如何做结论表达

[Q]

分析表达可以区分为需求表达、逻辑表达和结论表达。

需求表达是要表达“分析什么”，逻辑表达是说“如何分析”，结论表达是“结果是什么”。对于前两者， 已经谈了很多五种原子对象十二种原子分析，虽然还没有完全勾勒清楚，但雏形已现。而对于结论表达，似乎还仍然朦胧一片。

可能遇到问题里，欠缺结论深度，以及妄下结论是常见的。

在分析初期构建了假设，分析者沿着假设思路深入数据，然后给出数据证据，这些证据大多是统计对比。比如“男性中出现X现象的比女性出现机会高出n倍，所以…”，这类证据在某种程度上可以接受，如果不深究的话。但是，统计数字会说谎，在统计数字后面，可能还藏着某些跟深层的规律，或者是被掩盖，被淹没的规律呢？女性中毕竟还是有很多出现X现象的人啊，那是为什么呢？结论的深度固然跟一开始的假设有关，但好的结论表达应当具备什么样的形式可能反过来引导分析者做出好的假设。

还有一些情况，分析者用一个分析图表妄下结论，然而从图表包含的信息不能或不足以支撑那种结论，此时，比如用一个10%的市场占比得出“市场空间很大“的结论。可是，没有看到这10%在三年里面根本就没动过，甚至还有下滑，如此说什么空间很大？那么，论证空间很大这个结论应当具备什么条件？可能需要当前的占有率低位，发展的增长势头，未进入空间的明显机会（如竞争对手的错误决策、某项利好政策），而不是简单看一个因素。

当遇到这类结论表达，一时半会儿不知道哪儿有问题，就是觉得不对劲，似是而非。要说结论，也有了(总比哪些没有结论的分析强)，只是这些结论说出来味同嚼蜡，形同鸡肋。而如果要建议如何改进，却又很难言说，似乎是只可意会不可言传。只能强调一下，沿着某个结论再细化下去（但细化到什么程度为止？），或者建议，不要只是用统计对比来证明，还可以用其他一些招数，比如个体样本也可以证明一些事情（那么究竟有几种招数可以用来证明一个观点呢？），或者纠正一下，你这个图不能得出这个结论，还需要看看同期对比、平均值（为什么你会认为要看这些呢？）

因此，看起来，结论表达可以从下面两个角度深入：

1、结论形式定义：结论应当细化到什么程度才合适，有什么类型？

2、结论证明范式：用数据证明结论，可以用什么方式；不同类型结论，需要什么数据？

具体展开待续…

[Q]

在表达分析需求和逻辑的时候，其实多少都是结论导向的，也就是假设驱动。这是tale雷打不动的特点。

一种思路表达我很反感，比如——我们准备从性别、年龄、区域…等角度来观察收益、占有率的情况。相对而言，另一种思路表达更有目标性，更显想象力——我们觉得可能中年男性会贡献大部分的收益，跟我们认知相反的，可能在城乡结合部位置我们更有市场。

第二种表达正是结论导向，假设驱动的。

而在需求和逻辑表达时，tale已经将划分了5原子对象12原子分析，那划分标准也正是因为其分析的输出不同，而那输出正是结论的类型。也就是说，如果这12类原子分析可以涵盖所有的分析活动（不论数据分析还是人脑的经验判断），那么，这12原子分析的结论类型就能涵盖所有可能的结论（这是理想预期，如果不能，可能就需要调整原子分析了）。

