“數(shù)據(jù)驅動決策”，為了不讓這句話成為空話揩尸，請先裝備以下13種思想武器，將來你一定能用上屁奏！～
文／胡晨川
第一岩榆、信度與效度思維
這部分也許是全文最難理解的部分，但我覺得也最為重要。沒有這個思維勇边，決策者很有可能在數(shù)據(jù)中迷失犹撒。
信度與效度的概念最早來源于調(diào)查分析，但現(xiàn)在我覺得可以引申到數(shù)據(jù)分析工作的各方面粒褒。
所謂信度识颊，是指一個數(shù)據(jù)或指標自身的可靠程度，包括準確性和穩(wěn)定性取數(shù)邏輯是否正確奕坟？有沒有計算錯誤祥款？這屬于準確性；每次計算的算法是否穩(wěn)定月杉？口徑是否一致镰踏？以相同的方法計算不同的對象時，準確性是否有波動沙合？這是穩(wěn)定性奠伪。做到了以上兩個方面，就是一個好的數(shù)據(jù)或指標了首懈？其實還不夠绊率，還有一個更重要的因素，就是效度究履！
所謂效度滤否，是指一個數(shù)據(jù)或指標的生成，需貼合它所要衡量的事物最仑，即指標的變化能夠代表該事物的變化藐俺。
只有在信度和效度上都達標，才是一個有價值的數(shù)據(jù)指標泥彤。舉個例子：要衡量我身體的肥胖情況欲芹，我選擇了穿衣的號碼作為指標，一方面吟吝，相同的衣服尺碼對應的實際衣服大小是不同的菱父，會有美版韓版等因素，使得準確性很差剑逃；同時浙宜，一會兒穿這個牌子的衣服，一會兒穿那個牌子的衣服蛹磺，使得該衡量方式形成的結果很不穩(wěn)定粟瞬；所以，衣服尺碼這個指標的信度不夠萤捆。另一方面裙品，衡量身體肥胖情況用衣服的尺碼大信依妗？你一定覺得荒唐清酥，尺碼大小并不能反映肥胖情況，是吧蕴侣？因此效度也不足焰轻。體脂率，才是信度和效度都比較達標的肥胖衡量指標昆雀。
在我們的現(xiàn)實工作中辱志，許多人會想當然地拿了指標就用，這是非常值得警惕的狞膘。你要切骨頭卻拿了把手術刀揩懒，是不是很可悲？信度和效度的本質(zhì)挽封，其實就是數(shù)據(jù)質(zhì)量的問題已球，這是一切分析的基石，再怎么重視都不過分８ㄔ浮智亮！
第二、平衡思維
說到天平大家都不陌生点待，平衡的思維相信各位也都能很快理解阔蛉。簡單來說，在數(shù)據(jù)分析的過程中癞埠，我們需要經(jīng)常去尋找事情間的平衡關系状原，且平衡關系往往是關乎企業(yè)運轉的大問題，如市場的供需關系苗踪，薪資與效率關系颠区，工作時長與錯誤率的關系等等。
平衡思維的關鍵點通铲，在于尋找能展示出平衡狀態(tài)的指標瓦呼！也就是如圖中紅框，我們要去尋找這個準確的量化指標测暗，來觀察天平的傾斜程度央串。怎么找這個指標呢？以我的經(jīng)驗碗啄，一般先找雙向型的問題质和，即高也不是低也不是的問題，然后量化為指標稚字，最后計算成某個比率饲宿，長期跟蹤后厦酬，觀察它的信度和效度。
第三瘫想、分類思維
客戶分群仗阅、產(chǎn)品歸類、市場分級国夜、績效評價...許多事情都需要有分類的思維减噪。主管拍腦袋也可以分類，通過機器學習算法也可以分類车吹，那么許多人就模糊了筹裕，到底分類思維怎么應用呢？
關鍵點在于窄驹，分類后的事物朝卒，需要在核心關鍵指標上能拉開距離！也就是說分類后的結果乐埠，必須是顯著的抗斤。如圖，橫軸和縱軸往往是你運營當中關注的核心指標（當然不限于二維）丈咐，而分類后的對象豪治，你能看到他們的分布不是隨機的，而是有顯著的集群的傾向扯罐。
舉個例子负拟，假設該圖反映了某個消費者分群的結果，橫軸代表購買頻率歹河，縱軸代表客單價掩浙，那么綠色的這群人，就是明顯的“人傻錢多”的“剁手金牌客戶”秸歧。
第四厨姚、矩陣思維
矩陣思維是分類思維的發(fā)展，它不再局限于用量化指標來進行分類键菱。許多時候谬墙，我們沒有數(shù)據(jù)做為支持，只能通過經(jīng)驗做主管的推斷時经备，是可以把某些重要因素組合成矩陣拭抬，大致定義出好壞的方向，然后進行分析侵蒙。大家可以百度經(jīng)典的管理分析方法“波士頓矩陣”模型造虎。
