【数据驱动决策】：
- 我们这个口红的色号是经过精密的顾客调查，亚洲人工智能肤色识别，加上各种P图软件的数据所创造的配色
- 我们选择在这里开店是经过严密的数据分析，XX卫星精准的热力图，某某平台的交易数据，还有结合警察告票的数据来结合社区消费结构
- 我们公众号的内容都是经过不断的A/B 测试优化，根据粉丝的网络搜索关键词、浏览习惯、以及各种声音、闪动频率、字体粗细、头图模特眼睛与手臂的黄金比例角度
。。。等等等等
但事实上真的是那么美好吗？
事实上，明明就是业务部门追着数据部门的屁股要数据。到底是【数据驱动业务】，还是【业务驱动数据】呢？今天我先退一步给大家分享我的看法。（或者是偏教科书的理论看法）
先定义【数据驱动决策】
个人觉得这一组词语有点别扭，我的理解就是从英文‘data-drivendecision making’翻译过来的。驱的汉字原意是使马奔驰。那数据驱动也可以说：利用数据协助决策，业务也能奔腾起来。
在外国，Data Driven Decision Making 确实是一个buzzword （潮语），业内术语还会简称为DDDM。根据哈佛商学院线上课程的一篇介绍，他们是这样定义的：
Data-driven decision-making (sometimes abbreviated as DDDM)is the process of using data to inform your decision-making process andvalidate a course of action before committing to it.
https://online.hbs.edu/blog/post/data-driven-decision-making
Kenneth 额外的解读：
- Process：过程，这里出现了两次过程。过程代表需要有不同的步骤来完成。
第一个过程是如何使用数据，数据是需要一系列的收集、储存、清理、分析、可视化的过程；
第二个过程是在决策过程中（decision-making process）加入数据使用的环节。
- Inform ：知会的意思，就是让你知道，但还没到“主导”
- Validate：验证，在执行之前先验证
决策的两个极端
简单来说，决策可以分为两个极端：
（ 1 ）纯靠经验
（ 2 ）纯靠数据
有些时候，我会相信【物极必反】的道理，我们就聊聊两个极端的缺点会是什么。
纯粹靠感觉，靠直觉、靠“拍脑袋”。英文常用的词语是intuition，hunch, gut feeling。
引用HBS 的一段话，现代社会经常把直觉过分的浪漫化。HBS引用了爱因斯坦和乔布斯的名言。（虽然爱因斯坦的那句话有机会是网络上的以讹传讹以及稍微有点误解）
The concept of intuition has become so romanticized inmodern life that it’s now a part of how many people talk about and understandthe “geniuses” of our generation. In science, for example, Albert Einstein is often quoted as saying, “The intuitive mind is a sacred gift,” and inbusiness, Steve Jobs is quoted as saying, “Have the courage to follow yourheart and intuition; they somehow already know what you want to become.”
反之，到另外一个极端，一切都【数据驱动】，数据说了算。很有可能大家会把“决策系统”关闭，麻木相信数据，我喜欢的漫画家Tom Fischburne 也曾经说过这个现象：开车纯粹靠GPS定位，哪怕明明已经偏离了路线。
图片来源：https://marketoonist.com/2014/11/data-driven-marketing.html
再谈 【决策】
（大）数据有多值钱我就不重复再说了，个人认为重点还是在【决策】。
如前面的例子提到，两个【决策的极端】我都提到了缺点，那到底我们该如何？我建议是折中：data informed （数据引导）。
在写这篇文章的时候，我也特地参考了不同的内容，最后在漫无目的浏览互联网的时候找到我可能想要的答案。我看了一个Gerd Gigerenzer （吉仁泽）的Ted Talk，得到了一些新的启发。
印象比较深的是当教授说到这个案例：
如下图所示，这里有4个不同的方案说明预测的准确性（Ted 的video 没有讲背后的数据验证，只是说明是一个20多个案例的验证）
y 轴：准确率，越高越准确
x 轴：fitting （已经知道全部变数，是一种hindsight 后见之明）；prediction （预测，对于未来有不明确原因的预测）
红线：one good reason – 在不同方案选择中，你一个想到的优点，然后挑选了这个方案
黄线：平均分布，如果是一笔钱有两(n=2)个投资组合，那就各50%、50%
方格蓝线：多元回归分析，用理性的数学选择最优的方案
圆形蓝线：纯粹随便乱选
结果发现，主要有足够大量的数据“喂食”这个预测的公式（就是接近完美控制所有的变量），预测结果肯定是理性的回归分析取胜。但如果在有混沌和不确定因素的情况下，两个【简单的直觉思维】结果不比回归分析差。
吉仁泽是一个德国认知心理学学家，有兴趣大家可以继续研究他的著作：
直觉思维: 如何构建你的快速决策系统（作者：著者：[德] 格尔德·吉仁泽（Gerd Gigerenzer）， 译者：余莉 后浪）
简捷启发式：有限理性让我们更聪明（作者：［德］格尔德·吉仁 、黄琳妍 译）
企业达到【数据驱动】的五步曲
可以说我比较老套，有一些事情可以弯道超车，但让一些老企业可以从“拍脑袋”转型为【数据驱动】并不是那么容易的。
以下的五步曲还是比较靠谱的【循序渐进】模式，我简单翻译一下：
1）数据抗拒
不喜欢看数据，觉得数据研究完全没有用
2）数据察觉
企业对于数据开始感兴趣，有研究数据的好奇心。但因为来说数据系统还没有搭建好，能做成一个报表就已经是上限了
3）数据引导
如我前面提到的 data informed，就是企业在日常的运用已经开始使用数据，已经有数据分析的能力。
4）数据专家
企业日常运营的过程都使用了数据，数据也从分析阶段到了数据洞察的阶段。
5) 数据驱动
数据已经到了公司策略的层面，已经融入为企业的血液，没有数据有如汽车没有燃料，业务跑不起来了。
总结：从【数据引导】为起步点
所以结合以上的一些论点，个人认为公司转型可以以【数据引导】为一个目标，甚至可以是终极的目标。
回到开章的问题：【数据驱动决策】为什么那么难？我的回答是：
1）要纯数据驱动，我们需要有接近完美（完整、准确、有效的及时性）的数据以及算法，确保一切变数都在掌握中
2）需要经过五步曲的阶段，企业很难一步登天完成转型。第一步是需要有完整的IT 结构，收集、清理以及存储数据；然后有足够简单的可视化分析工具，继而是【数据说话】的企业文化以及【运用数据决策】的流程
3）可惜世界都多时候都是混沌的状态，充满各种的不确定性，适当的运用以及相信直觉，以及用数据来验证以及辅助直觉。这种权宜之计，或许是我们面对未来的“最满意选择”。
关于DigiMax
DigiMax有趣，新鲜的数字营销行业热点，一网打尽！
