天氣預報，生活中最需要精準，而實際上難以辦到的一項決策。一來，歷史數據積累少，無法尋找到天氣的長周期規律；二來，極端天氣頻繁出現，且不可預料，就連事后也難以透徹分析；三來，統計技術跟不上，軟件和硬件技術愈加發達，可掌控這些機器和系統的人，容易受到自己的經驗、偏見所左右。

一百多年前，基于實效的醫療（EBM，Evidence-Based Medicine），也稱為循證醫學，極大地改變了醫學界。之前的個人經驗摸索，師傅帶徒弟，獨門秘籍，一下子被統計分析所取代。這種起源于流行病學的統計技術，進而迅速應用到經濟和經營領域，對政府、機構和工商企業的科學決策，起到了革命性的推動作用。

那么，數據和統計分析究竟有什么價值呢？做出最佳判斷的思考方式。統計分析的結果，只是指導你做出最佳決策并堅定行動，但它并不代表決策的結果。葉敦明認為：執行的過程，會出現一些事情，不符合事前的統計分析，這需要隨機應變與果斷決策。當然，這些“意外”的數據，也會進入下一輪“收集數據、進行分析”環節，從而得出更好或更適用的新答案。

數據統計的基本邏輯：假設和驗證，這與商業決策完全一致。大膽假設，考驗你的創想力，對一個行業或產業，有沒有自己獨特的觀察與領會，進而差異化的選擇。小心求證，則是在可能的選擇方案中，找到最可行的那一個。

有選擇，才有決策，而選擇，也有自己的支撐技術：數理知識和計算機技術。技術的進步，推動了驗證的正確率，可假設的創想力與洞察力，卻無法用技術來替代。假設，屬于商業智能，與一個國家的人才綜合素質密不可分。這里面，閱讀能力與統計分析，最為重要，它們構成了通才的最堅實根基。

閱讀能力，每個人的必備能力，它決定了你的理解、分析和反思水平。職場人士，容易沉浸在自己的天地里，慢慢忽略了大環境的變化，對其他關聯學科也關心不多。這就造成了決策的近視癥（憑經驗和直覺），以及自負癥（覺得自己什么都看懂了、看透了）。這么說吧，統計思維，也是當今社會人的必不可少的能力，對于炒股、買房或買車這樣的民生大事，以及企業戰略制定、政府重大決策，都能派上大用場。

統計分析離不開數據，數據越多，分析的結果越準確?？墒牵髷祿糠e累或購買，時間、管理水平和資金要求高，一般人玩不起。而從現有數據（企業的，社會的，行業的）進行挖掘，也能解決大多數預測或判斷的大問題。

第一招，通過數據深度挖掘，展開有意義的假設，找到有價值的信息。用假設之長，克服數據量之短，再用扎實的驗證功夫，迅速檢驗和判斷假設的正確性。很多預測未來的大決策，比如戰略兼并、海外擴張，或者是高鐵大建設。

第二招，在非數據領域開辟戰場，比如文本挖掘，利用語素分析，找出當下或未來的關鍵詞，輔助決策的制定。像時裝、奢侈品等行業，會從推特（twitter）、臉書（facebook），或者新浪微博、微信等社交媒體，挖掘到核心詞匯、關聯以及內在的含義，進而預測下一波時尚風潮的走向與表現。

第三招，利用企業內外部的非結構化數據，去形成構造化的表，然后呢，找到表與表之間的聯系，進行有效的判斷。圖、表格、文檔，都是非結構化數據，一個企業的營銷From EMKT.com.cn部門，很多時間里，都在與之打交道，要么從中找到規律性，要么進行結構化再造，便于統計分析。

統計分析時，若是現有的數據不夠用，或者無法信服地得出驗證，那就需要進行相關的調查，有全面調查與抽樣調查這兩個方式。要在準確率、成本以及判斷依據足夠程度上，找到適合一件事情、一個項目、一個重大決策的平衡。一句話，少花錢，辦對事。

隨機抽樣，正是抽樣調查中最常用的一種。先找到為了正確的判斷所必需的最少數據，控制誤差，明確因果關系。有幾個注意事項。首先，抽樣對象的典型性或代表性要夠強；其次，設定一個誤差上限，一旦超過，就必須重新抽樣；最后，打破人先見為主和慣性思維，避免盲目的、強行的因果聯系。

寶潔公司，在推廣一個新產品之前，傾向于使用對照測試。此時，提出A和B兩個不同的方案，選擇兩個相近的市場（市場空間、消費人群、競爭格局等），進行比較分析。勝出的方案，再用于下一輪的幾個市場的測試，若證明可行，最后才會全面推向市場。小心行得萬年船，大公司的競爭優勢，有時候在于事前準備工作的精細，以及決策的科學性。

有兩個現象，值得我們警醒：臨時抓數據，或拼命湊齊數據。數據的現抓先用，產生的誤差會很大，不知不覺把你對到錯誤的方向上。用數據統計指導決策時，必須始終關注誤差，堅信不正確的分析不如沒有分析（靠直覺或經驗）。葉敦明建議：可使用卡方檢驗，觀察值與理論推斷值之間的偏差。若為零，表示理論值完全符合，可以用于指導今后的實際決策。偏差值越大，則越不相符，這樣的統計數據，小心使用。

拼命湊齊數據，才敢于決策，這又會走入決策死胡同。不求數據大而全，只求數據正確、溝通，最關鍵的是，要與預期利益相關聯。一些公司的IT或市場管理部門，喜歡高大上的軟硬件，拿出厚重而博大的數據分析。高層決策者往往覺得兩難，投入太大，而又難以利用，為了統計分析而統計分析的做法，不符合務實決策者的商業思維。

說到這，你可能明白了這么一個理：統計分析的結果，要服務于商業實踐。那么，如何將統計分析與具體決策或行動聯系起來呢？正如《看穿一切數字的統計學》作者西內啟所言，你要問自己以下三個問題。

第一，做出何種改變能夠增加利益？未來產出的不確定性，需要我們拿起統計分析的武器，提供富有建設性的決策建議，幫助我們更好或更快地實現預期利益。也就是說，統計分析屬于投資行為，不是一個簡單的技術投入或成本。

第二，是否能夠做出這種改變？有些正確而又美好的改變，實在有心無力，強行去做，只會空耗組織的資源和心力。都頭來，想跑的沒跑起來，該走的卻寸步未行。知道理想與現實之間的距離，在不美好的現實中，依然保持激情和勇氣，去一步步行出美好，這才是有謀略的、有智慧的勇敢者。

第三，如果能夠做出這種改變，那么帶來的利益是否大于所消耗的成本？這個賬，肯定要算清楚的。統計分析，不為裝點門面，不為駁倒對方，只是一筆合算的投入罷了。有點像我們買汽車保險，花一筆小錢，防止自己賠大錢。一些大型企業，在重大決策出臺前，都會花錢請人做調查和統計分析，來校正自己決策。

美國的總統大選，也大量使用統計分析來調整競爭策略，甚至改變政治主張。奧巴馬的連任，就是拿起了隨機抽樣、語素分析等新制勝工具，在輿論的把控上一舉超越對手，讓大多數投票人覺得選他是最正確的決策。