大千世界，纷繁复杂，企业和个人经常会遇到各种问题和困扰，如何解决这些问题呢？人们总结出了很多实用的解决问题的方法论，比如：福特8D工作法、丰田解决问题的8个步骤等。其中，最著名的就是麦肯锡“七步成诗法”，亦即麦肯锡解决问题的7个步骤：①界定问题（陈述问题）；②分解问题（问题树）；③优先排序（用漏斗法去掉所有非关键问题）；④议题分析（制定详细的工作计划）；⑤关键分析；⑥综合建议（综合调查结果，并建构论证）；⑦交流沟通（将数据与论证联系起来，讲述来龙去脉）。
必须承认，这些方法都是从实践中提炼出来的，凝聚了很多人的智慧和心血，自有其独到之处，都是值得尊敬和认真研习的。
同样的问题，从不同的角度出发，可以给出不同的解决方案，所谓“殊途同归”。当然，最终采取何种方式来解决问题，要取决于当事人的抉择和判断了，因为多种解决方案之间做比较时，也是要从时效性、可操作性、投入产出比等方面来综合考量的，这个综合考量的过程其实就涉及到了笔者今天要提到的思维模式——用数据化思维解决问题。
一、什么是数据化思维？
思维是一种比较玄乎、难以说清楚的东西。按照百度百科的定义，思维是人用头脑进行逻辑推导的属性、能力和过程。思维是人脑对客观现实的概括的、间接的反映。那么，什么是数据化思维呢？笔者认为，同“数据化运营”一样的道理，“数据化”是用来形容“运营”的，重点还是在“运营”上，只不过“数据化运营”是被打上“数据化”烙印的“运营”。同理，笔者认知的数据化思维就是指被打上“数据化”烙印的一种思维模式，也就是用数据的原理、方法和技术来解决现实场景的问题的一种思维逻辑。
由此可见，数据化思维是一定是以数据为特色的一种思维，数据的特色为思维赋予了新的内容。人类已进入数字经济时代，我们发现：一切皆可数据化，一切皆可量化。不可否认，数据已经顺理成章的成为了人类认识和解读世界的通用语言。用数据化思维解决问题，就是用数据的角度和语言来解决问题，也就是说从发现问题、分析问题到解决问题都要以数据为线索来贯穿，要用数据的原理、方法和技术来处理问题。数据化思维为我们提供了一种新的思维方式，其在现实场景中有广泛的应用空间。
二、如何运用数据化思维解决问题？
在这里，先暂且不讨论数据化思维的内容和特点，先来分析一下如何用数据化思维来解决问题。笔者从事数据相关工作多年，一直是数据化思维的亲身实践者。在多年的实战经验和思考的基础上，总结出了一套用数据化思维解决问题的方法论：5A思考法。
5A思考法的具体思想是指按照5个步骤解决问题：
第一步：定义核心问题。要会提出问题，ask the rightquestions，找到什么是关键性问题；
第二步：数据化解析问题本质。要擅长用数据的技术和方法解析问题，analyze the nature of the problem。这里提到的数据的技术和方法有很多，比如：指标分解、层次分析法、聚类、逻辑回归、知识图谱技术等等，具体用哪些要视不同的场景和问题而定。
第三步：构建数据化解决方案。在问题本质性的解析之后，提出针对性的数据化解决方案。要会设计数据化的解决方案，advance adata-oriented solution 。数据化解决方案包含的内容有：数据分析报告，数据建模需求规划说明书，数据产品prd文档，数据产品使用手册、大数据平台建设规划与建设方案等。数据化解决方案实际交付的内容要根据具体场景和问题而定。
第四步：实施方案、解决问题。按照既定的计划，采取具体的行动，take action 。这一步跟传统的解决问题所采取的行动套路是一样的，略有不同的是，这里更加强调用数据记录和监测方案在具体执行时的情况，做到过程数据有留痕、数据监测不停歇。
第五步：效果反馈数据化。也就是用数据作评价, appraise 。问题解决的程度和效果，最终还是要数据来说话，用数据做出评价，这样就形成了用数据解决问题的闭环。
