以下文章來源于接地氣的陳老師 ，作者接地氣的陳老師

“數據驅動業務”是句非常時髦的話，也是讓很多同學頭疼的話。因為這玩意看得見摸不著呀。天天光聽著喊“驅動”“驅動”，可到底咋驅不知道。

而且問個問題被業務噴，提個意見業務也不聽，還總嫌棄數據分析不夠深入，建議不夠具體，咋整！
一、到底什么叫驅動
說到驅動，最典型的場景就是駕駛馬車的車夫了。馬兒拉著車子，車夫拿著鞭子，一聲：“駕！”馬兒就拉著車子快跑。那么問題來了：車夫要怎么樣驅動馬兒拉車呢？
 
思
考
一
秒
鐘
 
直觀能想到的是：
1、指明方向：揪著馬兒往正確的路上走。
2、提高速度：一鞭子抽馬兒屁股上。
3、增加補給：多給馬兒吃點料。
4、預告危險：看到有坑就把馬拉住。
這才是驅動直觀的做法。
 
這四點，其實對應四大問題
1、目標問題：起點、終點。
2、方法問題：怎么做才能更好。
3、投入問題：投入多少資源。
4、限制問題：限制條件影響下是否會出事。
在企業里也是一樣，想要驅動業務，首要解決就是四大問題（如下圖）：

圖片
二、數據對驅動的作用
然而注意，這些看似簡單的動作，做起來并不容易：
1、指明方向：意味著得清楚起點、終點。
2、提高速度：得清楚馬到底能跑多快，不然光抽鞭子，馬都痛死了，咋跑。
3、增加補給：得清楚馬跑一天需要多少草料，一頓吃多少。太飽，撐著；太餓，沒力氣。
4、預告危險：得清楚路上哪里有坑，得知道馬車能承受住什么樣的顛簸。


可以看到，四個問題都和數據有關系！其中最重要的就是量化目標。起點、終點直接決定了要走什么路，有幾條路可以走，路上要準備多少草料，會有什么坑。所以目標不確定，一切免談。目標不但要確定，而且要清晰。不然光甩一句：帶我在若羌縣逛一圈吧，聽著很簡單。到了才發現，這個縣居然有兩個浙江省大！跑死也跑不完。
 
這里就有一個問題產生了：如果我們從來沒駕過馬車咋辦。如果我們從來沒走過這條道咋辦。如果我們用的馬從蒙古馬換成了阿拉伯馬咋辦。這些都是全新，沒有數據的問題。在沒有數據的情況下，可以先做測試。小范圍地跑一段，看看路況，看看馬的體力，學習下馬車咋拉。
 
這就是數據驅動的兩種基本模式：
1、對于已經熟悉的業務，總結經驗，發現問題，剔除bug
2、對于剛剛開展的業務，測試效果，分組對比，發現規律

圖片
三、數據驅動的高級玩法
注意：以上是基于“馬兒不能換，車子也不能換”這個前提來討論的。如果車夫的驅動目標不是“驅動馬兒”而是“驅動車子更快、更便宜地把貨物送到目的地”，那就有更多可以做的事了：

1、選好馬：哪只馬跑得快，耐力好，用哪只
2、換好車：車軸上油、車身加固
3、分配貨量：分幾次跑，別一趟累死一只馬了。
4、用便宜的：貨主給不起錢，那換個驢子，便宜。

這就是驅動的更高級玩法。從目標出發，不局限于手段，選擇更合適的方法達成目的。

圖片
四、數據驅動的一種腦殘搞法
問，如果有一天，你看到一個車夫在：
1、自己擼起袖子拉車，要什么馬！
2、車上套個豬，然后抽鞭子趕著豬拉車
3、車上套個死豬，然后研究怎么把死豬起死回生
 
請問：你會認為這個車夫掌握了強大的宇宙力量，還是認為這個車夫是個神經病。他當然是個神經病啦！馬車，馬車，有馬的車才叫馬車。駕車的人不去研究怎么駕馭馬匹，怎么強化車身，而是試圖代替馬兒跑，這不搞笑嗎！豬拉不了馬車，這是常識，用豬來車這不搞笑嗎！企圖把死豬搞活不更搞笑嗎！他都有本事起死回生了，他還當車夫？？??！
 
然而：
當車夫變成數據分析師
把馬車變成運營、營銷、策劃……
把鞭子變成“大數據”“人工智能”“算法模型”

你會發現：試圖用鞭子抽著老母豬拉車的事，在各個企業都有上演，層出不窮，精彩得很。
 
很多業務一聽“數據驅動”四個字，立馬撒手不干，啥都指望數據干。
很多業務把全部希望寄托在“100%精準預測”上，不考慮其他可能，不做應急方案。
很多業務大談特談“數據分析要具體”，然后連做幾個頁面，畫幾個按鈕都甩給數據。
很多業務本身流程存在問題、產品質量低下，自己懶得改進，全指望“數據精準推送”。
 
這不是讓車夫來拉車這是什么。這不是用鞭子抽死豬這是什么。更不要提那些連基礎數據收集都沒有，連數據分析都懶得做，連業務目標都不清楚。上來就喊：“我們要提高業績，請具體分析出提高業績的方法”的貨色——就這么說吧，你去廟里拜菩薩，你都得跟菩薩說個具體事：“保佑我賺100萬”“保佑我生兒子”之類的。況且你的數據分析師不是菩薩。
五、數據驅動的另一種腦殘搞法
問，如果有一天，你看到一個車夫在：
1、對著馬兒的長耳朵說：”你說咱咋跑比較好呀？？？”
2、趕車？趕車無非就是喊：“駕！”“駕！”，你一喊馬就跑了。
3、在微信群里問：有沒有頭、騰、阿的高級車夫，有問題，可付費！
4、在網上搜《21天0基礎精通趕車》的pdf版資源
 
你是會覺得這個車夫是個趕車科學家，還是個書呆子。當然是個書呆子啦！只有基礎科學才有系統化的書給人學，類似拉車這種實操性這么強的事，不去現場觀摩，你找頭騰阿有毛線用，因為小馬哥名字里有馬，所以他們家員工都會駕馬車？？？局限于書本，企圖硬搬書本知識解決實際問題，盲目迷信所謂“大廠”“高級”，是很多數據新人常犯錯誤。
 
然而，你一提理解業務，很多新人又跑到另一個極端去了：啥都是直接問。人家說啥他信啥。數據呢？檢驗呢？總結呢？全都忘到腦后了。事后還洋洋得意：我跟業務溝通過啦！可能被人賣了還在幫人數錢呢。
 
所以數據驅動業務，需要的是數據和業務一起努力。業務自己清晰方向，努力提升設計、運營、美工、產品研發等業務能力。數據認真采集數據、監控過程、復盤結果、總結經驗、測試創新，才能發揮做大效果。
 
然而，這兩年人工智能概念的流行，讓數據驅動業務越發變得一塌糊涂?，F在流行的是：業務懶得思考，指望著“100%精準預測”的模型魔法，能幫他們開天眼。然后數據自以為自己真的能做出來“100%精準預測”，只要他能找到一個頭騰阿的大神給他一本《21天0基礎100%精準預測》pdf版然后保存到電腦D盤-干貨-數據挖掘-算法模型文件夾里。結果嗎，自然是罵人騎瞎馬，夜半臨深池了。