导读：随着大数据的进一步发展，数据科学在业界的应用非常普遍，但是在日常交流中听到有人会质疑数据分析的价值与意义，一部分人认为做数据科学（也就是模型）可能是学到了很多技术，但如果不能给广告平台来做推荐算法的话，它最后的应用也是有限的。为了帮助大家解决这些困扰，本文将总结数据科学职业的价值，以及数据科学如何提高战略决策质量。
今天的介绍会围绕下面五点展开：
01
数据科学能干什么
首先和大家分享下数据科学的意义，主要包括以下三点：
1. 提升战略决策
旨在帮助大家理解我们在做什么，怎么做。
2. 支持日常业务运营
确定了方向之后，还要明确接下来该怎么做，我们每天会有很多具体的决策，需要用数据去描述好客观情况，帮助我们理解为什么会发生这种情况，以及接下来应该如何去做日常的运营决策。
3. 提供数据能力
提供数据能力指的是产品上的业务优化，比如将图像识别、推荐算法放在产品中，以此提高自动化；又如去评估ltv，通过评估ltv来判断用户是否值钱，通过分析用户收入相对于成本的状况来决定要不要为这个用户花钱，或者该如何看待这个用户。
有的时候提供数据能力是将日常业务运营自动化，有的时候则可以更准、更快、更全地完成日常业务运营无法完成的工作。
关于提升战略决策质量这一点很少有人讨论，这将是本文讨论的重点。
--
02
用数据科学提升决策质量的重点
1. 想全面
我们要考虑问题的诸多因素，只看占有率、盈利率肯定是不行的，要看短期、长期各种影响。
2. 抓重点
在想全面的过程中要把重点抓出来，并对重要因素有正确的理解，做出理智判断。
3. 定战略
不管有没有决策权，都要理解战略是如何制定的。
4. 定策略
根据战略参与制定策略，即使不能参与制定，也要理解策略。
5. 定指标
用来衡量策略的执行情况。
6. 定优先级
在制定指标之后，会有很多途径方法去达成，我们要做一些优先级的取舍。
--
03
应用案例
1. 疫情防控背景案例
国内抗疫，有共存派与清零派的争论。“如何抗疫”是一个战略决策，想全面、抓重点和定战略都是很重要的，比如要知道该如何做这件事。
首先要对病毒本身有很多理解，比如病毒的传播指数，对健康的伤害。
其次是要全面了解围绕抗疫的诸多因素，比如经济、健康；而且不光是整体的健康。
通过看其他国家的数据、权威的研究，都可以对这些决策中的重要因素有很多量化的理解。在得到尽量全面、客观的信息之后要找到这这中间的关键矛盾，我们的目的、如何取舍。战略定好后再去思考如何达到这个目标。
2. to B业务背景
我们可能面临两个重要的战略取舍，销售收入和市场占有率重要，还是利润重要？
一些人认为如果市场占有率没有做上去的话，是不可能赚到钱的，而不赚钱靠补贴去买占有率，将失去本身的意义。如果有初步的理解，就会说早期我们看占有率，后期当占有率口碑上去了再做利润，但是这其实是一个伪逻辑，因为市场占有率上去了利润依旧上不去，或者说在这里边的前期后期这个时间无法取舍，可能这个业务5年才能赚钱。
接下来看战略，这项业务到底是不是由我们公司来做。假设我们是一家科技公司，可能就去找一些有科技含量的tob业务去做，按正常逻辑来讲，只要公司的科技水平能达到全国最领先，那么这些业务都应该是我们的，如果这里边有不赚钱的业务，可以想办法看看有没有其他方法去赚钱。这个看似很有格局，但其实也是一个伪逻辑，因为首先不是想做到科技最高就可以做到科技最高的，其次即便做到最高了这个业务也不一定归我们，业务都给到我们来做了也不一定就能赚到钱。
因此，应该真正回归本质，就是看这个业务本身的价值，尤其看产品对消费者的价值，这个产品这个业务是否真正解决了用户的问题，用户是否觉得这个产品重要、是否愿意为它掏钱。
--
04
目标、策略和北极星指标的关系
