- 决策树
决策树，就是一种把决策节点（判断条件），通过层层分支，不断递进的方式，画成树的辅助决策工具，一种寻找最优方案的画图法。
我们通常用于决策的依据，大多时候没有确定的答案，只能估计每个依据发生的概率。被概率化的决策树，又叫概率树。
概率树在决策树的基础上，增加了对条件发生概率的预测，和对结果收益的评估，然后加权平均得到一个“期望值”，用这个期望值，作为依据，辅助决策。
案例：使用决策树选择相亲对象
- 德尔菲法
德尔菲法是一种“把专家的独立观点不断收敛”的预测法。
利用德尔菲法的四步骤，邀请专家，独立预测，统计回归，分析结果，可以充分利用专家们的专业判断，在一些很难定量分析预测的问题上，实现
“人脑云计算”，获得相对准确的预测。
使用德尔菲法需要注意，专家可以多样化，比如一线管理人员，甚至客户，但他们必须独立给出预测。
案例：预测图书的销量
第一，邀请专家。
从各个领域，邀请20位真正权威的专家，比如经验丰富的出版人，新华书店、机场书店等线下渠道负责人，当当、亚马逊、京东等电商渠道负责人，文化产业资深人士，读书俱乐部负责人，书评家，读者等等。
同时，准备一些基础素材，比如同品类的书，同风格的书，在过去几年的全渠道销量数据，作者的背景，图书的全文，作为专家们预测的依据。
第二，独立预测。
不要把20个专家召集在一起开会讨论。因为大家的江湖地位不同，有一些专家一旦发言，对另一些专家的影响会很大。
请每位专家独立的，认真地，根据提供的数据，自己的经验，提供三个数字：你认为的最低销售量，最高销售量，和最可能销售量是多少，并给出理由。比如，我认为最少卖25万。这个题材，这个作者，说不定能卖70万，最有可能 ……40万。
第三，统计回归。
接着，把20位专家的意见收集起来，归纳整理后，匿名返回给各位专家，然后要求专家们参考别人的意见，对自己的预测重新考虑。
咦？这位专家为什么理由和我一样，却预测最高65万呢？哦？他说女性读者对作者经历的兴趣，很有道理，那要不要调整预测呢？嗯，这个话题在过去三年，已经被过度消费了，今年再大热，也比较困难了。
我把我的预测，改为了20万，40万，60万。写了我的理由，再次提交。
接着，再把20位专家的意见收集起来，归纳整理后，再匿名返回给各位专家，请大家做第三次预测，第四次预测。第四次预测时，大部分专家已经不再修改自己的意见，彼此预测的也越来越接近（专业术语叫：收敛）。
第四，分析结果。
经过计算，20位专家最终预测结果，最低销量平均是26万册，最高销量平均是60万册，最可能销量平均是46万册。
然后，我们用“主观概率加权平均法”，赋予最低销量25%的概率，最高销量25%的概率，最可能销量50%的概率，于是可以算出，专家们预计最终的销量是：26万册x 25% + 46万册x 50% + 60万册x 25% = 44万册
- KT法
“KT法”有四个主要步骤：
状况分析，问题分析，决策分析，和潜在问题分析。具体到每个步骤中，还有很多细节方法，比如3W1E法，“是/而不是”法，目标分类法等等。
KT法，是一套系统化、流程化的，用于分析问题、做出决策的方法。
- 麦穗理论（“满意决策”）
一切决策都是折中，只是在当时情况下可选的最佳行动方案。为了满意，而不是最优，你的决策应该遵循以下原则：
第一，定下最基本的满意标准；
第二，考察现有的可选方案；
第三，如果有可选方案满足最基本的满意标准，就不再寻找更优方案。
如何确定这个“最基本的满意标准”呢？
麦穗理论，就是用三分之一时间做观察，用三分之一时间验证这个观察，得出“最基本的满意标准”，然后在最后一个三分之一的时间里，用西蒙的“满意决策”论，选择第一个好于这个标准的，并不再寻找更优方案。
补充：除了麦穗理论，确定“最基本的满意标准”，也可以参考《指导生活的算法》的作者提出的“37%理论”，用37%的时间找到“最基本的满意标准”，再用剩下的时间，选择第一个好于这个标准的，并不再寻找更优方案。
比如，你打算在19岁-40岁之间，也就是用21年寻找理想的人生伴侣。如果你相信37%理论，那就可以用这21年的37%，7.77年来交往不同的男士。到19 + 7.77 = 26.77岁时，坐下来，确定“最基本的满意标准”。然后，嫁给从那一天开始你遇到的，第一个好于这个标准的男士，并不再寻找更优方案。
再比如，你想在1个月之内买房子。那你可以先用37%的时间，也就是11天看房，确定“最基本的满意标准”，然后从第12天开始，遇见第一个好于这个标准的，就毫不犹豫地下手。
决策，就是与这个世界的博弈。如果你知道这个世界的底牌，也就是数据，你的决策质量将大大提高。这个世界的底牌，就是信息。更准确地说，是信息的载体：数据。
在信息匮乏时代，你可以用统计的方式，获得显性数据，用调查的方式，获得隐性数据；在信息泛滥时代，你可以用分析的方式，从大数据中获得决策支持。
