从0到1，搭建决策分析模型

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。

困难度0级决策

设想一个最简单的场景：卖盒饭。一个盒饭成本5元，如何决策？

●如果卖10元，诶，有得赚，可以搞

● 如果卖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。

困难度1级决策

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，假设一笔2万元

● 固定成本：店租3000元，俩伙计工资6000元

● 可变成本：每个料理包5元

其他细项先不考虑

这样得先考虑，前期投入用多久收回，假设需要10个月，则分摊到每个月需2000元，加上店租、工资，一个月成本就去到11000元，每个盒饭还卖10元，则每个月得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。

困难度2级决策

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。

再升级难度，问一个问题：凭什么，它一开店就有3000盒？！

困难度3级决策

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）。

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。

困难度4级决策

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%，但是这个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。

困难度5级决策

谁说的一个店卖3000个盒饭，一定是一直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

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，P＞E＞S＞T。

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。

困难度6级决策

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