決策的科學(xué)化，從數據統計開(kāi)始
天氣預報，生活中最需要精準，而實(shí)際上難以辦到的一項決策。一來(lái)，歷史數據積累少，無(wú)法尋找到天氣的長(cháng)周期規律；二來(lái)，極端天氣頻繁出現，且不可預料，就連事后也難以透徹分析；三來(lái)，統計技術(shù)跟不上，軟件和硬件技術(shù)愈加發(fā)達，可掌控這些機器和系統的人，容易受到自己的經(jīng)驗、偏見(jiàn)所左右。
一百多年前，基于實(shí)效的醫療（EBM，Evidence-Based Medicine），也稱(chēng)為循證醫學(xué)，極大地改變了醫學(xué)界。之前的個(gè)人經(jīng)驗摸索，師傅帶徒弟，獨門(mén)秘籍，一下子被統計分析所取代。這種起源于流行病學(xué)的統計技術(shù)，進(jìn)而迅速應用到經(jīng)濟和經(jīng)營(yíng)領(lǐng)域，對政府、機構和工商企業(yè)的科學(xué)決策，起到了革命性的推動(dòng)作用。
那么，數據和統計分析究竟有什么價(jià)值呢？做出最佳判斷的思考方式。統計分析的結果，只是指導你做出最佳決策并堅定行動(dòng)，但它并不代表決策的結果。葉敦明認為：執行的過(guò)程，會(huì )出現一些事情，不符合事前的統計分析，這需要隨機應變與果斷決策。當然，這些“意外”的數據，也會(huì )進(jìn)入下一輪“收集數據、進(jìn)行分析”環(huán)節，從而得出更好或更適用的新答案。
數據統計的基本邏輯：假設和驗證，這與商業(yè)決策完全一致。大膽假設，考驗你的創(chuàng )想力，對一個(gè)行業(yè)或產(chǎn)業(yè)，有沒(méi)有自己獨特的觀(guān)察與領(lǐng)會(huì )，進(jìn)而差異化的選擇。小心求證，則是在可能的選擇方案中，找到最可行的那一個(gè)。
有選擇，才有決策，而選擇，也有自己的支撐技術(shù)：數理知識和計算機技術(shù)。技術(shù)的進(jìn)步，推動(dòng)了驗證的正確率，可假設的創(chuàng )想力與洞察力，卻無(wú)法用技術(shù)來(lái)替代。假設，屬于商業(yè)智能，與一個(gè)國家的人才綜合素質(zhì)密不可分。這里面，閱讀能力與統計分析，最為重要，它們構成了通才的最堅實(shí)根基。
閱讀能力，每個(gè)人的必備能力，它決定了你的理解、分析和反思水平。職場(chǎng)人士，容易沉浸在自己的天地里，慢慢忽略了大環(huán)境的變化，對其他關(guān)聯(lián)學(xué)科也關(guān)心不多。這就造成了決策的近視癥（憑經(jīng)驗和直覺(jué)），以及自負癥（覺(jué)得自己什么都看懂了、看透了）。這么說(shuō)吧，統計思維，也是當今社會(huì )人的必不可少的能力，對于炒股、買(mǎi)房或買(mǎi)車(chē)這樣的民生大事，以及企業(yè)戰略制定、政府重大決策，都能派上大用場(chǎng)。
統計分析離不開(kāi)數據，數據越多，分析的結果越準確?？墒?，大數據靠積累或購買(mǎi)，時(shí)間、管理水平和資金要求高，一般人玩不起。而從現有數據（企業(yè)的，社會(huì )的，行業(yè)的）進(jìn)行挖掘，也能解決大多數預測或判斷的大問(wèn)題。
第一招，通過(guò)數據深度挖掘，展開(kāi)有意義的假設，找到有價(jià)值的信息。用假設之長(cháng)，克服數據量之短，再用扎實(shí)的驗證功夫，迅速檢驗和判斷假設的正確性。很多預測未來(lái)的大決策，比如戰略兼并、海外擴張，或者是高鐵大建設。
第二招，在非數據領(lǐng)域開(kāi)辟戰場(chǎng)，比如文本挖掘，利用語(yǔ)素分析，找出當下或未來(lái)的關(guān)鍵詞，輔助決策的制定。像時(shí)裝、奢侈品等行業(yè)，會(huì )從推特（twitter）、臉書(shū)（facebook），或者新浪微博、微信等社交媒體，挖掘到核心詞匯、關(guān)聯(lián)以及內在的含義，進(jìn)而預測下一波時(shí)尚風(fēng)潮的走向與表現。
