• 决策树
  • 德尔菲法
    • 预测项目概率,把专家独立观点不断收敛
      • 邀请专家
        • 各个领域权威,同时准备基础资料作为预测依据
      • 独立预测
        • 独立给出最低销售量、最高销售量、最可能销售量,并给理由
      • 统计回归
        • 收集意见归纳整理后,匿名反馈给各专家。再请专家参考 别人意见,对自己的预测重新考虑
        • 第四次预测时,大部分专家不再修改自己的意见,彼此预测也越来越接近
      • 分析结果
        • 用“主观概率加权平均法”
          • 赋最低销量25%概率,最高销量25%概率,最可能销量50%概率,相乘相加
  • KT法
    • KT法解决问题
      • 状况分析
        • 问题就是应该的结果和实际的结果之间的差异
      • 问题分析
        • 3W1E法
          • 对3W1E,做“是/而不是”的精准描述
          • 然后,假设几点原因,对照3W1E,分析最可能的原因
      • 决策分析
        • 目标分类法
          • must“必须目标“
          • want”希望目标“
        • 评估三个方案,分析能不能实现以上目标
      • 潜在问题分析
        • 对最可行的方案针对潜在问题做调整
  • 麦穗理论
    • 原则
      • 定下最基本的满意标准
      • 考察现有的可选方案
      • 如果有可选方案满足,就不再寻找更优方案
    • 第一段用37%时间确定“最基本的满意标准,第二段用63%的时间来选择满足标准的第一方案
  • 基于数据的决策
    • 决策,就是与这个世界的博弈
      • 如果知道这个世界的底牌,就更有可能赢得比赛
      • 这个世界的底牌,就是信息。更准确的说,就是信息的载体 — 数据
    • 掌握至少三种方法
      • 对显性数据的统计
        • 用户主要城市,主要收听时间
      • 对隐性数据的调查
        • 用户只会说要更快的马,想不出汽车
        • “焦点小组”
          • 微软邀请典型用户到观察室,独立完成一项任务
          • 焦点在于对方怎么做,而不是怎么说
      • 对所有数据的分析
        • 过去与世界博弈,看不到底牌。互联网时代,摊牌毫无保留
          • 要从信息匮乏时代的”增加数据“,变为信息泛滥时代的”减少数据“,利用大数据帮助决策
          • 精准到个体的大数据
          • 庞大的数据共享,与拥有数据的机构合作
            • “芝麻信用“