决策这件事，每个人每天都在做，但“数据分析辅助决策”这句话挂在嘴边的人多，真正想明白其中逻辑的没几个。今天花几分钟，把这个问题聊清楚。

先说决策本身。决策本质上是一系列动作的集合，只要有动作，就离不开5W2H：谁做、为什么做、做什么、在哪里做、什么时候做、怎么做、花多少代价。这七个要素不是随意排列的填空题，它们之间有严谨的内在逻辑。

按决策的自然顺序来，五个W和两个H应该这么展开：

第一步是确定谁来做。同样一件事，不同人执行，思路、方案和最终效果可能完全不一样。比如同样是解决午饭，写字楼里的年轻白领可能点份三四十元的健康沙拉，工地上的装修师傅可能更倾向十五元能无限续碗的猪脚饭。出发点不同，决策自然不同。所以谈任何计划之前，得先明确执行主体。

第二步是理清为什么做以及做到什么程度。确定由谁执行之后，先回答目标问题：为什么要做这件事？做到什么程度才算成功？然后才是具体操作步骤。还是用午饭的例子：如果只是为了填饱肚子，路边快餐店都能满足；但如果是商务会面，就得选有包间、环境安静的餐厅。目标不同，路径必然不同。

第三步才是落地到时间、地点、方式和投入。确定好执行人和目标之后，这四个要素反而容易确定。



搞懂这个决策过程，才能看清数据在其中的位置。

数据最核心的作用是量化。这不是什么高大上的人工智能分析，也不是精准的趋势预测，而是最基础的量化工作。比如安排一次饭局，至少得打开点评软件看看候选餐厅的名字、价格和距离。这才是数据发挥作用的起点。

但光有量化还不够，还得对结果做出评估。很多人习惯性判断一件事“好”还是“坏”，但仔细追问“什么是好”的时候，往往答不上来。不同人对“好”的定义可能天差地别，判断标准不一致，结论自然相互矛盾。

拿约喜欢的女生吃饭来说，目标不是填饱肚子，而是增进好感。可“好感”这种内在感受难以直接衡量，只能通过外部行为间接判断：她是否愿意赴约、是否全程表现出愉悦、是否愿意安排下一次见面。企业经营同样如此，某月销售额增长10%，数据分析师可能觉得形势一片大好，但老板会追问：这是异常波动吗？环比增速合理吗？毛利率同步增长了吗？



可惜很多数据分析工作就在这个环节出问题。分析师盯着数据曲线绞尽脑汁想解释波动的原因，却从来没停下来想想：这个指标真的能衡量业务质量吗？标准都没统一，分析做得再深也是白费功夫。

明确了衡量标准之后，才能进入真正的分析阶段。这时候各种分析方法、建模技术才派得上用场。具体方法以后会逐一展开。

数据分析还有一个常被忽视的价值：把决策者拉回理性的逻辑轨道。现实中，很多人做决定靠的是直觉、印象或习惯，根本没经过理性考量。

比如约女生吃饭，有些人直接选最贵的，完全不考虑对方需求；有人只选自己爱吃的火锅，完全不确认对方是否喜欢；有人说某家店好吃，让对方再走一公里，完全忽视对方感受；还有人跟前任去过某家店，现在又带新约会对象去——这种操作只能祝他好运。数据分析的作用，就是用客观事实指出这些决策有多不靠谱。

也因为这个，传统企业中经验丰富的老员工往往轻视数据。他们凭二十年积累的直觉做判断，业绩也还算过得去。过去二十年经济高速增长，很多企业躺着都能赚钱，根本不需要精细的数据分析。但时代不一样了。



如今市场竞争越来越激烈，躺着赢的日子一去不复返，数据分析的价值才真正凸显出来。以前那种“数据不如我经验准”的自信，正在被现实逐步瓦解。



真正让数据分析发挥作用，需要两方面的能力。一是分析能力，能透过数据发现问题、解释问题，最终找到答案。二是呈现能力，用合适的方式包装分析结果，让业务部门愿意采纳。这两种能力缺一不可，因为最终执行决策的往往不是数据分析师本人，而是业务部门的管理者或一线员工。能解决问题并获得别人信任，才是数据分析产生实际价值的关键。