第三招，利用企業(yè)內外部的非結構化數據，去形成構造化的表，然后呢，找到表與表之間的聯(lián)系，進(jìn)行有效的判斷。圖、表格、文檔，都是非結構化數據，一個(gè)企業(yè)的營(yíng)銷(xiāo)From EMKT.com.cn部門(mén)，很多時(shí)間里，都在與之打交道，要么從中找到規律性，要么進(jìn)行結構化再造，便于統計分析。
統計分析時(shí)，若是現有的數據不夠用，或者無(wú)法信服地得出驗證，那就需要進(jìn)行相關(guān)的調查，有全面調查與抽樣調查這兩個(gè)方式。要在準確率、成本以及判斷依據足夠程度上，找到適合一件事情、一個(gè)項目、一個(gè)重大決策的平衡。一句話(huà)，少花錢(qián)，辦對事。
隨機抽樣，正是抽樣調查中最常用的一種。先找到為了正確的判斷所必需的最少數據，控制誤差，明確因果關(guān)系。有幾個(gè)注意事項。首先，抽樣對象的典型性或代表性要夠強；其次，設定一個(gè)誤差上限，一旦超過(guò)，就必須重新抽樣；最后，打破人先見(jiàn)為主和慣性思維，避免盲目的、強行的因果聯(lián)系。
寶潔公司，在推廣一個(gè)新產(chǎn)品之前，傾向于使用對照測試。此時(shí)，提出A和B兩個(gè)不同的方案，選擇兩個(gè)相近的市場(chǎng)（市場(chǎng)空間、消費人群、競爭格局等），進(jìn)行比較分析。勝出的方案，再用于下一輪的幾個(gè)市場(chǎng)的測試，若證明可行，最后才會(huì )全面推向市場(chǎng)。小心行得萬(wàn)年船，大公司的競爭優(yōu)勢，有時(shí)候在于事前準備工作的精細，以及決策的科學(xué)性。
有兩個(gè)現象，值得我們警醒：臨時(shí)抓數據，或拼命湊齊數據。數據的現抓先用，產(chǎn)生的誤差會(huì )很大，不知不覺(jué)把你對到錯誤的方向上。用數據統計指導決策時(shí)，必須始終關(guān)注誤差，堅信不正確的分析不如沒(méi)有分析（靠直覺(jué)或經(jīng)驗）。葉敦明建議：可使用卡方檢驗，觀(guān)察值與理論推斷值之間的偏差。若為零，表示理論值完全符合，可以用于指導今后的實(shí)際決策。偏差值越大，則越不相符，這樣的統計數據，小心使用。
拼命湊齊數據，才敢于決策，這又會(huì )走入決策死胡同。不求數據大而全，只求數據正確、溝通，最關(guān)鍵的是，要與預期利益相關(guān)聯(lián)。一些公司的IT或市場(chǎng)管理部門(mén)，喜歡高大上的軟硬件，拿出厚重而博大的數據分析。高層決策者往往覺(jué)得兩難，投入太大，而又難以利用，為了統計分析而統計分析的做法，不符合務(wù)實(shí)決策者的商業(yè)思維。
說(shuō)到這，你可能明白了這么一個(gè)理：統計分析的結果，要服務(wù)于商業(yè)實(shí)踐。那么，如何將統計分析與具體決策或行動(dòng)聯(lián)系起來(lái)呢？正如《看穿一切數字的統計學(xué)》作者西內啟所言，你要問(wèn)自己以下三個(gè)問(wèn)題。
第一，做出何種改變能夠增加利益？未來(lái)產(chǎn)出的不確定性，需要我們拿起統計分析的武器，提供富有建設性的決策建議，幫助我們更好或更快地實(shí)現預期利益。也就是說(shuō)，統計分析屬于投資行為，不是一個(gè)簡(jiǎn)單的技術(shù)投入或成本。
第二，是否能夠做出這種改變？有些正確而又美好的改變，實(shí)在有心無(wú)力，強行去做，只會(huì )空耗組織的資源和心力。都頭來(lái)，想跑的沒(méi)跑起來(lái)，該走的卻寸步未行。知道理想與現實(shí)之間的距離，在不美好的現實(shí)中，依然保持激情和勇氣，去一步步行出美好，這才是有謀略的、有智慧的勇敢者。
第三，如果能夠做出這種改變，那么帶來(lái)的利益是否大于所消耗的成本？這個(gè)賬，肯定要算清楚的。統計分析，不為裝點(diǎn)門(mén)面，不為駁倒對方，只是一筆合算的投入罷了。有點(diǎn)像我們買(mǎi)汽車(chē)保險，花一筆小錢(qián)，防止自己賠大錢(qián)。一些大型企業(yè)，在重大決策出臺前，都會(huì )花錢(qián)請人做調查和統計分析，來(lái)校正自己決策。
美國的總統大選，也大量使用統計分析來(lái)調整競爭策略，甚至改變政治主張。奧巴馬的連任，就是拿起了隨機抽樣、語(yǔ)素分析等新制勝工具，在輿論的把控上一舉超越對手，讓大多數投票人覺(jué)得選他是最正確的決策。
