数据分析-证伪法

将学习证伪法：剔除无法证实的假设（类似排除法）。

注意：相反有满意法：选出看上去最可信的一个假设。但此法不可取！因为在未对其他假设进行透彻分析的情况下选取某种假设时，往往会莫名坚持这个假设，并且忽视反面证据！

eg：做手机皮肤制造商的“包打听”。

任务——预测PP手机下个月是否要出新手机，抢占新手机皮肤市场。（最好在新手机发布前一个月开始生产）

注意：PP手机完全不希望别人得知他们的意图，因此公开数据中完全不会出现“发布时间”。（博客、专利、供配件制造商参考的手机规格、消费者新闻、政府档案、公共经济数据、竞争对手产品线、新闻报道）

第一步：汇总得知的所有信息：公开信息，机密信息，传言……（证据）

eg： 1、PP手机在新产品上的投资超过所有其他公司2、和竞争对手的手机相比，他们的手机性能将大幅改进3、PP手机CEO说“我们绝不可能在明天推出新手机”4、一家竞争对手刚刚发布了一款性能优越的新手机5、经济回暖，消费者支出增多，正是卖手机的好时候6、传言，pp手机CEO表示一年以内不会发布新产品

皮肤公司CEO并不认为他们会发布新产品，原因如下：PP手机目前的产品线很强势———PP目前希望乘胜追击———新产品发布将延迟。这个假设与证据相符，没有证据证明这个模型是错的（当然也没有强烈证明这个是对的）——只是看起来很严谨。

新增消息：

第二步：由所知信息整理相关变量（外界因素、客观条件、公司决策等）。--变量之间可以是正相关（同增），也可以使负相关（一增一减）。

整合变量关系-PP手机的心智模型（由外界条件导致的公司决策）：

第三步：提出假设（列出几个备选方案），并排除最不可能的选项。（排除法第一步）

eg： 1、明天发布新产品（排除：CEO明言明天不会发布，且对手刚发布了新手机）2、下个月发布新产品3、半年内发布新产品4、一年内发布新产品4、不发布，产品取消（排除：投资了很多，不可能取消）

第四步：借助诊断性找出否定性最小的假设。即将剩下的假设，按照不利证据的多少排序。不利证据最少的最可信。

诊断性：是证据具有的一种功能，能够帮助你评估所考虑的假设的相对似然。换句话说，只要证据能够帮助你将假设按照从强到弱的顺序排序，证据就具有诊断性。

eg：

所以，排名为： 1、PP手机半年内发布新手机

2、PP手机一年内发布新手机

3、PP手机下个月发布新手机

注意：时刻关注新动态！

新消息：有人看到PP手机开发填对开大庆祝会，参加的人手里拿着新手机——强有力证明PP手机下个月发布新手机。

所以得出结论：PP公司下个月发布新手机。