01 基于逻辑的建模
构建决策模型，与其说是一门科学，不如说是一门艺术。构建优秀的决策模型，需要对所有部门的基本商业原则有着较为深入的理解，如财务、金融、市场营销、运营等，还要掌握些商业实践和研究，并熟悉逻辑技能。模型通常从简单发展到复杂，而且从确定性模型发展到随机性模型，因此，通常有必要从简单而丰富的模型开始。02 构建预测模型的策略
有时候，一种简单的“粗略而不精确的”计算，可以帮助经理做出更优秀的决策，从而产生有益的模型 举例 一位客户的经济价值 几乎没有哪家公司想过，要想办法估计一位优质客户的价值（而且通常没有在保留优质客户上下功夫）。假设某位客户在某餐馆消费，平均每次消费50美元，每年去6次。假如那家餐馆意识到，该客户每次消费，平均能给餐馆带来40%的边际利润，那么，一年下来，餐馆在这位客户身上赚取的总利润将是50×6×40%=120美元。如果30%的客户不会每年都回来，那么，客户的平均终生价值是1/0.3=3.33年。因此，一位客户终生平均给餐馆带来的总利润将是120×3.33=400美元。 虽然这个例子只是针对一种特殊的情形来计算客户的经济价值，但我们真正在做的事情，是为构建一个通用的决策模型而奠定基础。假如我们定义以下变量： R=每次购买的营业收入；F=每一年购买的频数（例如，如果某位客户每两年购买一次，那么，F=1/2=0.5）；M=总边际利润（用分数来表示）；D=客户流失率（每年流失的客户的比例）。那么，一位忠诚客户的价值，用V来表示，可以用以下公式来计算： V=(RXF×M)/D 在前面的例子中，R=50美元、F=6、M=0.4、D=0.3.我们可以用这个模型来系统地评估各种不同的情形。虽然我们可以容易地构建模型来进行简单的数值计算，就像我们在上一个例子中进行的那样，但大多数模型的开发，需要采用一种更加正式的方法，好比下面这个例子。03 利润模型
假如我们未来的需求存在不确定性，为了预测利润而构建一个决策模型。我们都知道，利润=营业收入-成本。只需运用一点点入门级的商业逻辑，就知道营业收入取决于单位价格和售出的产品或服务的数量，而成本取决于单位成本、生产的产品或服务的数量，以及生产过程的固定成本。然而，如果需求是不确定的，那么，生产的数量可能小于，也可能大于实际的需求。因此，售出的产品或服务的数量，既取决于需求，又取决于生产数量。把这些事实全都综合起来考虑，我们可以创建一个类似于下图的影响图。下一步就是将影响图转变成一个更加正式的模型。先做出如下定义：P=利润；R=营业收入；C=成本；p=单位价格；c=单位成本；F=固定成本；S=售出数量；Q=生产数量；D=需求；
首先请注意，成本包括固定成本（F）加上生产数量Q乘以单位成本（cQ）而得出的可变成本：C=F+Cq；接着，营业收入等于单位价格（p）乘以售出的数量（S）：R=PS；然而，售出的数量必须比需求（D）和生产的数量（Q）更小，或者说S=min{D, Q}；因此，R=pS=P*min{D,Q}。用这些结果代入计算利润的基本公式P=R-C，那我们得出以下公式：
P=p* min{D,Q}-( F+cQ)
如上构建的分析模型，可以很容易地在 Excel表格中运算，以评估利润。让我们假设单位价格=40美元，单位成本=24美元，固定成本=40万美元，需求=5万美元。决策变量是生产的数量，出于构建电子表格模型的目的，我们假设生产数量为4万单位。下图显示了这个模型在Excel中的运算。为了更好地理解该模型，研究一下电子表格公式、影响图以及数学模型之间的关系。一位经理可能使用电子表格来评估他/她可以怎样预期自己的利润，并且根据未来不确定的需求的不同数值、生产数量而改变自己的评估，后者是经理本人可以控制的决策变量。04 数据与模型
模型中使用的数据，可能来自于根据过去的经验而进行的主观判断、现有的数据库以及其他的数据来源、对历史数据进行的分析、或者调查，试验和其他数据收集方法。例如，在利润模型中，我们可能为了寻找单位成本和固定成本而查询会计簿籍。我们学习的统计学方法，通常用来估算预测模型中需要的数据。比如，我们也许用历史数据来计算平均需求，还可能在模型中运用四分位数或百分位数来评估不同情形。然而，对经理们来说，即使没有数据可用，运用出色的主观估计，也要好于牺牲大量的时间去构建一个完整的模型。
05 涉及多时段的模型
在商业分析中，很多实用的模型非常复杂，而且涉及与利润模型相类似的基本财务分析。这方面的一个例子是推出新产品的决策。比如，在医药行业，新药物的研究与发展过程非常漫长而艰难，总研发成本可能接近10亿美元。这类应用模型一般整合了未来的多个时间段，而预测性分析能力的高低，是做出优秀商业决策的至关重要因素。不过，采用一种系统的方法将这些方面逻辑地综合起来，通常可以使看似难以解决的问题容易得多。06 举例 制药公司的新产品研发
假设摩尔制药公司发现有一种可能造就技术突破的新药如今正在实验室研发，需要确定是否进行临床试验并寻求美国食品药品监管局的批准，以便将该药推向市场。硏发的总成本预计达到7亿美元，而临床试验的成本约为1.5亿美元。当前市场的规模预计为20万人，有望每年以3%的速率增长。摩尔公司估计，第一年将获得8%的市场份额，预计每年增加20%。由于新的竞争者可能进入这个市场，因此，难以估计5年以后的市场情况。每月开出的处方，预计将使这种新药产生130美元的营业收入，同时也会发生40美元的可变成本。为了计算研究项目的净现值，假设其贴现率为9%。公司想知道的是，要花多长时间才能收回其固定支出，并且想知道这种新药推向市场后头5年的净现值。 下图显示了这种情形下的Excel表格模型
模型基于一系列已知的数据、估计和假设。如果你深入地研究该模型，便会发现，模型中的很多输入，可以从公司会计部门（例如，贴现率、单位营业收入和单位成本）中查询，可以进行适当的预测，也可以根据初步市场研究或过去的经验而进行判断的估计（例如，市场规模、市场份额、年均增长率等）。模型本身便是会计和财务逻辑的一种直接应用，你可以检验 Excel公式，看一下这个模型是如何构建的。模型中运用的假设，代表着“最有可能”的估计，如上图的Excel表格显示，到第4年的时候，这种药品将开始盈利。然而，我们是根据对市场规模和市场份额增长率的一些相当脆弱的假设来构建这一模型的。在现实中，模型里用到的大多数数据都是不确定的，如果只是使用了这一种情形的结果，那公司也太不慎重了。模型的真正价值在于，使用针对这些假设的不同的值，来分析各种各样的情形。