在建設風控，需要用一些工具來幫助業務決策，這里常用的是用費米估算在風控場景中的應用。本文以北京胡同口一天能賣出多少煎餅為例，分析如何應用費米估算，以期幫助大家提升自我數據思維。

通常新業務在進入快速發展期，業務同學更關注的是用戶拉新、業務增長等直接業務指標。

對于場景中的刷單用戶數、訂單數等健康度指標關注相對較少。

回過頭來看的時候，發現平臺已經被薅取了很多的營銷資金，便開始著手去建立風控治理能力。

在什么時候開始建設風控，需要一些工具來幫助業務進行決策。

一、費米估算

百度上解釋：費米估算指的是解決未知結果的估算問題，將復雜的問題拆解成小的、可知結果的部分。

直白一點，就是把復雜的大問題，拆分成一個個復雜的小問題。

同時將小問題的求解邏輯，轉變為熟悉的業務因子和計算邏輯。

將已知的業務因子進行代入，即可計算出該問題的估算值。

說的很繞口，要入門的同學，可百度搜索：芝加哥有多少個鋼琴調音師。

基本看一遍就知道咋用了。

二、北京胡同口一天能賣出多少煎餅

了解基本用法后，用一個習題來進行鞏固：北京胡同口一天能賣出多少個煎餅？

解題思路：

從需求側出發：

煎餅數量 = 購買人數 * 購買數量；

購買人數 = 胡同口覆蓋人數 * 購買率

因胡同主要集中在北京中心區，胡同口覆蓋人數 = 北京中心區可購買人數 * （胡同數量 / 道路數量）/ 胡同數量

可購買人數 = 北京中心區人數 * （1 – 嬰幼兒比例）

按照21年高德統計數據，北京總人口為2188W，胡同數量1004條，道路數量14848條，北京中心區人口占比50%，嬰幼兒占比20%；

通常一個人每周吃煎餅的次數，最多不會超過7次，最少不會超過1次，平均下來一周7天吃3次，購買率 = 3 / 7 = 43%

煎餅的季節性干擾很低，但時間段干擾較嚴重，通常集中在早飯，且一個為主。因此購買數量 = 1；

以上數據，可得出：

可購買人數 = 2188W * 50% *（1 – 20%）= 875W；

胡同口覆蓋人數 = 875W * (1004 / 14848) / 1004 = 569；

購買人數 = 569 * 43% = 244個；

煎餅數量 = 244 * 1 = 244個；

從供給側出發：

煎餅數量 = 攤主工作時長 / 每個煎餅耗時

煎餅的售賣集中在早上6:00 – 9:00，3個小時 = 10800秒；

每個煎餅的制作時間約為30秒；

以上數據，可得出：煎餅數量 = 10800秒 / 30秒 = 360個；

煎餅生意明顯是個供大于需的生意，因此主要是需求側來驅動，整體量級會接近需求側量級。

三、業務場景中存在多少的刷單

到這里，我們可以借用費米估算，來估算交易場景中存在多少的刷單訂單，以此來輔助業務進行決策。

解題思路：

從需求側出發：

• 刷單訂單數 = 刷單用戶數 * 戶均刷單數
• 刷單用戶數 = 新客刷單數 + 老客刷單數
• 新客刷單數 = 新客注冊數 * （1 – 新客正常流失率）
• 老客刷單數 = 老客活躍數 * （1 – 老客正常流失率）
• 戶均刷單數 = （總訂單數 – 正常訂單數）/ 完單用戶數
• 正常訂單數 = 預估訂單數 * （1 + 預估浮動比例）
• 預估訂單數 = 預估完單用戶數 * 戶均訂單數

從供給側出發：

• 刷單訂單數 = 總訂單數 * 實際優惠補貼差值
• 實際優惠補貼差值 = 實際優惠率 – 預估優惠率

這是一個需求側驅動場景？還是供給側驅動場景？

四、總結

這里，培養的是數據分析思路。

在實際業務場景中，經常會碰到很多問題：比如常見的“DAU下降問題”、“支付轉化率下降問題”等。

其實每個答案都不是唯一，重要的是思考的邏輯和數據的推理。

即便有些事情看上去無法確定，但可以通過分析拆解，逐步逼近結果。面對不確定性，我們不應停滯不前，而是要懂得抓住身邊有價值信息，快速決策。

最后，留個習題：中國有多少個出租車司機？