你有没有注意过楼下卖早点的那家铺子？老板王师傅每天早上三点起床和面，凭的是三十年前的手感——今天大概得和二十斤面吧，他这么想着。结果周一剩了半盆，周二又不够卖。这种事儿在康茂峰服务过的客户里太常见了，不管是卖包子还是搞供应链，大多数人做生意，其实全靠猜。
猜着猜着，生意就做大了，但也做糊涂了。钱好像赚了，但到底哪块业务在流血，哪块是现金牛，说不清楚。这时候数据统计服务就不是什么高大上的玩意儿了，它就是帮你把账本从脑子里搬到纸面上，再从纸面上看出门道的笨办法。
咱们先把那些唬人的词扔一边。什么大数据、算法模型、商业智能，听起来像是要造火箭。其实吧，数据统计服务最底层就四件事，咱们用王师傅的包子铺就能说明白。
第一，描述性统计。 昨天卖了多少个包子？肉馅的和素馅的各占几成？这就像是给生意拍照片，告诉你现在长啥样。很多业务连这步都没做好，报表是有的，但那是给财务看的，不是给决策看的。
第二，诊断性分析。 为啥周一大家都买素的，周五都买肉的？是不是因为周五旁边写字楼加班的人多，想吃口腻的？这一步是找原因。康茂峰发现，大多数业务增长点都藏在这里——不是销售额掉了才慌，而是看出哪个环节在悄悄打滑。
第三，预测性分析。 看下周一天气预报要降温，是不是该多准备点热豆浆？这一步开始有点技术含量，但说白了还是基于过去的规律猜未来。没必要搞得多神秘，简单的趋势往往比复杂的模型更准，尤其是在数据量没那么大的时候。
第四，规范性建议。 系统告诉你，基于历史数据，明天和面十八斤最合适，多了浪费，少了不够。到这一步，数据才真正开始指挥业务动作，而不仅仅是给人看。
你看，从拍脑袋到让数字说话，中间就隔了这么四层。很多人以为买个软件就是数字化了，不对，软件只是铲子，你还得知道往哪儿挖。
康茂峰接触过很多处于瓶颈期的企业，有个挺有意思的现象：大家的手机里都存着一堆报表，Excel表格能排满三个屏幕，但问起来"上个月哪个渠道真正贡献了利润"，十个老板里八个眼神飘忽。
这就是典型的数据丰富，信息贫乏。
举个例子，有个做零售的朋友，每天看销售额看得很紧。上个月促销，流水涨了30%，高兴坏了。但康茂峰帮他细拆了一下数据：我们发现退货率涨了50%，再算上为了冲量给渠道的返点，实际上是亏的。要是没做这个拆解，他还在琢磨这个月要不要继续加大促销力度，那可就真往坑里跳了。
凭直觉决策有个致命伤——它只对极端情况敏感。生意特别好或者特别差的时候，你能感觉到。但那种温水煮青蛙的慢性下滑，或者某个隐性成本在蚕食利润，直觉是察觉不到的。数据统计服务的作用，就是在你还感觉不到疼的时候，先给你把把脉。
再说了，现在的市场环境，变量太多了。客户的口味变得快，供应链说断就断，竞争对手的价格一天三变。靠一个人的经验去覆盖这么多不确定性？太难了。你得有个外挂，帮你盯着那些你盯不过来的细节。
说实话，市面上讲数据的文章太多了，把简单的事说复杂了。康茂峰做这些年服务项目，有个挺固执的观点：数据必须要"脏手"。
什么叫脏手？就是数据必须贴着业务地面走。我们见过太多"空中楼阁"式的数据看板，花花绿绿的图表做得像艺术品，但业务人员看不懂，或者看懂了也不知道能干啥。这种数据就是装饰品，不如没有。
康茂峰的办法是倒着来。先不问"你有什么数据"，而是问"你今天最睡不着觉的问题是什么"。是库存积压？是客户流失？还是不知道营销预算该往哪投？问题定死了，再回去找数据。这样找出来的数据，哪怕看起来很简单，也是能用的数据。
还有一点，数据不是越多越好。很多老板有个误区，觉得先把所有数据都收集起来，总有一天能挖出宝。结果呢？服务器里存了五年的用户点击记录，硬盘是满了，业务还是老样子。康茂峰建议的是精益数据——先保证核心的那十几个指标是准的、及时的，比拥有一万个没人看的指标强一百倍。
就像种地，你得先知道要种什么，再去测土壤酸碱度。反过来，先有一堆土壤数据，再琢磨种啥，那就是本末倒置。
道理说多了也虚。康茂峰把这些年的经验拢了拢，正经落地其实就三步，没什么捷径，但每步走扎实了，效果看得见。
这是最 boring 但最重要的一步。你得建立一套指标树，把虚荣指标和核心指标分开。
什么是虚荣指标？比如网站访问量、APP下载量。看着好看，但跟挣钱不一定有关系。核心指标呢？对于订阅业务是续费率，对于零售是复购周期，对于toB是销售周期长度。
康茂峰建议每个业务就抓三到五个北极星指标，其他的都是辅助。别贪多，人一多就乱。有个简单的办法检验：如果你早上只能看一个数字就出门，你选哪个？那个就是你的北极星。