来看看这些结论形式，看每类原子分析的输出，以及其典型的结论表达方式和导致行动。

• 领域，问机，得机会，该领域存在明显的机会——所以，应当在这个方向开展行动
  
• 方案，选秀，得最佳方案，综合评定ABC三个候选项，A为最佳方案——所以，应当选A
  
• 方案，估行，得可行性，可以预期该方案有很好收益，具备可行性——所以，执行该方案
  
• 方案，评效，得效益，该方案取得不俗效益——所以，继续执行该方案
  
• 群体，分治，得细分群体，该群体可以细分成ABCDE五个细分群体——所以，针对A可以，针对B可以…
  
• 群体，描廓，得特征，该群体明显具备特征ABC——所以，应当针对性采取Y策略
  
• 群体，识别，得个体列表，这些个体列表是潜在目标群体——所以，应当针对这些个体行动
  
• 现象，求因，得原因，导致该现象主要有AB两个原因——所以，如果可以改善AB，就能改善该现象
  
• 现象，证果，得现象，该现象是存在的，符合X-Y的关系——所以，控制X的变化就能得到Y
  
• 指标，预期，得预测值，未来会达到X值——所以，可以定为目标值
  
• 指标，分解，得最佳参数，按照四六开的方式分配可以取得最佳效果——所以，应当这么分配
  
• 指标，计量，得量化值，你的信用水平可以定在60分，刚及格——所以，只能给你1w块授信额度
  

以上，破折号两端分别为结论和行动，构成了决策场景。

真正的决策当然不会如上面列举的这么简单，做出决策需要多个结论组合来强化。

比如一个问机分析，通过指标对比得出短板，得出可以从短板方向入手行动。但为了加强这个结论的强度，可以加入预期分析，展示这个方向的发展空间。可以加入估行分析，展示如果行动了，可以带来多少回报。这些结论组合在一起都是为了证明：这是一个行动机会。

同时，决策不光依据数据结论，还有决策者的价值取向，综合做出。

比如，选秀，分析得出结论时A为最佳方案，但对决策者来说，他可能更看重候选项某方面的特质，因此，按照决策者的判断，可能会得出B为最佳方案。那么，此时光一个结论陈述是不充分的，还要对结论所依据得信息展开，如有必要，是可以调整参数而得出不同结论的。

而另外更关键的，是这些结论是论证充分的。比如仅仅对两个群体做个性别分布，A群体的男性比例高出B群体10个百分点，就下结论说男性是A群体的特征。这个结论让人无法相信，也就无从以此做出决策，唯一要做的，就是——请你分析再细一点。

所以，为了能够明确支持决策，结论应当有充分的论证。

为了能够支持决策可调，结论论证时把可调节的信息区分出来。

为了强化决策信心，可以进行结论组合（也就是原子分析组合）。

那么，如何论证这些不同的结论类型呢？

下回分解…

[Q]

如何论证不同的结论类型，还是要区分论证手法，和不同结论论证必需得信息点。

之前谈到，很多时候分析者更愿意用统计对比来推导一个结论，这种论证往往是薄弱的。然而，这毕竟也算是一种论证手法吧。对此，我模模糊糊地还不能总结归纳，先从案例开始，看能否理出头绪。因为结论表达是面向决策的，所以，此处的案例可以从分析报告的片段入手，每个片段都试图得出某个结论。另外也请注意，这里说的论证手法主要是指需要数据信息的不同，并非在于可视化的不同。虽然这些案例几乎都是图形表达，但就算他们用表格列出，也不会影响其手法类型。

首先看一种常见的，可称之为统计对比法：

 

看，这类手法是把群体分成群体，观察不同属性在群体的分布（此处即学历和职业），由此，得出哪个群体在更具备某个特征。比如，此处似乎得出结论，网页游戏用户的学历水平更高，多具固定职业者。这种论证很简单，然后总觉得论证并不太严谨，或者说，这类结论还需要进一步深入。比如网页游戏者可能多半具备固定的电脑使用时间，也就是职场人士，而这类用户的学历水平可能高一些。

常见的细分特征结论论证手法，其实本质上也算是统计对比法的一种。观察各群在各项指标上表现的强度，这个强度就是通过一个群体中指标取值跟总体平均取值的对比(作统一量纲，映射到0到1之间)，以此，解读各群的特征。

再看一种，是打分对比法：

 

雷达图适合做标杆对比，其需要的信息就是对比项在若干指标上的对比，以此得出短板、优势所在。此处的结论推导直接明了，分值低者就是短板。那么，该结论的可信度就更加在于指标选用的合理性，比如上面对比汽车销售能力，从七个方面来对比，这个划分，以及指标量化如果能得到决策者共识，那么结论推导就顺利成章。当然，也可以进一步对没方面的指标进行细分，比如下图，把每项得分再细化成满意度和看重度，再加以SWOT划分。同属打分对比法。

 

