她推荐了一篇简书上的文章，关于查理的普世智慧中的一段节选-决策树。她说不喜欢那么多数据，要一句话讲讲出来，一句话其实就是基于expect value 比较各不确定性方案的收益啦！作者也坦承这篇文章来源学习哈佛读书笔记（找到原版，搞不懂为啥把这个决策模型放在数据挖掘上，嘿嘿！数据挖掘，just like teenager sex:Everybody knows that, everbody wants that, everybody is interested in doing that, but nobody knows how to do that）。
决策树是对不确定商业行为的一种定量分析（Quantitative analysis，定量分析与你比较近的一个case就是晚会预算。与之对应的是定性分析），虽然不确定性会让人抓狂，对别是对有选择困难的星座（天秤座？）。但是使用决策树通过对事件设置集合，会产生一种系统的方法。根据决议的不确定性预测你的行为，你可以做出更好的决定。
作者的理解是： 决策树是一种寻找最优方案画图法（工厂质量分析常用的鱼骨图，直方图或SWOT亦是画图法）
1)概率树 概率树向前设计的，一次一根树枝，从第一个决定开始 。他举了个栗子，卖椅子：总成本投入是30万 ；投资后，每把椅子获利1000 ，它的不确定性是：市场好/市场不好 ，其概率是0.4,0.6 ，其实就是40%，60% ，市场好的概率是40%等
这个投资方案的收益使用的是Expect value -期望值模型计算 . 期望值的模型计算=市场好的概率*市场好概率下的销量+市场不好的概率*市场不好概率下的销量-投入成本
后来他讲了一个比较复杂的列子，就是在市场好或不好的情况下，上电视或不上电视的情况。这些例子其实都不涉及到做决策，只是量化一些方案的收益为决策做铺垫。最后决策树做出最终决定都会基于expect value的结果（收益最大）进行比较从而得出最优方案。
真正的方法论是从这个案例开始：现在，老板需要一家调查机构来告诉他们市场是好是坏，不过需要花50000元来请他们调查。但这个例子中数据有错误：市场景气的时候，花费30K（应为300K），将会收到80K（应为800K）收入，不投资，则为0；
a,列出备选方案 ；b,量化不确定性；c,指定目标 目标就是选择最优的方案，而最有的方案通常都是做出货币价值最高的决策。d,解决决策树 逆向操作。
方案比较基本上都是基于开篇讲的expect value进行计算并比较：