指标可以来帮助我们衡量一个产品是否真的能满足业务或者用户的需求，比如adoption、retention。但简单地看数据是不够的，还需要去理解背后的业务。熊飞访谈里提到的一些指标，比如Net dollar retention在用户身上花了多少钱才会形成复购。另外一个指标就是毛利率，他认为to b业务中有70%的毛利率才是值得做的，如果只有30%的毛利率一般是赚辛苦钱，而70%就意味着这个产品是有护城河的。
在定战略时，还有一些问题要问到，比如我们的竞品是谁，我们和他们的核心区别是什么？第二个问题是市场有多大，多大规模能收支平衡？我们很多时候会忽略人力成本、运营成本，有些看上去的赚钱的事情，其实成本很高。第三个问题是会导致更多竞争吗，客户是否容易迁移？
人们常常误认为北极星指标是用来衡量Goal是否达成，离Goal还有多远。但其实只要方向是对的，去衡量达成目标的快慢意义不大。达成目标会有很多策略，当定下一个策略之后，北极星指标应该用来衡量策略的执行效果。KPI是手段，不是目的。
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，不能很好地指导行动，不如去测量执行了百分之几。比如目标减肥20斤，策略是增加运动并减少摄入，指标应该定为运动量，卡路里。如果指标是减少了多少斤，看上去有意义，实际并没有意义。
--
05
总结
1. 观点总结
① 战略是很重要的，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。
2. 数据科学家的核心素质
首先要立场中立，全心全意做好业务，要有指出风险和不理想结果的勇气；其次要动机纯粹，坚持说对的事情，做对的事情；最后要有全局视角，时刻能站出来思考手头的事情在更大格局下的价值。
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。
3. 如何积累Domain Knowledge
4. 如何积累Product Sense
--
06
问答环节
Q：目前的部门在做增长，调查得知大多数用户对品牌形象不满意，尤其是对比于top1的竞品，但是现在的大多数工作都是在做买量相关，如何做精细化投放，如何做更多的素材埋点或者软文，但是个人感觉应该多做一点短期收益不一定大的，比如品牌广告和综艺合作，本人现在比较迷惑。
A：这是一个关于效果广告和品牌广告的老问题和好问题。效果广告中，所有的收入否是可追踪（traceable）的，效果是很明显的。品牌广告就像是一些品牌联动，如何评估和平衡两者，是一个比较困难的问题，是比较复杂的问题，很难在短时间内回答。
Q：如何具体的理解北极星指标不是衡量目标，而是衡量策略？
A：策略是为了达到目标，但是你不用过分针对目标，而是可以追踪的（track）具体的策略。很多事情对目标是间接的效果，而不是直接的效果，过分关注目标可能会导致是急功近利。例如利用短时间内大量断食来减肥，能够对目标有明显的效果，但是对身体不好。
Q：如何平衡模型在微观业务和宏观策略的价值？
A：一般问题的解答是从问题出发，如果有业务需要优化，如果有策略需要解答，这时候自然而然考虑使用模型，而不是逆向思维。
今天的分享就到这里，谢谢大家。
分享嘉宾：孙煜征博士 腾讯 数据科学副总监
编辑整理：李智颖 中国人民大学
出品平台：DataFunTalk
01/分享嘉宾
孙煜征 博士｜腾讯 数据科学副总监
B站和YouTube上的数据科学up主，课代表立正。之前的经历是康奈尔大学经济学博士，BCG管理咨询顾问，亚马逊经济学家，Meta数据科学家，还有一些小创业经历。现在在腾讯游戏的增长中台负责数据科学应用和BG级课题研究。
02/关于我们
DataFun：专注于大数据、人工智能技术应用的分享与交流。发起于2017年，在北京、上海、深圳、杭州等城市举办超过100+线下和100+线上沙龙、论坛及峰会，已邀请超过2000位专家和学者参与分享。其公众号 DataFunTalk 累计生产原创文章700+，百万+阅读，14万+精准粉丝。
| 留言与评论（共有 0 条评论） “” |