以上都可以说是宏观的，观察多个样本的表现，推导结论。但未必总是需要这样，也可以微观一点，从个体推及总体。姑且称之为个体模式法。

 

上面的论证主要是证明个体行为模式上的区别，体现在集中性、同一性、波动性上的不同。这里并非论证每种模式有多少量，而着重证明这种规律的存在。因此，只需要用个体展示出来即可。个体存在法用于证明规律的存在比较合适，而这类结论一半也少用于最终决策，而多用于让结论更加可信。

但证明某种规律的存在并非只是用个体，观察群体的某项指标变化，也可以证明某种现象的存在。此处，可以称之为趋势模式法。

 

这个结论表达是观察四类原因导致的用户流量的变化程度，以及变化的模式。考察不同原因的群体，在观察点前后的人均流量趋势变化。请注意这里传递的结论，这并不能充分论证这就是原因（因为原因的划分并不充分），但能论证原因的作用方式（确实有作用，而且多少还有点不同，虽然没太明显的不同）。当然，这里也可以用个体观察法来论证原因的作用方式，比如对四类原因，各选取几个个体样本，观察个体流量在观察点前后的变化，特别是要选取哪些表现明显的，那样更能显出不同原因的不同作用方式。

从趋势得出结论，不光可以找出规律，更多是找出机会。在很多分析中，趋势分析是最开始就进行的，用以观察异常，探求行动机会点。区别于趋势模式法，称之为趋势观察法。股市k线图是典型的，如： 

这类论证几乎是从趋势变化的表现，结合历史情况，如最大最小，拟合的趋势线等，得出异常的变化点。从而可以引发后续的行动机会。

统计对比法、打分对比法、个体模式法、趋势模式法、趋势观察法，除此之外，应该还有其他手法。

大家看看自己常用的论证手法，欢迎补充。

...

[Q]

最近看了一篇决策管理的白皮书，是Business Rule Solution公司出的，讲述其DecisionSpeak和Q-Chart的入门知识。学习一下，发现其实这家公司的解决方案、产品跟tale有较大重叠之处，当然，目的不同。他们是为了决策自动化，而tale多半是为了分析自动化。所以，BRS专注于操作型决策分析，利用诸如决策表之类的技术去将企业决策固化成形式化的规则，可以自动运行、评估的决策过程。当然，要形式化，必然要涉及到如何形式化表达决策过程，因此DecisionSpeak和Q-Chart都是用于此目的。前者，是用于表达决策业务问题的规范，后者是一种概念图形工具，可以将决策问题链接起来，每个决策问题，它用Q-COE三方面来表示，考虑因素-输出-例外，多个Q-COE联系起来，形成Q-Chart。

其中，谈到DecisionSpeak的时候，提到表达决策问题的语言表达规范，包括如下几点：

1、避免用“如何”，而尽量用“什么”。

2、避免用“必须”，而尽量用“可以”。

3、避免用“我们”，“这个”之类的代词。

4、避免用“和”、“但是”之类的连接词，保持问题的原子性。

很具体的提示。如果不注意，会发现平时多少都会这么用的。第一条，我自己就觉得经常用这个词——如何改善收入指标，如何避免客户流失…如何一词是模糊的，可以指具体的措施，也可以指可以入手的机会，也可以指某种主要解决因素。第二条，我想可能是指决策问题多半是一种假设状态的疑问，如果用“必须”一词，那已经不是决策问题。这点因为我自己平常很少犯，没太强的体会。而至于第三个，应当是很显然要避免的，除非是那种随意性较强的表达。同样，第四条在自然语言表达中经常出现，特别是这种表达没有跟后续的分析联系起来，似乎也不是什么大问题。然而，如果要形成联系，以自动化为目标，这种原子性却又是必需的。

在tale中，这些情况其实多少得到一些避免，因为tale中的业务问题都是{原子对象}-{原子分析}的BQ形式，已经对自然语言的业务问题描述做了转换（当然，这种转换会让这种表述不够“自然“）。当然，如果将BQ反向转换为自然语言，同样要注意以上事项。比如”xx领域中存在什么机会？“，“是什么原因导致了xx现象？”。需要注意，在BRS的方案中，不存在“为什么”的问题，因为这个问题并非一个操作型决策问题。但在tale中，存在这类问题，但同样可以把这个问题转换为“什么原因”。

