1700510333
数据科学家养成手册 [:1700503668]
1700510334
数据科学家养成手册 17.1 决策就是“拍脑袋”
1700510335
1700510336
决策随处可见。拿着外卖菜单决定午餐的菜色，在大雨中举着伞小心翼翼地走过坑洼不平的道路，在网上看到一件漂亮的衣服然后决定购买，都是在做决策——通过判断方案的好坏来决定是否要实施。这个过程的本质是人类基于自身“价值观”做出的“趋利避害”的行为。这种“价值观”是人类自身的一种对于取舍的判断模型，“利”与“害”是人类自身拥有的对事物感触的结果，通俗地说就是“愉悦”和“痛楚”。
1700510337
1700510338
每一个神智正常的人都会具有类似却又各不相同的对“利”与“利益”的理解——有的重视金钱，有的重视名誉，有的重视交际，有的重视短期效益，有的重视长期效益，即使是吃一顿美餐、看一部有趣的小说或电影这种纯粹在情感上获得愉悦的效果，也是“利”最朴素的表现。
1700510339
1700510340
与此相反，以上这些事情的对立面就都是“害”或“痛楚”。金钱损失、名誉损失、朋友绝交、看了令人作呕的画面或者被针芒扎到都是“害”。在这些事情中，凡是已经几乎形成条件反射或非条件反射（例如脊柱反射）的，就无须通过一定的对比、分析、推理、判断来做决定。虽然本质上都是“趋利避害”，但这些事情通常不属于我们刚刚所说的“决策”。而根据“利”与“害”的直接程度和大小，有时可以在瞬间做出决策，有时则需要相对复杂的决策过程。对简单的、可以瞬间做出的决策，“拍脑袋”就够了，因为由其结果造成的“利”与“害”都微乎其微。
1700510341
1700510342
然而，最为复杂，也是本章重点描述的，是那些影响相对较大、较深远的，或者对利益有重大影响的决策。这些决策通常值得多花一些时间和金钱成本来做出。这种决策有方法论可循吗？也是有的。
1700510343
1700510344
1700510345
1700510346
1700510347
数据科学家养成手册 [:1700503669]
1700510348
数据科学家养成手册 17.2 哪里有物质，哪里就有数据
1700510349
1700510350
数据科学家养成手册 [:1700503670]
1700510351
17.2.1 目的的统一
1700510352
1700510353
前面我们已经对决策评价进行了一些讨论，其中一个鲜明而重要的观点就是：决策的目的一定要统一或一致，否则决策会是一个混乱、漫长且令人充满疑惑的过程。换言之，决策的问题如果能最终转换成在多个方案之间比较多个没有二义性的数字大小的问题，那就非常完美了。这里有一个概念叫作“评价函数”。
1700510354
1700510355
所谓“评价函数”，就是类似于
1700510356
1700510357
1700510358
1700510359
1700510360
1700510361
1700510362
形式的函数。value就是方案最终的评价或者价值，通常是一个正实数，这样便于参与者讨论及理解。x1，x2，…，xn的内容是这个评价体系需要考虑的所有因素的量化值。是这些被考虑因素的计算逻辑，内容可以很复杂，甚至在有些比较复杂的场景中，仅就能写满几页纸。
1700510363
1700510364
1700510365
1700510366
这样，一旦最后所有人对的解释没有异议，对其结果就应该不会有异议。当然，中x1，x2，…，xn的来源应该有足够满足当前决策需要的可信性。
1700510367
1700510368
在一次决策的过程中，一定有人对决策过程或者决策结果不满意，所以决策过程中的不满意程度往往会成为一个非常简单易用的判断标准。这种决策方式我们都见过并亲身经历过。例如，举手表决，少数服从多数。这种简单的一人一票制度是一种典型的以“决策过程中的不满意比例（人数）”最低为决策标准的方式。看，这种我们习以为常的决策方式也有理论依据。
1700510369
1700510370
中国有句俗话，“宁跟明白人吵架，不跟糊涂人讲话”。这句话的隐藏含义就是：和所谓的“明白人”吵架是一件能够得到结果的事情。这里说的“明白人”是指那些利益观点、是非观点和自己一致的人，吵架的原因也是视角不同或者考虑不周全，通过争论可以对事情进行改善或弥补。“不跟糊涂人讲话”说的则是那些目标观点不明确或者与自己的目标体系相差太远、无法调和的情况。在有的场合我们会发现争论双方都觉得对方糊涂、不可理喻，原因就是双方目标体系相差太大，无法就一个评价目的进行讨论，这种讨论也很难有结果。
1700510371
1700510372
在董事会这种用股票赋予不同量的决策权重的场景中，情况略有不同。每个人不再被完全平等地赋予同样的对满意或不满的表达量，而是按照其持有的股票数量分配决策权重。为什么这样做呢？原因也非常简单：股票代表利益，每一股所代表的利益是均等的，持股越多，能够获得的利益就越多。董事会的决策通常是在整个企业范围内起作用的，影响较为深远，涉及的利益也要覆盖每一位股东。这种以所持股票数量来表达观点的方式是一种加权方式，其好处是能够在利益主权至上的前提下，在全局范围内保证“利益主张”最大化。
1700510373
1700510374
数据科学家养成手册 [:1700503671]
1700510375
17.2.2 数据胜于雄辩
1700510376
1700510377
现在，绝大多数企业，尤其是中小型企业，在做决策的时候往往是几个主要负责人坐在一起“拍脑袋”，能够依靠数据进行决策的凤毛麟角。为什么呢？因为数据决策的成本目前仍然比较高，实施的难度也比较大。
1700510378
1700510379
这是一个客观现象。在整个“实践篇”，我们用大量篇幅描述了完整的数据生命周期，从数据的生成和收集，一直到数据的可视化和分析，整个过程非专业人员很难较好地完成。对很多中小型企业来说，自身的生存状况还不允许其每位领导者都采用这样“完美”的方式去完成决策——成本是硬伤。
1700510380
1700510381
不过，我还是强烈建议，即使是几个主要负责人在一起“拍脑袋”，如果想让方案更有说服力，仍然要有数据或数字作为观点的支撑。用数字说话有如下好处。
1700510382