《有数》（用冷静的数据思维，解复杂的商业问题）精读稿 ...

这本书是比较新的书，2022年10月第1次版，印次是2023年1月第2次印刷，所以比较前沿。关于方面的书，还是新的好，如此书里的信息才能与时俱进，也具备更强的及时性和有效性。

作者王曦是北京市特聘专家，杉树科技联合创始人兼首席产品官，斯坦福大学决策分析博士，北京大学数学与应用数学学士，LinkedIn（领英）年度影响力人物。曾担任Google（谷歌）全球商业运营高级经理等，同时担任国内诸多委员、副会长等。他的学科专业度、工作经验丰富度、实践视野广度，都使这本书满满。新东方俞敏洪、《财经》杂志主编何刚、中国统计学会副会长房祥忠等人也力荐本书。

如此重磅的作者，让人期待满满。不如马上进入数据的世界吧。

作者将该书分为4个部分：一、赢得，二、收益与效率，三、组织与。四、方向与未来。我稍微用自己的思路梳理一下吧。我认为第一部分是在讲数据思维的外部应用，第二部分和第三部分是在讲数据思维的内部应用（其中第二部分是对事，第三部分是对人）。而第四部分是讲如何面向未来。

所以，作者通过本书不仅教我们如何用数据思维活在当下（前三部分），也教我们如何用数据思维从容地应对未来。书里有工具箱式的各种抓手，还有指南针。不但刷新了我们的面，也提升了我们的思维能力，非常难得。

全书将企业经营管理中的14个重要商业问题，梳理成数据思维的14种逻辑，我会选取一部分为大家介绍。

对于创业者来说，因为是摸索阶段，虽然有目标，但是执行的时候又常常无从下手，或者说不知道怎么做比较系统，常常是凭感觉和经验比较多。作者用4个逻辑为我们提供了清晰的路径，帮助我们了解如何赢得市场。

这4个路径分别是：1、了解你的市场——用概率逻辑制定出最有力的商业计划。2、让用户看到你：——用习惯逻辑抓住用户的注意力。3、让用户选择你——用价值逻辑赢得你的关键用户。4、让用户依赖你——用迭代逻辑增加用户黏性。

四个逻辑清晰明了，层层递进。

大家都知道创业也好，开展新也好，都需要做商业计划。那如何做一份好的商业计划呢？前提是要了解目标市场。作者对此进一步问了3个启发性的问题：为什么形形色色的市场分析报告和商业计划书对需求和体量的估算是千差万别的呢？新冠肺炎疫情之后，市场响应的灵敏度变成了决策者高度关心的问题，你做好准备了吗？销量预测和需求计划，二者说的是一回事吗？

作者用概率逻辑来回答这些问题。那什么是概率逻辑？概率逻辑=相关要素+分布要素+计划要素。

关于相关要素，我们可以通过一个游戏来理解。我心里指定一个房间里的东西来让你猜。但是房间里有那么多东西，要猜到什么时候呢？所以我可以给你几次提问的机会，你可以问一些你觉得有助于猜到答案的问题来问。但是问问题也是有方法的，如果只能问10个问题，但你全程问“是红色的？是绿色的吗？是灰色的吗？”等等，那显然很难帮你猜到。而如果你问“它是大件的吗？它是柔软的吗？它是有味道的吗？”等等，就能帮你缩小范围，从而猜中的概率就大很多了。

这其中的关键在于面对陌生的市场要寻找相关的熟悉的信息，同时保证视角的丰富全面。

分布要素涉及传说中经典的正态分布曲线——它是一根两端低中间高的曲线，像一座两边无限延伸的山坡。当我们对市场过于自信的时候，一定要用它来提醒自己，总有一些我们认为不可能会发生的小概率事件会发生。有人说，高素质的人，高就高在其风险意识强。

概率逻辑的第三个要素是计划要素，这里主要指需求计划，包括短周期需求计划，和中长期需求计划。要做好这么全面的计划，我们需要一些抓手。可以从3个维度入手。

1、 数据维度：融合内外部数据。如历史销售数据、产品分类、产品信息、价格折扣。信息、销售指标等维度的内部数据，以及舆情商情、宏观政策、地理信息、商圈信息、房产数据等维度的外部数据。

2、 技术维度：传统的时序模型与人工智能算法的结合。我们要善用新工具新方法，通过适当的结合来产生协同效应。

3、 场景维度：精细的场景组合与细分。如：时间维度上的场景（季节性、节假日等）;空间维度上的场景（城市等级、分区类型等）；产品维度上的场景（产品分类、季节品、促销品等）；需求群体维度上的场景（线上平台、线下卖场等）。

至于习惯逻辑、价值逻辑、迭代逻辑，作者也用公式为我们做了总结。

其中：习惯逻辑=位置要素+信息要素+场景要素。

产品和服务的价值=新价值-旧价值-迁移成本

价值逻辑=品类要素+弹性要素+事件要素

迭代逻辑=假设检验要素+信息价值要素+可行方案要素

干货实在太多，基于篇幅限制，无法一一道来。我感觉从书里学到很多新知识，特别是新工具。我觉得工具性的、底层逻辑性的知识非常有价值，因为复用性很高，不容易过时。在知识大爆炸的时代，我们选取信息的效率非常关键，挑选与我们的目标最相关的知识来优先学习，这也是数据思维的一种运用。

同时我还有一种感觉，感觉更详细的步骤作者没有分享出来，如果真的遇上这方面的需要，可能去找作者开的公司直接来做数据分析效率更高。这是题外话了。

祝大家有所收获。