决策模型 数据剖析十大模型

“能不能建个模型，剖析下怎样决策才好！”是上班中经常被问到的疑问，也让很少数据剖析师头大。“这决策咋做，还能建模？咋不让我去算命呢！”是经常出现的吐槽。

其实数据驱动决策，有一套模型可用，但是有很多前提条件限度。当天跟大家系统分享一下，看完大家就会发现：即使只把握了梳理模型的环节，也是大有协助的！

建设模型的前提

企业做决策，有固定形式

1、明白决策对象（支出端/消费端）

2、了解业务现状（渠道/产品/产能）

3、明晰未来目的（支出最大/老本最小）

4、明晰制约起因（短期内无法扭转的物品）

5、明晰待决策起因（短期内可以扭转的物品）

咱们可以把这个环节，用下图示意：

迷信决策和算命巨匠的最大区别，在于：迷信决策以数据为基础，素来不瞎猜。假设目前不了解状况，那么得：先做形容性剖析，把状况搞分明，这是建设模型的前提。

比如某个企业做群众号投放获客，历史投放曝光量、转化数据、可投放次数记载如下，该怎样建设剖析模型呢（如下图）。

答案是建不了！由于基础消息都缺很多呀：

1、决策目的是啥？控制老本？提高获客量？

2、制约起因是啥？我司有多少投放经费啊？

3、某些特定渠道，是不是必需投XX次啊？

这些基础状况都不知道，必需没法建模了。补充基础消息是第一步。

模型建设环节

假定消息补充成功：

1、目的：获客数量最多

2、制约条件：总投放费用3w

3、制约条件：无特定渠道数量限度

4、待决策起因：每个渠道投放多少次

那么可以开局建模了，咱们先把业务上的形容，转化为数学形容（如下图）

之后，可以建设线性布局模型，求最优解。很多工具都可以求，繁难比如Excel，自带布局求解配置，python可以用scipy.optimize.linprog函数求解。这里用Excel举个繁难的例子，只需把目的、解放条件、待求解起因丢进对格子，就能智能计算出最优解（如下图，智能显示在单元格里，即30000解放下最大获客量4295）。

梳理分明逻辑，只须要繁难几步就能算出答案，十分好用。

模型如何经常使用

留意！即使没有模型，手工也能做处置。普通做投放的同窗，会用每个渠道投放费用/获客数量，计算每单位获客老本（CAC），而后看哪个渠道的获客老本低，就先把这个渠道所有投满，而后看看手头还剩价格，继续投老本第二低的。整个操作如下图所示（如下图）：

既然可以手工操作，为啥还要建模呢？答：由于建模计算起来繁难。比如：

1、修正目的：目的改成满足0获客状况下，费用最少

2、修正条件：A、B渠道报价、次数有调整

3、参与新选项：新增渠道F、G、H，一同思考

当状况产生变动时，可以经过调整模型参数，间接输入结果，比手工布置效率高多了。

看到这，有同窗会问：既然模型这么好用，为啥很少听人提起呢？由于事实上班中，常有疑问制约了模型建设，比如……

模型的制约起因

制约1：基础数据的采集。比如：

1、咱们的设施基础产能是多少

2、咱们的开售有多少人，人均产出多少

3、最好的 VS 最差的差异有多大

4、体现能否稳固，能否有节令差异

这些基础的数据采集与剖析论断是十分关键的。把握基础数据才好建模。而很多状况下，形容性统计都没做到位，只看个平均数就自觉拍脑袋下马，很容干出“集齐10个孕妇就能1个月把孩子生进去”的失误。

制约2：明晰的业务目的。目的不明晰，是企业通病，比如：

1、指导说：“你看看可以咋提升下”……这压根没目的呀

2、剖析前说：“估算OPEN”剖析后说：“投入太大了，你也得思考实践呀”

3、剖析下，既能投入最小，又能产出最大，又能效率最高，还能……

目的不存在，目的很凌乱，会造成模型的公式都写不进去，不要说解模型了。而目的重叠一大堆，会间接造成模型无解。线性布局方法中，有2阶段法可解双目的状况下最优解，但阅历上看，普通有50%概率无解。由于模型只是业务状况的模拟，不是魔法，不能把你原本拉胯的业务变得神威无敌……

普通多重目的状况下，咱们都倡导：聚焦一个关键目的，把另一个变成解放条件。比如：

这样把双目的改为条件后，岂但能求出最优解，而且可以经过测试，找到解放条件下，老本极限在哪里（超越极限就解不出满足希冀的最优解），这样反向推进业务提高运作才干。

制约3：稳固的业务体现。建模环节中，假定参数是固定的。这个在营销端比拟难，由于很多时刻用户照应率是玄学识题。所以线性布局模型在消费端用得多。由于消费端的设施体现往往有固定参数，且消费端目的明晰（给定老本产出量最大/给定产量老本最小）。在营销端，往往用分类模型或许照应模型。

综上可见：建设模型的环节，远比模型自身更有价值。在建设模型环节中，会暴漏数据采集的疑问，会暴漏目的凌乱，思绪不清的疑问，会发现业务法令性，这些都能极大辅佐决策，帮咱们把决策拉回到主观、理性的路线上。