解决方案下载地址   演示视频下载地址

真正可以辅助用户领导决策的是什么？

探讨贝叶斯决策理论在产品中的应用 

—研究中心刘洪江 

从12年进入公司以来，我的工作内容从销售到产品经理，中间穿插的做过许多售前的工作。所以以我的经历来判断的话，我可以十分的肯定公司99%的同事一定都听说过，或者十分清楚一个产品层面的概念——辅助领导决策。有的时候，根据项目的需要，我们也会将这个理念包装成——领导驾驶舱，这样的概念。

这一期内部刊物上，我想与诸位同事共同探讨一个问题：什么是决策，怎么才叫辅助决策？

首先想探讨的是什么是决策，或者什么是科学的决策？

这个问题不难回答，要引导出我的观点也挺麻烦（基本的概念可以百度）。这里我想举一个例子。上周，我们部门产品经理李瑞折腾大半个中国终于到达玉门，开展项目调研。在这个项目中，有一条主线（还有很多条主线，这里为了方便说明只是举例）：我们的客户想要建立一套围绕建设项目扩展的信息系统，从招商引资、项目储备、审批到过程督办、部门绩效考核。按照一般的做法，最后势必会有一个“数据统计”作为【领导驾驶舱】，来提升或者是集中体现产品的价值。

马上就要引出我的问题了，不要慌~！

显然，通过简单的设计和功能实现我们可以得到这样的数据：所有已经投资的企业中，某一项（也可以是多项）行政审批事项出现了延期。这个数据可以计算出一个比例，比如说是5%，意思就是参与投资，且某一项行政审批事项出现延期的可能性是5%。这样的数据，可以很直接的呈现在【领导驾驶舱】里面。

现在引导问题来了：问，这个数据可以辅助领导决策吗？如何辅助的？

按照以前的理解，很显然是可以作为决策参考的。因为历史数据是可以指导后续工作的，这是基于事实的决策。

我的观点是：这并不是基于事实的决策，而是基于经验的决策。决策本身是基于过往经验得出的，而这些数据仅仅是过往经验的一种表现形式而已。可以更通俗易懂的解释一下，上述例子中，虽然有5%的企业在某一项审批事项上遭遇了阻碍，但是他们依然进行了投资不是吗？那市政府在决策时，可能会认为这并不太重要。但是如果已经有大批企业因为这个手续而终止投资行为时，我们系统中的数据还有用吗？损失已经不可挽回了。所以，领导们不会让这样的事情发生，真正决策的是他们团队的经验，而数据只是参考而已，甚至这样的历史数据参考价值也不是很大。

真正的决策是什么？

决策的模型可以简单的分四步：一找准问题；二收集信息；三分析数据；四做出决策。

回到上面这个例子，市政府决策的真正问题是什么？

是：在这个关键审批手续出现阻碍（延期）的情况下，企业依然投资的概率是多大？（基于系统数据，已知的是企业投资的情况下，这个关键审批手续出现阻碍（延期）的概率。不要搞混了）

这才是这个问题的关键。只有实时掌握这样的数据，对一个市政府而言，才是有价值的，才能真正让决策基于事实。

现在抛给我们的问题是：基于上述系统中可以采集的数据，怎么样可以推导出这个概率呢？

现在终于可以回到这篇文章的主题：贝叶斯决策理论在产品中的应用。

“贝叶斯决策理论是主观贝叶斯派归纳理论的重要组成部分。 贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。”

根据上面这段文字的描述，有朋友会说，系统采集全部历史数据，并不是部分未知，统计历史数据就可以了呀？

这里一定要搞清楚，一个市政府理论上是永久存在的。它的决策范围是针对今后，而不是过往。如下图所示：

贝叶斯公式的推导过程及其复杂，要说清楚其中的原理也不简单。这部分我打算偷懒，大家如果有兴趣，可以上网查一查。这里我先给出贝叶斯公式：

P(A|B)可以理解成在B的情况下，A发生的概率。也叫后验概率。在本文的例子中P(A|B)就是：在这个关键审批手续出现阻碍（延期）的情况下，企业依然投资的概率是多大？

P(A)，叫先验概率。

如果你仔细观察小孩学习新东西的这个能力，会发现，很多东西根本就是看一遍就会。你告诉小孩一个新词，他一开始并不知道这个词是什么意思，但是他可以根据当时的情景，先来个猜测（先验概率/主观判断）。一有机会，他就会在不同的场合说出这个词，然后观察你的反应。如果我告诉他用对了，他就会进一步记住这个词的意思，如果我告诉他用错了，他就会进行相应调整。（可能性函数/调整因子）。经过这样反复的猜测、试探、调整主观判断，就是贝叶斯定理思维的过程。

贝叶斯理论其实就是机器学习的基本方法。

下面你就是一个市长，现在我来告诉你：在这个关键审批手续出现阻碍（延期）的情况下，企业依然投资的概率是多大？

先设变量，再罗列已知条件：

设：投资为A，不投资为A’，延期为B，未延期为B’；

已知条件：P（A）=0.5（这个是先验条件，理论上要不然投资，要不然不投资）；P（A’）=0.5(这个可以理解吧！)；P（B|A）=0.05（上文提到的，所有已经投资的企业中，某一项（也可以是多项）行政审批事项出现了延期的概率5%）；P（B|A’）=0.07(终止投资的企业中，某一项（也可以是多项）行政审批事项出现了延期的概率，这个数据也可以通过设计采集到这样的数据，这里我假设它是7%)。

现在可以开始计算了！！！！！

还要给出P（B）的公式：P（B）= P（B|A）P（A）+ P（B|A’） P（A’），这个叫全概率公式。

所有值都带入公式中：

       

也就是说：在这个关键审批手续出现阻碍（延期）的情况下，企业依然投资的概率是41.67%，不到一半？

如果仅仅按照历史数据评估的话，上述例子中，虽然有5%的企业在某一项审批事项上遭遇了阻碍，但是他们依然进行了投资不是吗？那市政府在决策时，可能会认为这并不太重要。

是不是反差很大？

最后，需要说明的是。这只是贝叶斯决策理论在产品中应用的探讨，具体实践还需要投入大量的精力。但是可以乐观的估计，类似与这样的应用场景应该还有很多。例如：通过网上预约的办事群众，有多大概率会如约来到政务大厅办件？如果可以给出一个量化的预测，那么我想对政务中心接待服务质量的提高也是有一定帮助的！