现在在家头部互联网内容公司做负责创新业务的副总裁，这几年好些新业务线做起来了，每年要花上亿在市场推广上。为了把钱花在刀刃上，我非常依赖数据模型（比如投放模型，盈利模型）来做日常决策。 我曾经在BCG工作时做过不少市场规模预测和公司盈利预测模型，在Kellogg商学院也学习过类似LBO模型的课，过往做初级员工时练的技能点现在做高管用上了（为曾经做模型到半夜的自己点赞）。 现在业务做大了，不能所有决策都由我来看，但团队业务同学不太熟悉如何用数据模型做决策，财务和数据分析师也不可能掌握所有业务细节以及做业务判断。因此，我平时会不时分享用数据模型做业务决策的技巧。 节选些要点和大家分享下： [一R] 搞清楚大中小账的区别 基于业务不同的战略目标，数据模型的测算“尺度”不一样。我一般称为分为大中小账。 小账是最窄的财务口径，一笔投入（比如广告投放，人力资源）能带回来多少收入/利润，简单清晰。 但如果只用财务口径去评估所有业务，很多暂时收入还没起来或战略目标不仅是赚钱的业务就没法突显价值。因此还要加上中账和大账的口径。 中账会再考虑业务的增长价值，比如虽然收入不高，但是带来了很多新付费用户，在增长拉新上能省下机会成本。 大账会再考虑到非短期数据可衡量的品牌曝光价值。可能短期有点亏损，但业务的调性和品牌传播价值很高，那算大账就比较合理。 [二R] 先整体再局部 平时指导团队做数据模型时，发现大家会因为某一模块数据不全或者精准度不够就卡在那里。 我以前在BCG做数据模型时有个原则，就是先搭个端到端能跑，有全局观的模型，再逐个模块优化。 比如做一个付费产品的投放模型，可能后端续费的数据不全，但前端获客和销售的数据都有了，那就先拍个合理的续费率假设，把整个端到端LTV-ROI的模型先搭起来。不需要等到所有数据都齐全了再动手。 因为业务决策都是从整体视角出发来看数据的，如果有些数据不准确或者是拍的，只要提前讲清楚假设，不影响初步决策（除非假设的数据和真实水平差异过大）。但是如果没有全局的视角的模型，是无法做决策的。 篇幅有限，还有些原则下次分享。 希望对各位有帮助！