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 视角全局：时刻能站出来思考手头的事情在更大格局下的价值除了专业知识还应该有的素质 明白认知偏差并能抓出来（马斯克转发的50条认知偏差）明白逻辑谬误并能抓出来（十二种常见的逻辑谬误）坦诚清晰的表达，能把复杂问题讲简单如何积累Domain Knowledge 做桌面研究 找专家问问 自己动手如何积累Product Sense 从实际出发，而不是从定义出发 共情能力很重要，了解用户的体验，带入他们视角 带着先验认知，并不断update