今天讲的「零数据」是第一个模块「数据智慧」的第六讲，也是最后一讲。

关于数据智慧的前面五讲，大数据、小数据、活数据、伪数据、软数据，都是有数据前提的情形，很多人就问了，如果没有数据怎么办？

没有数据，就是我所说的「零数据」。所以这一讲，我们专门来讨论一下如何解决没有数据的问题。

简单来讲，没有数据就创造数据。

很多人会问了，数据怎么可以创造呢？有就是有，无就是无。

为了让大家有直观的理解，这一讲，我先讲方法，再讲管理思维。

工作中经常会碰到一系列模糊的信息，并没有可量化的数据，比如我们经常碰到的风险问题，汇率风险、供应商交货风险、知识产权侵权风险，诸如此类，碰到这类问题怎么办？

今天给大家介绍一个代理值估测法。

就拿上面的风险管理为例吧。我之前在德国国总部负责给 CEO 做一份董事会月度综合报告，其中有一页就是 Risk Report，季度风险与机会展望。

大家可以看一张风险机会测算表，这张表里的每一项内容都是有数值的：

加载中...

先看第一条，汇率波动带来的成本影响，首先从方向上来讲，它是一个造成资金外流的风险，所以是负数。可能造成的成本为 100 万元，发生的概率是 50%，所以这一项效果值为负的 50 万。

第二项事件，可能获得地方政府的投资补贴，这是一个机会，全都落实的话可以获得 60 万，但有一小部分的项目补贴没有把握，于是就把概率为从 100% 调到 75%，于是这一项的效果值为正的 45 万，60 万乘以 75% 等于 45 万。

可能发生的第三个事件，上游的材料供应商供不应求，会对材料提价，这是一个风险，影响为 80 万。根据手头的供应链分析数据，这一项几乎肯定会发生，于是就把概率设为 100%，效果值负 80 万。

第四个事件，下季度法庭会作出知识产权纠纷判决，我方可能胜诉，所以是个机会。标的金额是 200 万，虽然律师的意见显示我方胜诉几率很大，但是鉴于国际裁决的流程比较慢，下季度有可能结果出不来，所以概率放 25%，效果值为 50 万。200 万乘以 25% 等于 50 万。

最后一个事件是用工荒带来的工资成本增加，以政府最低工资上调后的工资测算，会有 20 万的额外成本，执行的可能性一半一半，所以概率放 50%，这样风险效果值就是负的 10 万。

最后，将上面五项的数字加起来，获得一个负 45 万的净效果值，对应于下个季度的预测利润，占比 0.5%。

大家可以从上面这个例子看出，像汇率、政府补贴、知识产权纠纷等很多自己没有太大掌控权的外部信息，我们是如何一步步填入一个代理值来计算的。具体而言，汇率的波动，我们不知道它会怎么变，我们就放一个代理值进来，美元兑人民币是 7.0 还是 7.1 还是 7.2，这个代理值本身是个不断演化的过程。我们第一次做只是用了花旗银行的预测报告，觉得人家是专业的投行就行了。做着做着，我们觉得用一家的不太保险，就找瑞银、渣打等七家投行，用这七家的中位数的平均值来做汇率的 proxy 代理值，这个数字的置信系数就高很多了。

可能有的同学还会有这样的疑问，真实的汇率很可能会出现偏差的，你这样估算的对吗？