数据多了，决策反而更犹豫？

很多团队都遇到过这种场面：会议室里投出三张报表，每张都来自公司自己的系统，但数字对不上。销售说上个月出货量涨了12%，财务说回款只多了3%，供应链说库存周转天数反而多了5天。数据是有的，甚至比五年前多得多，决策却更难拍了。问题不在数据太少，而在数据之间的关系没人理清。

第一个常见问题是口径不统一。同一笔订单，电商后台按支付时间记，ERP按发货时间记，CRM按合同签署时间记。三个时间点跨月，月度报表自然打架。某快消品牌曾统计过，光是“活跃客户”这个指标，市场部、销售部和客服部就有四种定义，最宽和最窄的口径相差近三倍。用这样的数据讨论要不要加大投放，结论会跟着口径走，而不是跟着业务走。

第二个问题是把走势当结论。数据能画出曲线，但曲线不会自己解释原因。2023年某连锁便利店发现，一款瓶装茶饮连续六周销量环比下滑，运营团队的第一反应是“产品不行了”，准备下架。后来把数据拆到门店层级才看到，下滑集中在三家靠近学校的门店，而那三家的冷柜在六周前坏了一台，补货跟不上。整体走势是下滑的，但原因不在产品，在设备。如果只看总曲线就决策，下架就下错了。

第三个问题更隐蔽：预测被当成承诺。很多决策会要求数据团队给一个“明年能做到多少”的数字，然后这个数字就变成了考核目标。数据团队只能基于历史走势外推，但外推的假设是环境不变。2021年不少消费品牌按前一年的线上增速做预测，结果2022年流量成本上升、退货率抬头，实际达成和预测差了30%以上。预测本身没有错，错在把预测当成了必须兑现的指标。

要绕开这三个坑，一个实用的做法是给每个关键指标加三行备注：谁维护、什么口径、上次校准时间。听起来笨，但能省掉大量争吵。某制造企业把生产、库存、交付三个核心指标的备注统一后，月度经营会的时长从三小时压缩到七十分钟，因为不再花时间争论“你的数字和我的数字为什么不一样”。

另一个做法是区分“观察级数据”和“决策级数据”。观察级数据可以多、可以快、可以不精确，用来发现异常；决策级数据要少、要慢、要经过校验，用来拍板。比如日活波动属于观察级，看到连续三天低于阈值就去查原因；而是否砍掉一条产品线，用的必须是经过财务确认的毛利和库存数据。把两类数据混在一起用，要么反应过度，要么反应不足。

还有一点常被忽略：数据能缩小讨论范围，但不能替人做取舍。它可以把“要不要做”变成“在什么条件下做、做多大”。比如库存数据能告诉你哪些SKU周转低于安全线，但砍不砍、砍多少，涉及供应商关系、客户承诺和现金流，这些不在数据里。理性的做法是让数据回答事实问题，让人回答价值问题。

回到开头那个会议室。如果三张报表的口径先对齐，再把走势拆到能解释的粒度，最后明确预测只是参考而不是目标，决策未必更快，但会更稳。数据不负责替人拍板，它负责让拍板的人知道自己站在哪里。