数据驱动是最强大的引擎，前提是你有能力区分何时不适用。哪些条件下不适用数据决策？
做了近十年数据相关的工作，在待过的几家公司一直都在探索和推动数据驱动的工作模式，有一些思考和心得。简单写几条。加粗的段落是不适用数据驱动决策的情况。
1.当我们问数据驱动背景下，哪些条件下不适用数据决策的时候，隐含一个假设是数据驱动已经构成了工作的主流方式。在这种情况下，不适合用数据决策的场景很简单：
一是不需要数据来驱而业务自己能动得不错。
典型例子是一些闯进了蓝海的创业公司，野蛮生长、快速跑马圈地就可以，这时候强调用数据决策反而会拖慢业务节奏，得不偿失；
二是数据驱不动的时候。
典型场景包括「缺乏合适的框架来展开数据分析」，例如在做A/B测试之前，如果连恰当的A方案和B方案都定义不出来，自然就谈不上数据支持决策了。又例如在做用户增长工作时，如果只能看到一个笼统的用户数据而缺乏贴合业务逻辑的建模，这时候强调用数据决策就难免空中楼阁；
还有「数据积累不足」，以及「数据能力不足」等情况。
2.具体到实践工作中，数据往往是作为逻辑的补充而非替代品存在的。因此，数据产生价值不外于以下若干种场景。我们结合这些场景再展开聊聊什么时候应该用数据决策，什么时候不应该用。
一是逻辑已经推演出定性的结论时，数据可以帮助获取更加精确的定量结论。
例如，当我们讲商业化导致产品体验越来越糟糕，进而导致用户留存率下滑时，如果没有具体的数据来刻画到底为了多大的商业化收益，牺牲了多少用户体验，带来了多少用户规模的下滑，这个结论是苍白无力的。这时候，通过数据来量化分析商业化的ROI，可以得到更精确的结论，做出更合理的决策。
但是，当用户体验糟糕到一定程度，显著无法容忍，可以一票否决其他业务决策时，就没有必要纠结于ROI了，这种时候直接基于用户体验做决策就可以。
二是持续观察到业务上微量的变化，但无法确认带来质变的转折点在哪里时，可以通过数据分析来识别出量变带来质变的关键点。
例如，在某个渠道投放优化测试的过程中，效率不断提升，用户获取成本不断下降，但到底成本下降到多少后，这个渠道获取用户的LTV能够超过CAC，进而可以在该渠道规模化投入，这样的问题可以通过数据来回答，进而做出决策。
但是，当特定业务阶段，譬如在某轮融资前和竞品做你死我活的竞争时，这样的定量分析可能就是没有必要的，这时很可能把所有能找到的渠道，不计成本的砸下去，和竞品拉开最大的差距，才是最合适的决策。
三是业务复杂度很高，或者用户规模很大，以至于对很多现状的认识已经超出了直觉可以掌控的范围时，数据可以更清晰的刻画样本特征，更精细的描述业务流程，帮助把现状和问题看得更清楚。
例如，大量的用户需要分群时，可能基于经验有比较多的切分方式，但具体哪一种分法更合适难以判断，这时候通过用户特征进行分类、聚类或者描述性统计都可以帮助看得更清楚。
又例如，海量用户面临复杂而多元化的产品内使用路径时，对典型用例的抽象可能会在一定程度上超出产品经理的能力范围，这时候，通过数据对用例进行合理的分类汇总，给出按路径的转化漏斗，可以帮助产品经理从定性到定量把现状彻底摸清。
但是，如果存在一些重要的用户需求，没有被已有的产品功能满足时，基于数据分析来梳理用例可能就会陷入认知盲区，只能在已经实现的功能里面做出判断，而无法推动进一步的创新。
3.除了上面提到的数据可能不适用于一些需求的情况之外，还有一些场景是因为数据获取和使用的成本过高导致不宜无限制的展开数据驱动决策的情况。
举个例子，京东和家乐福都希望能够有更多的数据来展开决策，但是京东可以几乎零成本实现用户的页面停留时长、搜索关键词、访问路径、购物车等诸多维度的数据采集，而家乐福如果想要采集到用户在货架前的停留时长、哪些商品是放进购物框又取出来的、用户通过导购询问了哪些商品等数据，可能需要付出巨大的代价。这种情况下，京东可以做大量的数据驱动的事情，而家乐福则只能在收银台上增加一个小键盘来记录用户少量的关键特征展开数据分析。
4.长期来看，数据驱动一个基于贝叶斯法则不断展开迭代的过程。
贝叶斯法则的文字描述方式：后验认知=先验认知*校正因子。
比较理想的工作方式是我们在逻辑层面上对业务已经有了相当的积累，这些积累构成我们的先验认知，然后通过数据分析、A/B testing等方式获取更多的信息和数据，构成我们对特定问题认知的校正因子，将两者结合起来得出我们的后验认知。而这个后验认知又构成下一次分析或者实验的先验认知，这样就可以不断的迭代下去。
在这样一个迭代的框架里面，不宜使用数据决策的场景是，如果我们没有先验认知，寄希望于通过校正因子来直接认识世界，很可能会陷入被数据误导、用数据说谎的境地。这时候，可能需要先去补课，获得更多的先验认知，而不是被数据牵着鼻子走。
最后小结一下，由于「不宜用数据决策的情况」是一个非常开放的命题，我们很难穷举出所有的场景，所以我分了几种不同的逻辑框架说明了数据驱动的一些优点和局限性。供大家参考。