8-1 数据科学如何提高战略决策质量.pdf

1、数据科学如何提升战略决策质量DataFun孙煜征（B站：课代表立正）数据科学能干什么1.提升战略决策质量2.支持业务日常运营3.提供数据能力（预测、因果、推荐）有的时候3是2的自动化 有的时候3能做到2做不到的事情（更准、更快、更全）但是1很少有人讨论。我们这里重点讨论1用数据科学提升决策质量的重点1.想全面：搞清楚围绕决策的诸多因素2.抓重点：对重要因素进行科学理解与分析，并得到有效insights3.定战略：参与制定战略，或起码完整理解战略4.定策略：根据战略参与制定策略，或起码完整理解策略5.定指标：用北极星指标和guardrail指标来量化策略执行程度6.定优先级：量化策略的各个模块的

2、机会、成功率，从而确定资源投入举个例子讲重点用数据科学提升决策质量的重点1.想全面：搞清楚围绕决策的诸多因素2.抓重点：对重要因素进行科学理解与分析，并得到有效insights3.定战略：参与制定战略，或起码完整理解战略4.定策略：根据战略参与制定策略，或起码完整理解策略5.定指标：用北极星指标和guardrail指标来量化策略执行程度6.定优先级：量化策略的各个模块的机会、成功率，从而确定资源投入想全面和抓重点的本质是产品理解我们做一个2B业务，销售收入/市场占有率重要，还是利润重要？初级：看阶段 逻辑：早期注重占有率，规模上去了再注重利润 结果：赔钱赚吆喝，然后发现赚不到钱；或者挖一堆浅井

3、 中级：看战略 逻辑：这块业务对公司有没有其他战略价值？羊毛出在狗身上？结果：看似格局高，其实业务生死靠PPT决定，其实大都是伪需求 高级：看价值（PMF）回归本质：这业务/产品是否真实解决了用户问题用什么指标来衡量PMF？标准指标 Adoption：有多少人愿意试用你？Retention：有多少试用过你的人，愿意回来用你？但是更好的指标一定来自于一线理解（熊飞访谈）：Net dollar retention:有多少付费会形成复购？毛利率：毛利30%左右的企业赚辛苦钱；毛利70%+意味着产品解决痛点，有护城河定战略的其他工作问了不一定有用，不问会出事的问题 竞品分析：市面上有其他竞品吗？我们和

4、他们的能力区别？Market sizing：市场有多大？多大规模能收支平衡？护城河：会导致更多竞争吗？客户的迁移成本？等等更重要的灵魂拷问 什么时候做到什么规模才有意义？为什么是我们做？有没有办法不做？这些是数据科学家应该做的吗？什么是数据科学家 数据理解 科学能力没有因果关系，甚至没有具体数据的时候，数据科学家的观点是否还值得表达和被尊重？Why TM not?用数据科学提升决策质量的重点1.想全面：搞清楚围绕决策的诸多因素2.抓重点：对重要因素进行科学理解与分析，并得到有效insights3.定战略：参与制定战略，或起码完整理解战略4.定策略：根据战略参与制定策略，或起码完整理解策略5.定

5、指标：用北极星指标和guardrail指标来量化策略执行程度6.定优先级：量化策略的各个模块的机会、成功率，从而确定资源投入Goal（目标）、Strategy（策略）、和North Star Metrics（北极星指标）的关系常见的误解：北极星指标是用来衡量 我们是否在向着目标前进 离目标还有多远其实：一个目标会对应无数策略，我们会定下一个策略 北极星指标是用来衡量我们对策略的执行效果 所以一定要警惕，不要把“指标”当成“目标”目标是长期的，策略是中期的；KPI是手段，不是目的为啥？因为是否达成目标是 策略执行 的 结果 而指标要能衡量行动，能影响行动 本质而言，测量成功了百分之几，不能很好指

6、导行动举个例子 目标：减肥20斤 策略：增加运动，减少摄入 指标：运动量，卡路里 如果指标是减了多少斤，看上去有意义，实际没意义总结一下1.战略很重要，数据科学家的意见很重要。要相信自己对战略决定的价值2.产品理解很重要，好的指标一定根植于产品对用户的价值3.不要因为懂数据，反而把发言权局限于数据4.用指标衡量策略，从而指导行动自我要求核心素质自我定位 立场中立：全心全意做好业务，但是在没前途的时候也要call out 动机纯粹：不要沦为撕逼工具，坚持说对的事情，做对的事情