第一节 最佳击球手的成功奥秘

我的书房墙上挂着一个画框，里面是泰德·威廉斯和他打球时的“击打区域”，一个乍一看像元素周期表的东西（见图1-1）。

泰德·威廉斯（1918年8月30日—2002年7月5日）是世界棒球运动史上最优秀的球手之一，而且在很长一段时间之内可以拿掉“之一”二字。他得过两次美国联盟[1]最有价值球员（MVP），曾带领球队两次赢得三冠王。1966年，他被选入棒球名人堂。

他是70年来唯一一个单个赛季打出400次安打[2]的棒球运动员，且在1941年，他击出了高达40.6%的打击率。

这个数值有多杰出呢？

通常来说，如果职业棒球选手的打击率在28%以上，那么他可以被称为一名称职的选手；如果击打率在30%以上，他就是一名优秀的选手。而泰德·威廉斯甚至在近40岁的“高龄”，还能连续两年获得美国联盟的打击率冠军。

之所以这么厉害，是因为他有独特的方法，就是这张“击打区域”表格。

通过长时间的总结和分析，他把自己面前的击打区域划分为77个棒球大小的格子，并给每个格子填写上了该区域的“平均击打率”，正中间的三个格子击打率最高，是40%，紧邻的几个区域也很高，是38%或39%。这些核心的高击打率区域，被他称为最爱的“幸运区”。在球场上大部分的时间里，泰德·威廉斯什么都不做，只是看着。只有当球落到“幸运区”，他才会挥棒。

“每隔一段时间，你都会发现一个速度很慢、路线又直，而且正好落在你最爱的格子中间的好球，那时就全力出击。这样呢，不管天分如何，你都能极大地提高上垒率。要成为一个优秀的击球手，你必须等待一个好球才去击打。如果总是去击打‘幸运区’以外的球，那我根本不可能成为棒球名人堂选手。”他说。

著名的投资家巴菲特先生也是使用这个方法来做投资的。他把各类企业的证券价格当成格子，缩小自己股票备选录内的股票范畴，只专注于研究自己喜欢的股票。在大部分的时候，什么都不做，只是看着，然后等待最合适的时机到来。因为频繁地“挥杆”，也就是投资一些“小仓位”，会使你遇到“好球”时，也没有办法用全部的资本去“击打”。

2016年，我们第一次跟百度的大数据研究院合作时，他们能够提供的用户数据，就高达280多个维度。更不要提现在，业务版图不断扩张之后的百度，以及同百度一样拥有大数据能力的腾讯、阿里巴巴等公司。大数据固然价值非凡，但是对于很多企业来说，是否动用大数据来解决他们的业务需求，和大数据本身的价值大不大，是两码事。

并非拥有大数据，才能作出准确的决策；也并不是拥有的数据量越多、类型越多，分析就能越准确。

常有企业问我：“我现在要做品牌定位/竞争分析/用户画像了，我需不需要买一下大数据，做一下大数据分析？”

我的答案是：“不是不可以，但先别着急掏钱。我们先捋清楚你的企业发展现状，以及你所在行业的基本情况，看看用哪种方法最高效吧。”

很多时候，结论都是不需要的，因为“杀鸡焉用牛刀”。

用“大刀”杀“小鸡”，常常比不上用“小刀”杀得好。

当然，并不是说所有类型的企业，面临的所有问题都没必要用大数据，我只是讲述一个通常状况。很多时候，企业面临的问题，并不需要动用大数据，“大量的数据”往往就够了。有的时候，甚至“大量的数据”都不用，做一个几十个样本的访谈，再加一个几百份样本的问卷调研就够了。

重要的是，要找到那些对解决问题最关键的数据和信息。如果泰德·威廉斯漫天去接球，无论什么角度什么速度的球，只要身体够得到就去接，那么他的体能很快会消耗殆尽，击打率也绝不会如此杰出。因为挥棒去打那些“差”格子会大大降低成功率。什么数据都收集，什么数据都认真地分析一通，很容易让人陷入海量信息中，浪费精力，也迷失方向。

那么，到底什么样的数据，才是“幸运区”的数据呢？

其实，这不仅是一个数据问题，更是一个分析思路的问题。就像序言中谈到的“数据化思维”，无论遇到什么问题，关键点都在于寻找背后的规律和底层逻辑。例如，当产品卖不动时，应该用怎样的思路去推导这个现象背后可能的原因？最少要收集哪些数据可以明确真正的原因？又要基于哪些信息，可以综合分析出可行化的方案？

这才是真正的“以数据为镜”。