第五、管道/漏斗思維
這種思維方式已經(jīng)比較普及了纷闺，注冊轉化算凿、購買流程份蝴、銷售管道、瀏覽路徑等氓轰，太多的分析場景中婚夫，能找到這種思維的影子。
但我要說署鸡，看上去越是普世越是容易理解的模型案糙，它的應用越得謹慎和小心。在漏斗思維當中储玫，我們尤其要注意漏斗的長度。
漏斗從哪里開始到哪里結束萤皂？以我的經(jīng)驗撒穷，漏斗的環(huán)節(jié)不該超過5個，且漏斗中各環(huán)節(jié)的百分比數(shù)值裆熙，量級不要超過100倍（漏斗第一環(huán)節(jié)100%開始端礼，到最后一個環(huán)節(jié)的轉化率數(shù)值不要低于1%）。若超過了我說的這兩個數(shù)值標準入录，建議分為多個漏斗進行觀察蛤奥。當然，這兩個是經(jīng)驗數(shù)值僚稿，僅僅給各位做個參考～
理由是什么呢凡桥？超過5個環(huán)節(jié)，往往會出現(xiàn)多個重點環(huán)節(jié)蚀同，那么在一個漏斗模型中分析多個重要問題容易產(chǎn)生混亂缅刽。數(shù)值量級差距過大，數(shù)值間波動相互關系很難被察覺蠢络，容易遺漏信息衰猛。比如，漏斗前面環(huán)節(jié)從60%變到50%刹孔，讓你感覺是天大的事情啡省，而漏斗最后環(huán)節(jié)0.1%的變動不能引起你的注意，可往往是漏斗最后這0.1％的變動非常致命髓霞。
第六卦睹、相關思維
我們觀察指標，不僅要看單個指標的變化方库，還需要觀察指標間的相互關系分预！有正相關關系（圖中紅色實線）和負相關關系（藍色虛線）。最好能時常計算指標間的相關系數(shù)薪捍，定期觀察變化笼痹。
相關思維的應用太廣了配喳，我這里就說一點，往往是被大家忽略的〉矢桑現(xiàn)在的很多企業(yè)管理層晴裹，面對的問題并不是沒有數(shù)據(jù)，而是數(shù)據(jù)太多救赐，卻太少有用的數(shù)據(jù)涧团。相關思維的其中一個應用，就是能夠幫助我們找到最重要的數(shù)據(jù)经磅，排除掉過多雜亂數(shù)據(jù)的干擾泌绣！
如何執(zhí)行呢？你可以計算能收集到的多個指標間的相互關系预厌，挑出與其他指標相關系數(shù)都相對較高的數(shù)據(jù)指標阿迈，分析它的產(chǎn)生邏輯，對應的問題轧叽，并評估信度和效度苗沧，若都滿足標準，這個指標就能定位為核心指標炭晒！
建議大家養(yǎng)成一個習慣待逞，經(jīng)常計算指標間的相關系數(shù)，仔細思考相關系數(shù)背后的邏輯网严，有的是顯而易見的常識识樱，比如訂單數(shù)和購買人數(shù)，有的或許就能給你帶來驚喜震束！另外牺荠，“沒有相關關系”，這往往也會成為驚喜的來源哦驴一。
第七休雌、遠近度思維
現(xiàn)在與許多處在管理層的朋友交流后，發(fā)現(xiàn)他們往往手握眾多數(shù)據(jù)和報表肝断，注意力卻是非常的跳躍和分散杈曲。這當然不是好現(xiàn)象，但如何避免呢胸懈？一是上文說的通過相關思維担扑，找到最核心的問題和指標；二就是這部分要說的趣钱，建立遠進度的思維方式涌献。
確定好核心問題后，分析其他業(yè)務問題與該核心問題的遠近程度首有，由近及遠燕垃，把自己的精力有計劃地分配上去枢劝。比如，近期你地核心任務就是提高客服人員的服務質(zhì)量卜壕，那么客服人員的話術您旁、客戶評價通道、客服系統(tǒng)的相應速度等就是靠的最近的子問題轴捎，需要重點關注鹤盒，而客戶的問詢習慣、客戶的購買周期等就是相對遠的問題侦副，暫時先放一放侦锯。當然，本人經(jīng)歷有限秦驯，例子舉得不恰當?shù)牡胤竭€望讀者們海涵尺碰。
第八、邏輯樹思維
如圖的樹狀邏輯相信大家已經(jīng)見過許多回了汇竭。一般說明邏輯樹的分叉時葱蝗，都會提到“分解”和“匯總”的概念穴张。我這里把它變一變细燎，使其更貼近數(shù)據(jù)分析，稱為“下鉆”和“上卷”皂甘。當然玻驻，這兩個詞不是我發(fā)明的，早已有之偿枕。