什么，哪个，这个疑问词其实就是引发对结论的需要。在上面第二篇帖子里，已经列出了每种原子分析产出的结论形式。而接着，我想，应该更进一步，应当对这些结论形式给出正式的命名。如此，所有类型的BQ都可以转换成自然语言表达的描述。

结论类型	原子分析	自然语言描述	论证逻辑	论证所需信息点
异常	问机	领域存在什么异常？	当领域内某方面有不合常态变化的变化（如突变），或不合习惯认知的变化，可论证为“异常”。	*异常点 -正常范围 -表现水平
优劣	问机	领域存在什么短板或优势？	当领域内某方面表现出优势或劣势（不论跟自身比或标杆比较），可论证为“优劣”。	*优劣点 +标杆 +评估方面 -表现水平
优选	选秀	哪个方案最适合？	当某个方案的综合表现最接近预期目标，可论证为“优选”。	*优选方案 +备选方案 +评估方面 -表现水平 -预期目标
可行	估行	方案是否可行？	当方案能带来预期效果，可论证为“可行”。	*可行度 +评估方面 -表现水平 -预期效果
效益	评效	方案是否取得预期效益？	当方案产生了符合预期的效益，可论证为“效益”。	*效益回报 +评估方面 -表现水平 -预期目标
细分	分治	群体可以做什么细分？	当一个大群体可切分成完全覆盖、相互特征独立并且符合业务认知的细分群体，可论证为合理的“细分”。	*细分群体 +特征区隔 -规模
特征	描廓	群体具备什么特征？	当群体的某些属性是明显区别于其他群体，甚至可以唯一标识该群体的，可论证为该群体之“特征”。	*特征属性 -对照群体 -特征强度
潜在	识别	存在哪些潜在群体？	当一个群体符合目标群体的特征，或在主要特征上有明显重合度，可论证为目标群体的“潜在群体”。	*潜在群体 -群体规模 -识别精度
原因	求因	什么原因导致了现象发生？	当某种现象的发生总能导致随后目标现象的发生，而当该现象不发生则目标现象不发生，可论证该现象为目标现象之“原因”。	*原因 -原因强度 +原因作用方式
因果	证果	X因果关系是否存在？	当某种现象的发生总能导致随后另一种现象的发生，而当该现象不发生则另一种现象不发生，可论证两种现象之间的“因果”成立。	*因果关系 -关系强度 +因果作用方式
估值	预期	指标预测是什么值？	当考虑到对指标变化影响最大因素而预测，或历史预测值跟实际值误差最小，可论证为合理的“估值”。	*预测值 -历史表现 -预测误差
优解	分解	取什么值可以达到最优结果？	当选用某组参数取值，可以最接近预期目标值，可论证为“优解”。	*最优值 -预期目标 -前提因素取值 -约束因素取值
量值	计量	X方面可量化为什么值？	当一个值可以用来代表某方面的程度（好坏、强弱、是非）比较，可论证为合理的“量值”。	*计量值 +量化因素 +计量规则

注：在论证所需信息中，*开始的表明是主结论信息，+表示的考虑因素信息，-表示取值信息。

所需信息，只是列出为了论证该类结论一般所需，是符合朴素逻辑所需。然而，通常还有些时候，分析者可能会使用某种怪异的逻辑去论证，那么，所需信息自然也就不同。比如在评效，为了论证效益的存在，可能并不存在“预期目标”这个信息，因为一个方案在开始执行时就没有立定这个目标，那么到了事后，只能硬着头皮去冥思苦想，看怎么挖出可能的“效益”，拿不出量化的，那就看有没有定性的。没有预期对比的，那就计算绝对的（比如收入，用户数之类），但因为没有比较，解释这个绝对量就沦为一种自圆其说的地步。

然，如果我们在进行原子分析之前，就为这些信息做好准备，那么，这个分析就能得到充分论证。不论是证明结论成立或不成立，都是确定的，逻辑通顺的。

才是严谨的分析。

关于结论表达的话题，暂告段落。