从经验到模型，从模型到算法，从算法到直觉.docVIP

从经验到模型，从模型到算法，从算法到直觉：我的决策智能化与年终总结

去年年终复盘时，我在笔记本上写下了“决策靠经验，踩坑看运气”几个字，彼时刚结束第三个项目的延期复盘：客户需求变更没有及时调整排期、核心人员离职导致进度断层、供应链预估偏差让物料积压了近三个月，所有问题的根源最后都指向“决策时凭感觉，出问题后补窟窿”。整整一年的时间，我带着团队把所有踩过的坑拆成数据节点，把模糊的判断变成可运行的公式，再把冰冷的规则揉进日常的判断直觉里，走完了从经验主义到智能化决策的完整路径。

年初的第一个改革，是把所有老员工脑子里的“行业经验”拆成可量化的指标。做ToB项目的人总说“行业感觉”很重要：看到客户的行业属性就大概知道需求痛点，聊十分钟就能判断对方的决策层级，甚至能从对接人的语气里预判项目的成功率。但这种感觉无法复制，老销售离职就能带走一半客户资源，新人入职至少要踩半年坑才能摸到门道。我们花了三周时间做经验拆解，把过去三年217个项目的全流程数据拉出来，和五个资深项目经理坐在一起逐行核对：他们说“客户对接人话语权不够”，我们就对应拆解出“对接人岗位层级、过往项目审批金额、是否有直接汇报对象联系方式”三个硬指标；他们说“这个行业付款习惯差”，我们就匹配“行业平均账期、过往三年坏账率、同规模客户付款周期”三个数据维度；甚至连“这个需求听起来很虚，大概率要改”的主观判断，都被拆成了“需求文档是