第二招，在非数据领域开辟战场，比如文本挖掘，利用语素分析，找出当下或未来的关键词，辅助决策的制定。像时装、奢侈品等行业，会从推特（twitter）、脸书（facebook），或者新浪微博、微信等社交媒体，挖掘到核心词汇、关联以及内在的含义，进而预测下一波时尚风潮的走向与表现。

　　第三招，利用企业内外部的非结构化数据，去形成构造化的表，然后呢，找到表与表之间的联系，进行有效的判断。图、表格、文档，都是非结构化数据，一个企业的营销From EMKT.com.cn部门，很多时间里，都在与之打交道，要么从中找到规律性，要么进行结构化再造，便于统计分析。

　　统计分析时，若是现有的数据不够用，或者无法信服地得出验证，那就需要进行相关的调查，有全面调查与抽样调查这两个方式。要在准确率、成本以及判断依据足够程度上，找到适合一件事情、一个项目、一个重大决策的平衡。一句话，少花钱，办对事。

　　随机抽样，正是抽样调查中最常用的一种。先找到为了正确的判断所必需的最少数据，控制误差，明确因果关系。有几个注意事项。首先，抽样对象的典型性或代表性要够强；其次，设定一个误差上限，一旦超过，就必须重新抽样；最后，打破人先见为主和惯性思维，避免盲目的、强行的因果联系。

　　宝洁公司，在推广一个新产品之前，倾向于使用对照测试。此时，提出A和B两个不同的方案，选择两个相近的市场（市场空间、消费人群、竞争格局等），进行比较分析。胜出的方案，再用于下一轮的几个市场的测试，若证明可行，最后才会全面推向市场。小心行得万年船，大公司的竞争优势，有时候在于事前准备工作的精细，以及决策的科学性。

　　有两个现象，值得我们警醒：临时抓数据，或拼命凑齐数据。数据的现抓先用，产生的误差会很大，不知不觉把你对到错误的方向上。用数据统计指导决策时，必须始终关注误差，坚信不正确的分析不如没有分析（靠直觉或经验）。叶敦明建议：可使用卡方检验，观察值与理论推断值之间的偏差。若为零，表示理论值完全符合，可以用于指导今后的实际决策。偏差值越大，则越不相符，这样的统计数据，小心使用。

　　拼命凑齐数据，才敢于决策，这又会走入决策死胡同。不求数据大而全，只求数据正确、沟通，最关键的是，要与预期利益相关联。一些公司的IT或市场管理部门，喜欢高大上的软硬件，拿出厚重而博大的数据分析。高层决策者往往觉得两难，投入太大，而又难以利用，为了统计分析而统计分析的做法，不符合务实决策者的商业思维。

　　说到这，你可能明白了这么一个理：统计分析的结果，要服务于商业实践。那么，如何将统计分析与具体决策或行动联系起来呢？正如《看穿一切数字的统计学》作者西内启所言，你要问自己以下三个问题。

　　第一，做出何种改变能够增加利益？未来产出的不确定性，需要我们拿起统计分析的武器，提供富有建设性的决策建议，帮助我们更好或更快地实现预期利益。也就是说，统计分析属于投资行为，不是一个简单的技术投入或成本。

　　第二，是否能够做出这种改变？有些正确而又美好的改变，实在有心无力，强行去做，只会空耗组织的资源和心力。都头来，想跑的没跑起来，该走的却寸步未行。知道理想与现实之间的距离，在不美好的现实中，依然保持激情和勇气，去一步步行出美好，这才是有谋略的、有智慧的勇敢者。

　　第三，如果能够做出这种改变，那么带来的利益是否大于所消耗的成本？这个账，肯定要算清楚的。统计分析，不为装点门面，不为驳倒对方，只是一笔合算的投入罢了。有点像我们买汽车保险，花一笔小钱，防止自己赔大钱。一些大型企业，在重大决策出台前，都会花钱请人做调查和统计分析，来校正自己决策。

　　美国的总统大选，也大量使用统计分析来调整竞争策略，甚至改变政治主张。奥巴马的连任，就是拿起了随机抽样、语素分析等新制胜工具，在舆论的把控上一举超越对手，让大多数投票人觉得选他是最正确的决策。

　　敬请关注叶敦明的2016年培训课程：http://www.360gy.com/peixun/html/371

第 1 2 页