| 业务类型 | 虚荣指标（别看） | 核心指标（盯紧） |
| 电商零售 | 页面浏览量 | 库存周转天数 |
| 内容平台 | 注册用户数 | 七日留存率 |
| 企业服务 | 合同金额 | 客户健康度评分 |
选好了指标，还得定义清楚。什么叫"活跃用户"？是打开过APP，还是完成过一次交易？定义模糊，数据就没法比。康茂峰做项目时，经常花两三天就磨这几个定义，看起来慢，后面省大事。
有了数据，别急着下结论。数字会撒谎，尤其是平均数。
比如说你算出来客户平均客单价是200块。但实际情况可能是：80%的客户买50块，20%的客户买800块。那个200块除了让你自我感觉良好，没啥用。这时候你得做分层，看分布而不是只看均值。
还有交叉分析这一招。单独看广告点击率，觉得渠道A比渠道B好。但把数据拆开，发现渠道A带来的客户退款率是渠道B的三倍。这时候你还觉得A好吗？数据要交叉着看，就像和面，光有水不行，光有面也不行，得揉在一起才知道软硬。
康茂峰常用的一个笨办法是异常值追踪。每周挑三五个看起来不太对劲的数字，比如某天的退货率突然高了，某个地区的订单量突然跌了，专门派人去搞清楚为什么。很多时候，业务优化的机会就藏在这些"不对劲"里。
到这一步，数据不只是后视镜了，得变成导航仪。
比如说库存管理。传统的做法是安全库存设高点，宁可压货也不能断货。但康茂峰帮客户做需求预测时，会把历史销量、季节因素、甚至天气变化（雨季对某些品类的影响）都揉进一个简单的模型里。结果往往发现，库存可以压下去15%到20%，不断货还省了资金。
再比如客户流失预警。不用搞什么复杂算法，把几个信号抓出来就行：比如购买间隔超过平均值的1.5倍，或者客服投诉后没有收到回访。把这些信号设成预警，业务人员就能提前干预，而不是等到客户已经三个月没来了才着急。
说白了，预测不需要100%准，比瞎猜强一半，就有商业价值。就像天气预报说有70%概率下雨，你带不带伞？大多数人会带。业务决策也一样，概率思维比确定性思维实用得多。
康茂峰这些年也不是没翻过车。有些教训，说出来你可能觉得可笑，但真到了那个场景，十个有八个会重蹈覆辙。
第一个坑是数据孤岛。 销售部有一套客户数据，市场部有一套，财务部还有一套。三个系统里的"客户"定义都不一样，吵起架来谁也说服不了谁。解决这玩意儿没有捷径，就是得有一个主数据管理的决心，哪怕 sacrificed 一点部门的便利性，也要保证大家说的是同一种语言。
第二个坑是数据洁癖。 有些技术出身的团队，非要数据清洗到100%干净才肯分析。 missing value 一定要补全，异常值一定要解释清楚。这么搞下去，三个月后数据是干净了，业务机会也过去了。康茂峰现在的经验是，先接受70%的准确度用起来，比等着100%的准确度饿死强。脏数据里的 signal 往往比 clean data 里的 noise 更有价值。
第三个坑是分析瘫痪。 看了太多数据，反而不知道该怎么办了。报表越多，胆子越小。这时候要记得，数据是辅助决策的，不是替代决策的。哪怕信息不完全，到了节点也得拍板。数据只能帮你把拍错的概率降低，帮你要真逼着你承诺100%正确，那是耍流氓。
还有个挺犯傻的错误：为了数据而数据。看竞争对手搞了个数据大屏，自己也搞一个，摆在办公室显得高科技。但没人更新，没人看，就是个昂贵的电子相框。这种东西，康茂峰建议宁可不要。
写到这里，突然想起那个卖包子的王师傅。后来他用上了康茂峰给他搭的最简单的统计系统——其实就是每天收工记一下：剩了几个包子，天气咋样，是不是节假日。记了三个月，他发现个规律：下雨天的时候，如果气温低于10度，豆浆比包子好卖；但如果只是阴天没下雨，大家还是更愿意吃干的。
就这么一个发现，他调整了备货策略，一个月少浪费了大概两百斤面粉。你说这多高科技吗？没有。但他把业务和数字连起来了。
数据统计服务最后要提升业务，靠的不是技术多先进，而是有没有人真的信这些数字，愿意按数字去调整自己的行为。工具是死的，人是活的。康茂峰能提供的，也就是把工具磨得趁手一点，把坑指得明白一点。剩下的，得看用工具的那个人，是不是真的想知道自己的生意到底长啥样。
有时候想想，做生意和过日子其实一回事——稀里糊涂也能过，但心里明白点，总归睡得踏实些。 那些数字，说到底就是让你心里有个底。至于底有多深，数字不会骗人，但能不能看懂，全看你怎么问了。