所謂下鉆璧瞬，就是在分析指標的變化時，按一定的維度不斷的分解渐夸。比如嗤锉，按地區(qū)維度，從大區(qū)到省份墓塌，從省份到城市瘟忱，從省市到區(qū)。所謂上卷就是反過來苫幢。隨著維度的下鉆和上卷访诱，數(shù)據(jù)會不斷細分和匯總，在這個過程中韩肝，我們往往能找到問題的根源触菜。
下鉆和上卷并不是局限于一個維度的，往往是多維組合的節(jié)點哀峻，進行分叉涡相。邏輯樹引申到算法領域就是決策樹哲泊。有個關鍵便是何時做出決策（判斷）。當進行分叉時漾峡，我們往往會選擇差別最大的一個維度進行拆分攻旦，若差別不夠大，則這個枝椏就不在細分生逸。能夠產(chǎn)生顯著差別的節(jié)點會被保留牢屋，并繼續(xù)細分，直到分不出差別為止槽袄。經(jīng)過這個過程烙无，我們就能找出影響指標變化的因素。
舉個簡單的例子：我們發(fā)現(xiàn)全國客戶數(shù)量下降了遍尺，我們從地區(qū)和客戶年齡層級兩個維度先進行觀察截酷，發(fā)現(xiàn)各個年齡段的客戶都下降，而地區(qū)間有的下降有的升高乾戏，那我們就按地區(qū)來拆分第一個邏輯樹節(jié)點迂苛，拆分到大區(qū)后，發(fā)現(xiàn)各省間的差別是顯著的鼓择，那就繼續(xù)拆分到城市三幻，最終發(fā)現(xiàn)是浙江省杭州市大量客戶且涵蓋各個年齡段，被競爭對手的一波推廣活動轉化走了呐能。就此通過三個層級的邏輯樹找到了原因念搬。
第九、時間序列思維
很多問題摆出，我們找不到橫向對比的方法和對象朗徊，那么，和歷史上的狀況比偎漫，就將變得非常重要爷恳。其實很多時候，我更愿意用時間維度的對比來分析問題象踊，畢竟發(fā)展地看問題温亲，也是“紅色方法論”中的重要一環(huán)。這種方式容易排除掉一些外在的干擾通危，尤其適合創(chuàng)新型的分析對象铸豁，比如一個新行業(yè)的公司，或者一款全新的產(chǎn)品菊碟。
時間序列的思維有三個關鍵點：一是距今越近的時間點节芥，越要重視（圖中的深淺度，越近期發(fā)生的事，越有可能再次發(fā)生）头镊；二是要做同比（圖中的尖頭指示蚣驼，指標往往存在某些周期性，需要在周期中的同一階段進行對比相艇，才有意義）颖杏；三是異常值出現(xiàn)時，需要重視（比如出現(xiàn)了歷史最低值或歷史最高值坛芽，建議在時間序列作圖時留储，添加平均值線和平均值加減一倍或兩倍標準差線，便于觀察異常值）咙轩。
時間序列思維有一個子概念不得不提一下获讳，就是“生命周期”的概念。用戶活喊、產(chǎn)品丐膝、人事等無不有生命周期存在。本人最近也正在將關注的重心移向這塊钾菊，直覺上帅矗，生命周期衡量清楚，就能很方便地確定一些“閥值”問題煞烫，使產(chǎn)品和運營的節(jié)奏更明確浑此。
第十、隊列分析思維
隨著數(shù)據(jù)運算能力的提高红竭，隊列分析的方式逐漸展露頭腳尤勋。英文名稱為cohort analysis喘落，說實話我不知道怎么表述這個概念茵宪，我的理解就是按一定的規(guī)則，在時間顆粒度上將觀察對象切片瘦棋，組成一個觀察樣本稀火，然后觀察這個樣本的某些指標隨著時間的演進而產(chǎn)生的變化。目前使用得最多的場景就是留存分析赌朋。
舉個經(jīng)常用的例子：假設5.17我們舉辦了一次促銷活動凰狞，那么將這一天來的新用戶作為一個觀察樣本，觀察他們在5.18沛慢、5.19...之后每天的活躍情況赡若。
隊列分析中，指標其實就是時間序列团甲，不同的是衡量樣本逾冬。隊列分析中的衡量樣本是在時間顆粒上變化的，而時間序列的樣本則相對固定。
第十一身腻、循環(huán)／閉環(huán)思維
循環(huán)／閉環(huán)的概念可以引申到很多場景中产还，比如業(yè)務流程的閉環(huán)、用戶生命周期閉環(huán)嘀趟、產(chǎn)品功能使用閉環(huán)脐区、市場推廣策略閉環(huán)等等。許多時候你會覺得這是一個不落地的概念她按，因為提的人很多牛隅，干出事情來的例子很少。
