数据驱动型决策指在经验的框架下用数据做佐证。业务人员的经验为数据分析提供基础支柱。没有业务经验的指导，数据分析的指标和标签无法正确构建。当业务人员经验与分析师的数据不一致的时候，经验是更可靠的，这一点在实际数据分析工作中经常发生。

### **正确答案：B、C（描述错误）**
**核心逻辑**：

1. **B. "数据为主经验为辅" 错误**
- **实际关系**：经验是主导框架，数据是验证工具
- 业务经验定义分析方向（如零售业需关注"库存周转率"而非单纯销售额）
- 数据只在经验划定的边界内发挥作用
> *案例：金融风控中，经验先定义"可疑交易特征"，数据再量化验证*

2. **C. "数据比经验更可信" 错误**
- **冲突解决机制**：当数据与经验矛盾时，经验具有终裁权
| 冲突场景 | 数据结论 | 经验判断 | 结果 |

| 电商促销效果评估 | 转化率下降15% | 用户蓄水后期爆发 | 次周GMV增长40% |
| 制造业设备维修预测 | 故障概率<5% | 异常声响特征 | 当日检修避免停产 |
- **根本原因**：
- 数据无法捕捉隐性知识（如客户情绪、设备细微异响）
- 经验包含长期沉淀的因果逻辑（数据仅显示相关性）


1. **A. "经验为主数据为辅" 正确**
- 经验先行建立分析框架：
- 市场部门经验定义"有效线索"标准 → 数据分析师据此构建转化漏斗
- 生产经理经验识别关键设备参数 → 物联网数据聚焦采集点

2. **D. "经验比数据更可信" 正确**
- 在三种场景经验绝对优先：
- **创新业务**（无历史数据）→ 经验预判测试方向
- **数据污染**（如促销期间自然流量畸变）→ 经验校正数据
- **隐性关联**（如天气对线下客流的非线性影响）→ 经验解读数据
有过数据分析经验的人都知道,分析师的数据与资深业务人员的检验不一致时,业务人员的经验不可信

**结论**：数据驱动决策本质是 **"经验为纲，数据为目"** ，故B、C为错误描述。