决策框架选择指南¶
目的: 帮助决策者选择合适的决策框架和方法论
读者: 数据科学家/业务决策者/产品经理
版本: v1.0 (2026-06-03)
🎯 快速选择器¶
回答 5 个问题，找到适合你的决策框架:
1. 决策频率？
├─ 高频 (每天多次) → 运营决策框架
└─ 低频 (每周/月/季) → 战术/战略决策框架
2. 不确定性程度？
├─ 低 (数据充足/关系明确) → 优化/规则框架
├─ 中 (部分未知) → 预测/概率框架
└─ 高 (高度不确定) → 贝叶斯/情景框架
3. 决策复杂度？
├─ 单目标 → 优化框架
├─ 多目标 → 多准则框架
└─ 多参与者 → 博弈论框架
4. 时间压力？
├─ 实时 (<1 秒) → 规则引擎/评分卡
├─ 分钟级 → 预测模型
└─ 小时/天级 → 优化求解/人工决策
5. 可解释性要求？
├─ 必须可解释 → 评分卡/决策树/线性模型
├─ 部分可解释 → 树模型/特征重要性
└─ 黑盒可接受 → 深度学习/集成模型
📊 决策框架矩阵¶
按决策类型分类¶
| 决策类型 | 典型场景 | 推荐框架 | 代表方法 | 案例 |
|---|---|---|---|---|
| 战略决策 | 市场进入/投资方向/并购 | 多准则决策 + 系统思考 | AHP/层次分析/因果回路 | S1, S2 |
| 战术决策 | 预算分配/资源调度/定价 | 优化 + 预测 | 线性规划/MMM/时间序列 | M1, O2 |
| 运营决策 | 审批/补货/调度/拦截 | 规则引擎 + 评分卡 | WOE 评分卡/决策树/EOQ | F1, O1 |
| 风控决策 | 欺诈检测/合规/风险 | 异常检测 + 生存分析 | 孤立森林/Cox 模型 | F3, R2 |
🔧 框架详细对比¶
1. 评分卡框架 (Scorecard)¶
适用场景: - ✅ 信贷审批 - ✅ 客户分层 - ✅ 风险评级 - ✅ 优先级排序
优势: - ✅ 可解释性强 (监管友好) - ✅ 实施简单 - ✅ 稳定性好
局限: - ⚠️ 假设线性关系 - ⚠️ 无法捕捉复杂交互
工具:
案例: 信用评分卡决策
2. 多准则决策 (MCDA/AHP)¶
适用场景: - ✅ 供应商选择 - ✅ 产品优先级 - ✅ 投资决策 - ✅ 人才评估
优势: - ✅ 结构化复杂决策 - ✅ 透明可追溯 - ✅ 支持多目标
局限: - ⚠️ 权重主观性 - ⚠️ 计算复杂度高
工具:
案例: 多准则决策分析
3. 贝叶斯框架¶
适用场景: - ✅ 小样本决策 - ✅ 需要量化不确定性 - ✅ 融合专家经验 - ✅ 动态更新决策
优势: - ✅ 输出概率分布 - ✅ 自然融合先验 - ✅ 持续学习
局限: - ⚠️ 计算成本高 - ⚠️ 先验选择敏感
工具:
案例: 营销组合模型
4. 优化框架¶
适用场景: - ✅ 资源分配 - ✅ 路径规划 - ✅ 生产调度 - ✅ 投资组合
优势: - ✅ 保证最优解 (凸优化) - ✅ 处理约束 - ✅ 可扩展
局限: - ⚠️ 需要精确建模 - ⚠️ 非凸问题困难
工具:
案例: 投资组合优化
5. 预测框架¶
适用场景: - ✅ 需求预测 - ✅ 销售预测 - ✅ 风险预测 - ✅ 趋势分析
优势: - ✅ 数据驱动 - ✅ 可量化误差 - ✅ 自动化
局限: - ⚠️ 假设历史延续 - ⚠️ 黑盒风险
工具:
案例: 需求预测与补货
6. 博弈论框架¶
适用场景: - ✅ 定价策略 - ✅ 谈判决策 - ✅ 竞争策略 - ✅ 机制设计
优势: - ✅ 考虑对手反应 - ✅ 策略思维 - ✅ 均衡分析
局限: - ⚠️ 理性人假设 - ⚠️ 信息完全假设
工具:
案例: 定价策略与谈判
7. 因果推断框架¶
适用场景: - ✅ 干预效果评估 - ✅ 政策分析 - ✅ A/B 测试 - ✅ 归因分析
优势: - ✅ 因果而非相关 - ✅ 反事实推理 - ✅ 政策建议
局限: - ⚠️ 假设识别困难 - ⚠️ 数据要求高
工具:
案例: 安全控制 ROI
8. 生存分析框架¶
适用场景: - ✅ 客户流失 - ✅ 设备故障 - ✅ 贷款违约 - ✅ 药物效果
优势: - ✅ 处理删失数据 - ✅ 时间到事件 - ✅ 风险函数
局限: - ⚠️ 比例风险假设 - ⚠️ 复杂模型难解释
工具:
案例: 客户流失预警
🎓 框架选择决策树¶
开始
│
├─ 是否需要实时决策？
│ ├─ 是 → 评分卡/规则引擎 (F1)
│ └─ 否 → 继续
│
├─ 是否多目标优化？
│ ├─ 是 → MCDA/AHP (S1)
│ └─ 否 → 继续
│
├─ 是否需要量化不确定性？
