8-1 數據科學如何提高戰略決策質量.pdf

1、數據科學如何提升戰略決策質量DataFun孫煜征（B站：課代表立正）數據科學能干什么1.提升戰略決策質量2.支持業務日常運營3.提供數據能力（預測、因果、推薦）有的時候3是2的自動化 有的時候3能做到2做不到的事情（更準、更快、更全）但是1很少有人討論。我們這里重點討論1用數據科學提升決策質量的重點1.想全面：搞清楚圍繞決策的諸多因素2.抓重點：對重要因素進行科學理解與分析，并得到有效insights3.定戰略：參與制定戰略，或起碼完整理解戰略4.定策略：根據戰略參與制定策略，或起碼完整理解策略5.定指標：用北極星指標和guardrail指標來量化策略執行程度6.定優先級：量化策略的各個模塊的

2、機會、成功率，從而確定資源投入舉個例子講重點用數據科學提升決策質量的重點1.想全面：搞清楚圍繞決策的諸多因素2.抓重點：對重要因素進行科學理解與分析，并得到有效insights3.定戰略：參與制定戰略，或起碼完整理解戰略4.定策略：根據戰略參與制定策略，或起碼完整理解策略5.定指標：用北極星指標和guardrail指標來量化策略執行程度6.定優先級：量化策略的各個模塊的機會、成功率，從而確定資源投入想全面和抓重點的本質是產品理解我們做一個2B業務，銷售收入/市場占有率重要，還是利潤重要？初級：看階段 邏輯：早期注重占有率，規模上去了再注重利潤 結果：賠錢賺吆喝，然后發現賺不到錢；或者挖一堆淺井

3、 中級：看戰略 邏輯：這塊業務對公司有沒有其他戰略價值？羊毛出在狗身上？結果：看似格局高，其實業務生死靠PPT決定，其實大都是偽需求 高級：看價值（PMF）回歸本質：這業務/產品是否真實解決了用戶問題用什么指標來衡量PMF？標準指標 Adoption：有多少人愿意試用你？Retention：有多少試用過你的人，愿意回來用你？但是更好的指標一定來自于一線理解（熊飛訪談）：Net dollar retention:有多少付費會形成復購？毛利率：毛利30%左右的企業賺辛苦錢；毛利70%+意味著產品解決痛點，有護城河定戰略的其他工作問了不一定有用，不問會出事的問題 競品分析：市面上有其他競品嗎？我們和

4、他們的能力區別？Market sizing：市場有多大？多大規模能收支平衡？護城河：會導致更多競爭嗎？客戶的遷移成本？等等更重要的靈魂拷問 什么時候做到什么規模才有意義？為什么是我們做？有沒有辦法不做？這些是數據科學家應該做的嗎？什么是數據科學家 數據理解 科學能力沒有因果關系，甚至沒有具體數據的時候，數據科學家的觀點是否還值得表達和被尊重？Why TM not?用數據科學提升決策質量的重點1.想全面：搞清楚圍繞決策的諸多因素2.抓重點：對重要因素進行科學理解與分析，并得到有效insights3.定戰略：參與制定戰略，或起碼完整理解戰略4.定策略：根據戰略參與制定策略，或起碼完整理解策略5.定

5、指標：用北極星指標和guardrail指標來量化策略執行程度6.定優先級：量化策略的各個模塊的機會、成功率，從而確定資源投入Goal（目標）、Strategy（策略）、和North Star Metrics（北極星指標）的關系常見的誤解：北極星指標是用來衡量 我們是否在向著目標前進 離目標還有多遠其實：一個目標會對應無數策略，我們會定下一個策略 北極星指標是用來衡量我們對策略的執行效果 所以一定要警惕，不要把“指標”當成“目標”目標是長期的，策略是中期的；KPI是手段，不是目的為啥？因為是否達成目標是 策略執行 的 結果 而指標要能衡量行動，能影響行動 本質而言，測量成功了百分之幾，不能很好指

6、導行動舉個例子 目標：減肥20斤 策略：增加運動，減少攝入 指標：運動量，卡路里 如果指標是減了多少斤，看上去有意義，實際沒意義總結一下1.戰略很重要，數據科學家的意見很重要。要相信自己對戰略決定的價值2.產品理解很重要，好的指標一定根植于產品對用戶的價值3.不要因為懂數據，反而把發言權局限于數據4.用指標衡量策略，從而指導行動自我要求核心素質自我定位 立場中立：全心全意做好業務，但是在沒前途的時候也要call out 動機純粹：不要淪為撕逼工具，堅持說對的事情，做對的事情 視角全局：時刻能站出來思考手頭的事情在更大格局下的價值除了專業知識還應該有的素質 明白認知偏差并能抓出來（馬斯克轉發的50條認知偏差）明白邏輯謬誤并能抓出來（十二種常見的邏輯謬誤）坦誠清晰的表達，能把復雜問題講簡單如何積累Domain Knowledge 做桌面研究 找專家問問 自己動手如何積累Product Sense 從實際出發，而不是從定義出發 共情能力很重要，了解用戶的體驗，帶入他們視角 帶著先驗認知，并不斷update