时常有初学者老师问：统计数据挖掘究竟是怎么驱动力关键性决策的？那时用两个浅显的范例，让大家看清统计数据驱动力关键性决策全业务流程。通过对照，你能发现：咋你做不下驱动力关键性决策的分析结果。
某日，我饿了想喝茶。假如这六天不无巨震，就要上班快步回去煮一锅面吃，我不须要其他人给我意见提议。
但是某日，我来深圳公干了。我不熟识这个卫星城，我又很想试著点新东西，这就有了获得意见提议的须要。这就是统计数据驱动力的第三运动定律：娴熟、单纯、不无意外的销售业务，极少须要统计数据挖掘的全力支持；有考验的、有变化的、崭新的销售业务，更须要统计数据全力支持。
只好我问邻近地区的好友“我想喝茶，G540美味的呀？”好友质问“你想吃啥？”
这是统计数据驱动力的第三步：明确提出关键性决策最终目标。假如我说“就行了~~~”我的好友会没好气“丢雷啊！就行了乜就行了！这原因在于没有最终目标的情况下，是显然显然无法提提议的，关键性决策最终目标是第三重要的。
可是我吗不熟识邻近地区，只好我问：“有什么民族特色如是说呢？”好友问了两个问题，从大到小帮我选定了覆盖范围（如下表所示图）
这是第三步：明晰关键性决策最终目标。
特别注意！明晰关键性决策最终目标是统计数据挖掘的关键性作用，很多时候，起初的销售业务最终目标可能是很模糊不清的，比如说“有民族特色”。只有剖析确切，全面落实到两个具体内容分项/条码上，才好继续执行。
第三步：明确提出不动点。
要喝茶，就得考量前述因素：
1、两个人吃
2、总和几万元
3、有多久吃
4、自然环境要矮小上还是接地气
这些会影响到最终目标的达成和方案的选择，必须要提前说确切。限制条件一般都是和资源投入、完成时间、技术能力等等有关的变量。
第四步：罗列潜在方案。
现实世界中，潜在方案都是有限的。并且提不动点的时候，“且”字越多，潜在方案越少。我想要两个超级美味且自然环境优雅且收费低廉且服务良好且就开在楼下的饭店，估计只有梦里有。
因此做关键性决策前，得先了解有哪些潜在方案。常见的有2种：
1、历史经验：“上次去过一家A饭店，很美味”
2、市面了解：“看看大众点评，发现还有BCD”
这一步非常重要！很多统计数据挖掘师不知道咋提关键性决策提议，其实原因在于他压根就不知道销售业务是咋做的，也不知道有多少种做法。光看这结果统计数据，说：“收入低了，提议搞高”，肯定不是啥好提议。
第五步：选择优化方案。
根据备选项的不同，筛选方案的方式有不同。
1、假如仅是ABCD四个饭店四选一，那么这是典型的综合评估问题。须要列评估分项，赋权重，收集评分，求解综合得分。
2、假如是ABCD四条生产线，须要看怎么分配资源产出最大，这是典型的优化求解问题，可以用线性规划方法。
3、假如是ABCD四个营销方案，以前都没干过，不确定哪个好，那么得做测试。通过试点测试收集统计数据，这是两个测试问题。
三种思路对照如下表所示图：
这一步是极其须要统计数据辅助的，通过精细的计算，挑选两个最优方案再开始。
第六步：设定后备方案。
我们马上要出门，发现天阴得厉害。这是考量：
1、假如出门时不下雨，继续去A饭店
2、假如出门时下雨，改去B饭店
3、假如出门走到一半下雨，改去C饭店
这样设定好后边方案，能更好应对变化。假如历史统计数据积累多的话，还可以提前预判概率，选择更好的方案（比如说我好友说“冇事嘅，呢滴天气无雨落嘅”）
这一步不是必须的，只有很谨慎的，需应对较大不确定性的，长周期继续执行的项目（比如说新车、新药研发），才会有这么详细的准备。这么干也非常烧钱，须要积累很多历史统计数据，也须要不断动态收集统计数据，判断走势。
这样完成1到6步，就完成了关键性决策制定的过程，后边就是
第七步：过程监控
第八步：异常识别
第九步：问题分析
第十步：优化提议
整个统计数据驱动力关键性决策过程如下表所示图所示：
那么，为什么很多老师觉得自己没做过呢？
一方面，可能是公司不行：领导喜欢拍脑袋，不懂科学方法，缺少统计数据积累，没有测试意识，平时不让统计数据参与，遇到麻烦才指望两个神奇模型一模把问题都解决了。
另一方面，可能是统计数据挖掘水平不行，不懂销售业务，不会沟通，不知道区分最终目标/限制条件/潜在方案，不会选择合适的分析方法。
总之，两头有一头出问题，都会导致统计数据驱动力做不下去。
