章节主张
管理中的分析能力，不在于堆更多数字，而在于知道该问什么、该采什么、以及如何避免被伪精确骗到。
中文释读
这章最值得反复看的，不是公式，而是方法意识：样本是否有代表性、决策树如何表达不确定性、均值和中位数为什么不能混用、预测为什么要回到因果结构、以及定性研究如何补足纯数字的盲区。对研究型工作者来说，这一章像一把提醒器：不要把可量化误当成最重要，也不要把难量化当成不值得分析。
本章知识路线
- 先用决策树把复杂选择画清楚。
- 再理解集中趋势、离散程度和样本代表性。
- 把预测放在因果与回归关系中看，而不是只看历史延长线。
- 最后用定性研究补足动机、行为与情境层面的信息。
关键论点
- 数字本身不会说话，解释框架才决定它说明什么。
- 统计指标只有放回样本与分布语境里才有意义。
- 预测的价值不在于神准，而在于帮助组织提前准备。
- 定量和定性结合，通常比单用一类方法更接近真实决策场景。
行动清单
- 做判断前先确认你手里的数据是不是代表性样本。
- 对每一个预测结果，补问一句：它背后的因果逻辑是什么。
- 当数字解释不了行为时，及时引入访谈、案例和观察。
原书模型深读
决策工具
这节解决什么：它解决的是：复杂选择如何从情绪争论转成结构化比较。
怎么带回自己的系统：先把路径、概率和结果画出来，再讨论偏好。
常见误区：没有结构的决策会高估口才、低估风险。
统计方法
这节解决什么：它解决的是：观察到的数字到底是真信号还是样本噪音。
怎么带回自己的系统：任何结论前都补问：样本代表性如何，分布是否合理。
常见误区：平均数好看，不代表结构没有问题。
商业预测
这节解决什么：它解决的是：如何根据已知数据提前安排资源与节奏。
怎么带回自己的系统：把预测当准备工具，而不是当神谕。
常见误区：历史延长线不等于未来，别忘了检验因果关系。
定性研究与调查
这节解决什么：它解决的是：如何把 定性研究与调查 变成 研究分析 里的可操作判断。
怎么带回自己的系统：阅读时先问它能否帮助你更快识别 研究分析 中的关键变量。
常见误区：最常见错误是把这一节当成孤立技巧，而不把它放回全章框架里。
辨析题
为什么企业里最危险的分析，不是完全没数据，而是“数据很多却问错问题”？
因为这会制造一种虚假的确定感。团队会以为自己很科学，实际却只是把错误问题算得更精确。