但我覺得這種思考方式是非常必要的酌泰。業(yè)務流程的閉環(huán)是管理者比較容易定義出來的倔叼，列出公司所有業(yè)務環(huán)節(jié)，梳理出業(yè)務流程宫莱，然后定義各個環(huán)節(jié)之間相互影響的指標丈攒，跟蹤這些指標的變化，能從全局上把握公司的運行狀況授霸。
比如巡验，一家軟件公司的典型業(yè)務流：推廣行為（市場部）?流量進入主站（市場＋產(chǎn)研）?注冊流程（產(chǎn)研）?試用體驗（產(chǎn)研＋銷售）?進入采購流程（銷售部）?交易并部署（售后＋產(chǎn)研）?使用、續(xù)約碘耳、推薦（售后＋市場）?推廣行為显设，一個閉環(huán)下來，各個銜接環(huán)節(jié)的指標辛辨，就值得關注了：廣告點擊率?注冊流程進入率?注冊轉化率?試用率?銷售管道各環(huán)節(jié)轉化率?付款率?推薦率／續(xù)約率...這里會涉及漏斗思維捕捂，如前文所述，千萬不要用一個漏斗來衡量一個循環(huán)斗搞。
有了循環(huán)思維指攒，你能比較快的建立有邏輯關系的指標體系。
第十二僻焚、測試／對比思維
AB test,大家肯定不陌生了允悦。那么怎么細化一下這個概念？一是在條件允許的情況下虑啤，決策前盡量做對比測試隙弛；二是測試時，一定要注意參照組的選擇狞山，建議任何實驗中全闷，都要留有不進行任何變化的一組樣本，作為最基本的參照萍启。
現(xiàn)在數(shù)據(jù)獲取越來越方便总珠，在保證數(shù)據(jù)質(zhì)量的前提下，希望大家多做實驗，多去發(fā)現(xiàn)規(guī)律姚淆。
指數(shù)化思維
指數(shù)化思維孕蝉，是指將衡量一個問題的多個因素分別量化后，組合成一個綜合指數(shù)（降維）腌逢，來持續(xù)追蹤的方式降淮。把這個放在最后討論，目的就是強調(diào)它的重要性搏讶。前文已經(jīng)說過佳鳖，許多管理者面臨的問題是“數(shù)據(jù)太多，可用的太少”媒惕，這就需要“降維”了系吩，即要把多個指標壓縮為單個指標。
指數(shù)化的好處非常明顯妒蔚，一是減少了指標穿挨，使得管理者精力更為集中；二是指數(shù)化的指標往往都提高了數(shù)據(jù)的信度和效度肴盏；三是指數(shù)能長期使用且便于理解科盛。
指數(shù)的設計是門大學問，這里簡單提三個關鍵點：一是要遵循獨立和窮盡的原則菜皂；二是要注意各指標的單位贞绵，盡量做標準化來消除單位的影響；三是權重和需要等于1恍飘。
獨立窮盡原則榨崩，即你所定位的問題，在搜集衡量該問題的多個指標時章母，各個指標間盡量相互獨立母蛛，同時能衡量該問題的指標盡量窮盡（收集全）。舉個例子：當初設計某公司銷售部門的指標體系時胳施，目的是衡量銷售部的績效溯祸，確定了核心指標是銷售額后肢专，我們將績效拆分為訂單數(shù)舞肆、客單價、線索轉化率博杖、成單周期椿胯、續(xù)約率5個相互獨立的指標，且這5個指標涵蓋了銷售績效的各個方面（窮盡）剃根。我們設計的銷售績效綜合指數(shù)＝0.4＊訂單數(shù)＋0.2＊客單價＋0.2＊線索轉化率＋0.1＊成單周期＋0.1＊續(xù)約率哩盲，各指標都采用max-min方法進行標準化。
通過這個例子，相信各位就能理解指數(shù)化思維了廉油。
小節(jié)
本篇內(nèi)容在我腦中醞釀了2月有余了惠险，但當起筆成文時，依然覺得自己的思考還不夠全面抒线，經(jīng)驗也不夠豐富班巩。各種思維方式的應用，似乎沒有孰好孰壞嘶炭，是否啟用看似也比較隨機抱慌。希望隨著我經(jīng)歷的不斷豐富，能夠總結出一套行之有效的思維技巧眨猎，但目前還不行抑进。
總的來說，數(shù)據(jù)質(zhì)量依然是我覺得最大的前提睡陪。重要事情說三遍寺渗，動手前，一定要保證好數(shù)據(jù)質(zhì)量兰迫！
歡迎大家關注我的個人微信公眾號“川術”户秤，一起學習與進步