以上五个步骤，按顺序对应五个关键词：问（Ask）、解（Analyze）、构（Advance）、行（Action）、评（Appraise），也就是5A方法。
三、案例简析
具体怎么用5A方法解决问题呢？这里举个例子。
案例：国家现在鼓励地摊经济，我要不要也去摆地摊？
以上问题按照5A方法拆解如下：
1、问（Ask）：原问题可以继续分解为5个问题：①自己真的想清楚了要去摆地摊了吗？②自己适合摆地摊吗？③如果去摆地摊，你准备卖什么吗？④如果去摆地摊，你准备去哪里卖呢？⑤如果去摆地摊，你准备把想卖的东西卖给谁？
2、解（Analyze）：对5个问题从数据解读进行拆解。
①自己真的想清楚了要去摆地摊了吗？
摆地摊这件事情，自己在决策时先要算一笔账，要考虑用数据进行测算和分析，你准备投入多大的成本，计划创造多少收益，你需要做ROI的测算。
②问题2：自己适合摆地摊吗？
摆地摊是件辛苦活儿，并不是每个人都能干的来的。你需要分析自己的性格、口才还有带货能力，当然还需要有生意头脑才行。用数据的角度来说，就要建立一个摆地摊适合度的评分模型，你的评分越高你就越适合去摆地摊。
③问题3：如果去摆地摊，你准备卖什么吗？
这个问题说的就是带货，也就是WHAT的问题。卖什么东西呢？你需要列出一份清单，把能卖的物品都罗列出来，这跟做数据治理时要搞数据资产目录是一样的道理。
④问题4：如果去摆地摊，你准备去哪里卖呢？
这个问题说的就是渠道或地点，也就是Where的问题。在哪里卖呢？朋友圈里已经有人发出了北京的摆摊地点，百度地图已经火速开通了摊位地点信息审核绿色通道，看看大百度这速度，也正是很互联网的。利用朋友圈的数据、百度地图的数据可以解决“在哪里卖”的问题了。
⑤问题5：如果去摆地摊，你准备把想卖的东西卖给谁？
这个问题说的就是目标用户定位，也就是Who的问题。卖给谁呢？你需要分析谁会对你所卖的物品有需求，从数据的角度来说，就是要做一个目标用户的画像，给他们贴上标签，然后再在现实生活中找到他们。
3、构（Advance）：
对以上所提的五个小问题分别进行研究，形成具体数据分析和测算模板，提出一整解决方案。如果适合摆地摊，那么决定去哪里摆、卖什么东西、卖给谁等，做好相应的落地方案。如果不适合摆地摊，那么直接可以否定这个念头。以问题②为例，用数据建模的方式来分析和解决问题。建立一个摆地摊适合度的评分模型，大致方案如下：
（1） 设计测评指标：主观意愿（态度、渴望程度）、客观条件（时间允许度、物品准备充分程度）、个人特点（外向型、口才、外貌）
（2） 权重分配：采取层次分析法设计专门的打分表来计算各指标的权重
（3） 选择测评方法：设置专业的测评量表，由用户自行回答问题，也可请亲朋好友一起来参与点评，根据答案给出评分结果
（4） 结果应用：80分以上具备摆地摊能力，80分以下暂不适合
4、行（Action）：
按照以上方案，形成最终决策。如果决策是要去摆地摊，则要制定行动计划、做好准备和采取行动。并且，在实际摆地摊过程中实时监测自己的经营数据：客流数、询问数、成交数、成交率、交易额、交易商品数量、交易时段等。如果决策是要不去摆地摊，那就没有这个步骤了。
5、评（Appraise）：
如果决策是要去摆地摊，则要对自己的摆摊经历做阶段性总结和评价。比如：当初设定的目标值是否达到？自己有没有做到很好的成本控制？某某商品是不是和预期一样大卖了？…..通过这些问题和相应指标的分析测算，评价自己的经营能力和当初的决策是否恰当。
四、小结
数据化思维在现实生活中还有很多适合应用的场景，它能为我们在生活的决策提供有趣的思路和方法。当然，更适合采用数据化思维的场景是在商业领域，比如：企业的市场决策、广告投放策略、风险控制问题等等。对于准备或正在做数智化转型的企业，尤其更适合用数据化思维驱动变革。面向企业的商业问题时，用数据化思维形成的解决方案往往需要投入较多人力物力和时间去落地，同时还需要从制度、流程、IT建设等方面给予保障才行。
