高成熟度的真正难点是什么？

很多朋友认为4-5级难做的原因是度量做的不好，其实我认为那只是表象，最根本的原因还是过程不稳定，2-3级的过程就没有做好，过程不稳定，反应在数据上就不稳定，MA可以做的很好，但是MA的结果可能没有管理的参考价值，建立的模型就没有意义。比如：
我们可以很准确的度量身高、体重、年龄、每天的饭量、每天饭食里葡萄糖的含量、智商。我们希望建一个模型来预测智商，假如根据上述信息建立了一个模型：
智商=f(身高，体重，饭量，年龄，葡萄糖摄入量）。
假如这个模型有统计意义，各x和y之间有因果关系,但是将你的信息输入到这个模型中，预测出来你的智商在60到140之间，你认为这个模型有实际的作用吗？不用量化预测我们凭经验都能认为你的智商基本上是在这个区间内，所以这样的量化预测有啥意义？假如模型能够预测你的智商在91到103之间，那我们认为这个模型还是很有意义的，为什么呢？因为预测的比较准确，变动的范围很窄，凭经验不能预测的那么准。可惜的是，很多现实中的公司的性能模型出来都是预测60到140之间，所以模型没有实际意义。根本原因在哪里呢？不是数据不准确，不是建模的方法不对，而是过程本身就不稳定，基于不稳定的过程输出的数据进行建模，进行预测，预测的结果也不稳定。
正如你是一个业余射击选手，我们建一个模型预测本次打靶你能打几环，预测的结果就难有意义，业余选手的过程不稳定，难以预测。如果你是一个职业选手，我们建一个模型预测本次打靶你能打几环，就会比较准确，职业选手的过程稳定，就好预测。
这便是4-5级难做的本质原因！2-3级过程稳定了，4-5级自然好做！