🧠 认知测评
数据驱动决策能力——数据会说话，但未必说真话
📋 第一层：记忆（记住核心概念）
记忆
1. 数据的三大盲区是什么？
数据太多、数据太少、数据不准确
数据是历史的、数据是局部的、数据可被操纵
数据太复杂、数据太简单、数据太抽象
数据滞后、数据冗余、数据缺失
记忆
2. 直觉的三大陷阱是什么？
直觉太快、直觉太慢、直觉太模糊
直觉是偏见的、直觉是情绪的、直觉不可复制
直觉不准、直觉不稳定、直觉不科学
直觉太主观、直觉太随意、直觉太感性
记忆
3. ATM三层架构包含哪三层？
分析层、测试层、管理层
AI层、教练层、机制层
数据层、算法层、反馈层
收集层、处理层、展示层
🧩 第二层：理解（理解概念在场景中的含义）
理解
4. 某CEO说"数据明明显示A产品转化率最高，为什么打不过B款"，市场总监说"我的直觉告诉我A款用户口碑不对"。三个月后B款市场份额涨到52%。这说明什么？
数据完全不可靠
转化率数据只反映短期购买行为，直觉感知到的是长期口碑效应——数据和直觉捕捉的是不同维度的真相
市场总监运气好
CEO不懂业务
理解
5. "数据校准直觉，直觉激活数据"——这句话的含义是？
数据和直觉应该分开使用
用数据验证直觉的准确性，用直觉发现数据看不到的盲区，两者相互增强而非对立
先看数据再看直觉
直觉为主，数据为辅
理解
6. 为什么"纯数据会走偏，纯直觉会踩坑"？
因为数据和直觉天生冲突
因为数据有盲区（历史/局部/可操纵），直觉有陷阱（偏见/情绪/不可复制），单独使用都有局限
因为人类不够理性
因为数据永远比直觉慢
🛠️ 第三层：应用（能不能用到实际中）
应用
7. 你的AI预测系统建议大幅增加A产品库存，但你的供应链负责人凭经验认为市场风向要变。你该怎么办？
完全信任AI预测，数据不会骗人
启动数据×直觉碰撞机制：让数据团队解释预测依据，让供应链负责人说明直觉判断的依据，辩论后整合决策
完全信任供应链负责人的经验
折中，两个各听一半
应用
8. 你发现团队做决策时要么全靠数据要么全凭直觉，缺少整合。你该怎么用ATM框架改善？
增加更多数据分析师
三管齐下：AI层自动化数据收集和可视化，教练层培训数据解读和直觉校准能力，机制层建立数据×直觉碰撞流程
减少数据依赖，回归直觉决策
不做改变，接受现状
应用
9. 某科技公司推行ATM三层架构一年后，决策周期从7天降到3天，准确率从65%升到82%。这说明了什么？
ATM是万能解决方案
整合数据与直觉可以既更快又更准——数据让决策更准，直觉让决策更快，ATM让决策持续进化
数据比直觉更重要
这只是特例，不一定适用其他公司