│ ├─ 是 → 贝叶斯框架 (M1)
│ └─ 否 → 继续
│
├─ 是否有明确约束？
│ ├─ 是 → 优化框架 (F2, O2)
│ └─ 否 → 继续
│
├─ 是否预测未来？
│ ├─ 是 → 预测框架 (O1)
│ └─ 否 → 继续
│
├─ 是否有策略互动？
│ ├─ 是 → 博弈论 (M4)
│ └─ 否 → 继续
│
└─ 是否评估干预效果？
├─ 是 → 因果推断 (R1)
└─ 否 → 生存分析 (F4)
📋 实施检查清单¶
阶段 1: 问题定义¶
- 决策目标清晰 (定量 + 定性)
- 约束条件明确
- 利益相关者识别
- 成功标准定义
阶段 2: 框架选择¶
- 使用决策树选择框架
- 评估框架假设
- 确认可解释性要求
- 评估数据可得性
阶段 3: 数据准备¶
- 数据来源确认
- 数据质量评估
- 特征工程计划
- 缺失值处理方案
阶段 4: 模型开发¶
- 基线模型建立
- 交叉验证设计
- 评估指标定义
- 敏感性分析计划
阶段 5: 部署实施¶
- 决策流程设计
- 变更管理计划
- 监控指标定义
- 回退方案准备
阶段 6: 持续改进¶
- 反馈机制设计
- 重训练计划
- 扩展场景评估
- 知识沉淀
🔗 资源索引¶
案例库¶
| 行业 | 案例 | 框架 |
|---|---|---|
| 金融 | 信用评分卡 | 评分卡 |
| 金融 | 投资组合 | 优化 |
| 金融 | 欺诈检测 | 异常检测 |
| 金融 | 客户流失 | 生存分析 |
| 营销 | 营销组合 | 贝叶斯 |
| 营销 | CLV 模型 | 概率模型 |
| 营销 | 客户细分 | 聚类 |
| 营销 | 定价策略 | 博弈论 |
| 运营 | 需求预测 | 预测 |
| 运营 | 路径优化 | 组合优化 |
| 运营 | 生产计划 | 线性规划 |
| 战略 | 多准则决策 | MCDA |
| 战略 | 收入治理 | 系统思考 |
| 风险 | 安全 ROI | 因果推断 |
| 风险 | 贝叶斯风险 | 贝叶斯网络 |
| 风险 | 价值信息 | 决策树 |
代码仓库¶
| 框架 | 仓库 | 语言 |
|---|---|---|
| 评分卡 | Fraud-Detection-Handbook/ |
Python |
| 贝叶斯 | Robyn/, PyMC-Marketing/ |
R/Python |
| 优化 | Riskfolio-Lib/, or-tools/ |
Python |
| 预测 | Cafe-Demand-Forecasting/ |
Python |
| 生存分析 | lifelines/ |
Python |
| 因果推断 | EconML/ |
Python |
| 博弈论 | axelrod/ |
Python |
学习路径¶
入门 (1-2 月): 1. 评分卡框架 (F1 案例) 2. 预测框架 (O1 案例) 3. 基础优化 (F2 案例)
进阶 (3-6 月): 1. 贝叶斯框架 (M1 案例) 2. 多准则决策 (S1 案例) 3. 因果推断 (R1 案例)
高级 (6-12 月): 1. 博弈论 (M4 案例) 2. 系统思考 (S2 案例) 3. 复杂优化 (O2 案例)
📝 模板下载¶
决策框架文档模板:
# [决策问题名称]
## 1. 决策背景
- 业务场景
- 决策者
- 频率
## 2. 框架选择
- 候选框架对比
- 选择理由
- 假设条件
## 3. 实施步骤
- 数据准备
- 模型开发
- 部署监控
## 4. 预期结果
- 成功标准
- 风险评估
## 5. 附录
- 代码
- 数据
- 参考文献
📋 相关案例¶
每种框架都有对应的实战案例，点击查看具体应用：
| 框架 | 案例 | 行业 |
|---|---|---|
| 评分卡 | 信用评分卡决策系统 | 🏦 金融 |
| 优化框架 | 投资组合优化 | 🏦 金融 |
| 优化框架 | 车辆路径优化 | 🚚 运营 |
| 预测框架 | 需求预测与补货 | 🚚 运营 |
| 贝叶斯框架 | 营销组合模型 | 📈 营销 |
| 贝叶斯框架 | 贝叶斯风险评估 | 🔒 风险 |
| 因果推断 | 全部因果推断案例 | 多行业 |
| 博弈论 | 定价策略与谈判 | 📈 营销 |
| MCDA/AHP | 多准则决策分析 | 🎯 战略 |
| 决策树/VoI | 价值信息决策 | 🔒 风险 |
| 生存分析 | 客户流失预警 | 🏦 金融 |
版本历史: - v1.0 (2026-06-03): 初始版本
维护者: 决策科学团队
联系方式: decision-science@company.com