责任编辑的主要内容是为大家科学普及统计数据挖掘的概念和方式，作者用明晰的“是甚么，为甚么，怎么做”路子，为听众提供了两个又两个的方式论，为统计数据挖掘阿宝们带来了紧凑型的一流科学知识。
有老师问：张老师，每天被复试都被问“你采用过甚么样统计数据挖掘的方式”。结果都觉得答不上去。究竟统计数据挖掘有甚么方式？咋我在做统计数据挖掘，却觉得没甚么方式？今天系统答疑一下。
首先，并不是英文名字带“预测”俩字的，是统计数据挖掘方式。有很多XX预测，是语言学、软件工程、微积分的专精辅助工具，并不直接对准销售业务难题的标准答案。当现代人在问：”有甚么预测方式”的时候，更多期许听到两个能得出推论的方式。
所以想回答好这个难题，要回到：统计数据挖掘究竟化解甚么样销售业务难题上去。
从销售业务商业用途上看，统计数据挖掘能化解5大类难题
是啥（统计数据叙述情况）是甚么（践行统计数据国际标准）为甚么（积极探索难题原因）会怎样（预测销售业务走势）又如何（综合推论情况）紧紧围绕每个难题情景，有某一的方式女团（如下表所示图）
一、解决“是啥”的方式
用统计数据叙述情况，须要创建完善的统计数据分项体系。创建统计数据分项体系，则须要剖析清楚统计数据分项之间的认识论。统计数据分项间有三种基本上的认识论：以太网认识论和博戈达认识论，因此派生出三种基本上的预测方式：棒状预测法&分项回收法。
回收的销售业务多了，现代人发现，某些统计数据分项能一般来说的女团采用，比如：
使用者营运情景：AARRR分项、RFM分项零售业店面情景：人、货、场分项商品管理情景：进、销、存分项那些也有意识被称为：预测模型。但注意，那些都只是在展现统计数据。统计数据+推论国际标准，才有预测推论。有关推论国际标准的预测，是：是甚么类难题。
二、化解“是甚么”难题的方式
推论国际标准能很简单，比如领导的指令、KPI要求、过往同期统计数据，都能作为国际标准。那些统称为：简单国际标准。但很多时候，分项走势是否正常，并无明确的KPI约束，甚至KPI达标，但是走势奇特，领导们还是会觉得有难题。这时候就须要找其他参照物。因此派生出一系列预测方式。
比如：
与业务自身规律比较，推论好坏：生命周期法、自然周期法与同类型，同期发展的销售业务比较：同期群预测法与其他销售业务个体进行比较：分层预测法这样对比，即使只有1个统计数据分项，也能得出好坏推论。如果销售业务发展违背过往规律，明显比其他个体更差，则能判定为：不好。
当然，也能采用2个分项，比如经典的矩阵预测法，通过两分项交叉+两分项平均值，分出四类销售业务，从而得出好坏推论。
如果用更多分项也行，比如常用的Kmean聚类，能先利用多个分项对销售业务个体聚类，之后再看各类型之间表现优劣。
以上那些方式，都能将销售业务的好/坏区分出来，从而在一定程度上辅助推论。
三、化解“为甚么”难题的方式
“预测下这个难题是甚么原因导致的……”是常见的要求，这是“为甚么”难题。化解为甚么难题，有两大基本上路子：
1. 结果推断常见的，比如：
结构预测法：通过结构预测，找到难题发生点标签预测法：通过打标签，做个体对比，找到难题原因相关预测法：通过计算分项相关关系，找到相关分项，再形成假设MECE法：讲多个销售业务假设，按MECE原则合并成预测认识论，一一验证结果推断，意为难题发生后，用各种统计数据寻找差异，创建假设。能把销售业务口中“我觉得这是XX原因”，抽象成两个统计数据可验证的假设，因此适用范围非常广。但结果推断只是单方面从结果做归纳，有可能有偏颇，还须要实验验证。
那些方式更接近传统语言学的实验，大部分都要求：
开展统计数据实验，验证假设设参照组/实验组，且参照组/实验组特征相似区分控制变量、环境变量，重点测控制变量的影响先有假设，然后通过实验/分组对比，验证假设。常见的方式，包括ABtest、DID、PSM、RDD、Uplift等方式。实验推断有语言学依据，计算过程复杂，看起来更量化一些。但是对实验条件要求太高，比如大促销类ALL in的销售业务，比如商品、店铺那些无法控制环境的销售业务情景，比如销售业务员行为、内容传播等难采集统计数据的领域，都很难用。
理想的状态，肯定是两者结合，事实-假设-验证，不断循环，接近真相。但现实中有很多条件制约。导致我们只能从两个角度切入，慢慢靠近真相。
四、化解“会怎样”难题的方式
预测类难题，是所有人都感兴趣的话题，也是统计学/算法最有可能发挥作用的地方。唯一限制方式采用的，是：究竟有啥统计数据&销售业务人员要不要参与。
如果销售业务人员坚持参与预测过程，就只能用销售业务假设法或者滚动预测法，那些方式把影响结果的参数都列出来，方便销售业务人员拍脑袋，也能帮他们明晰：我要做啥。
如果销售业务人员不参与，则视统计数据量的啥。统计数据少，则采用时间序列预测，统计数据多，且有影响结果的原因统计数据，则能用诸如回归模型一类算法预测。
五、化解“又如何”难题的方式
综合评估与分配难题，统称“又如何”难题。这是决策的最后一步，决定是否对销售业务做动作，做多大动作。有些简单的评估是很容易的，比如销售签了生死状，达不成业绩目标就炒鱿鱼。
但大部分情况，评估很复杂，要考虑方方面面。这里最大的区别，在于要不要考虑领导的主观意见。如果要，果断采用主观评分法！满足领导的打分欲是第一位的。如果不要，再考虑采用有监督的机器学习算法，或者因子预测法，DEA法（求的是相对效率）等客观方法。
至于：做啥，谁来做。是更复杂的难题了。想做好分配，得先把前边几步预测做完，对每个销售业务线基础能力有充分认识，才好下推论。这里，线性规划的方式，能用来做支持。
六、为甚么觉得没用上方式？
综上可见，统计数据挖掘的方式是非常多的。但为甚么很多老师觉得自己没用上方式呢？因为每种方式是和销售业务情景、领导风格、统计数据质量、息息相关的。
比如因果推断算法大多基于分组测试展开，而实际销售业务中，很多因果预测是事后再查原因，也不给二次实验的机会。
比如很多公司的分配方案，根本是领导拍脑袋，一言堂，根本没机会让预测师用算法。
比如预测难题，很多公司根本没有足够统计数据积累，只有一条销售统计数据，那撑死了也只能用时间序列法。
这种理想与现实的差距，让很多老师很痛苦。一方面不清楚究竟那些方式该如何用，另一方面不了解，自己该如何应对销售业务需求。复试和工作都很吃力。
专栏作家
家。资深咨询顾问，在互联网，金融，快消，零售业，耐用，美容等15个行业有丰富统计数据相关经验。
责任编辑原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自Unsplash，基于CC0协议。
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
