數據資產論 | 第5章：因變數與業務訴求

數據要產生價值首先需要理解業務。因此，數據分析的第一步，不是分析數據，而是分析業務。把一個具體的業務問題，抽象成為一個關於Y和X的數據可分析問題。其中，確定因變數Y尤其重要，因為Y描述了業務的核心訴求。

1確定業務的核心訴求

Y，也被稱為因變數，在英文中被稱為Response，也被叫做Dependent Variable，這是從統計學技術的角度講。從業務角度，Y是業務的核心訴求。如果Y定義準確，後續的數據分析，就會準確瞄準業務的核心訴求，更可能產生商業價值。相反，如果Y定義有偏差，那麼後續的數據分析，就會在錯誤的方向上一路狂奔。

不就是定義一個Y麼，有什麼了不起？很容易嘛。如果你是一個學過數據模型的同學，你更會認為這個事情太簡單。為什麼？因為在你的傳統學習過程中，Y從來都是老師、或者教科書上直接給定的。你從來不需要思考這個問題，你認為一個定義準確的Y是理所應當的，你take it for granted。今天就要糾正這個錯誤的認識。我要告訴你，定義一個準確的Y，不僅僅重要，而且常常是不平凡的。

有朋友在一個大型航空企業工作（例如：國航、南航、東航等），他的工作內容是航線運營。工作目標是優化航線運營效率。啥意思？翻譯成簡單的語言就是，對公司而言，在一個特定的時間，兩個特定的城市，是否應該開設一個或者多個航班？什麼價格？安排什麼樣的飛機？我國有兩百多個民航機場，該公司規模不小，航線覆蓋了大多數城市。從理論上講，任何兩個城市之間，都是可以開一個航線的。但是，如果全部開設，顯然需要巨大的運力，超出了航空公司的能力範疇。另外，即使有足夠運力支持所有的航線，很多航線的運營效益也會非常差。很難想像，兩個非常偏僻的小機場之間，如果開一個直飛航班，會有多少乘客？盈利的可能性有多大？所以，這位朋友的任務就是，仔細分析各種數據，然後選擇最優的航線，最優的時間，配給相應的飛行資源，達到提高運營效益的目的。對於這樣一個業務問題，應該如何定義因變數Y？

懷著這樣的好奇心，我曾經請教過這位朋友。他告訴我，公司對航線運營效益的評估標準就是：飛機上每一個座位，飛行一公里產生的收入。為了方便起見，稱這個指標為：單座飛行效率。這就是在實際工作中對運營效益的一種定義。大家看：這個定義怎樣？這是一個非常可測量的指標，而且好懂。如果定義這是Y，後續的數據分析就會研究：對於什麼樣的起點城市，什麼樣的終點城市，在什麼季節，什麼時間，配給什麼類型的飛機，能產生多大的單座飛行效率？然後，根據相應的分析結果，配給最優的航線運力資源組合。這個分析怎樣？有重大缺陷，為什麼？如果只考慮單座飛行效率，不用分析都知道，商務機的效益最好。那所有航線，都飛商務機好了。你覺得如何？航空公司會採納這樣的建議嗎？顯然不能。為什麼？因為能坐商務機的乘客數目太少了，相應的收入總量是很小的。事實上，絕大多數航空公司的主要收入，都是普通飛機上普通乘客貢獻的。因此，僅單座飛行效率一個指標，不足以刻畫航線運營效益。顯然還需要一個指標，另外一個Y，刻畫客運總量（例如：總乘客飛行里程）。客運總量乘以單座飛行效率，再乘以飛行距離，是這個航線的實際收入。所以需要認真思考一下，這裡的業務訴求到底是什麼。我們已經看到了三個不同的，看起來都是合理的Y。第一個是單座運營效率，第二個是客運總量，第三個是實際收入。到底是哪個？只有企業自己經過認真思考後，纔能夠確定。如果確定正確，數據分析纔可能產生價值。否則只會添亂子。

難道企業自己說不清楚自己的訴求嗎？企業管理者，對自己業務的核心訴求，應該可以說得清楚吧，我曾經也有這樣天真的預期。但是實際經驗證明：大多數情況下，客戶的訴求自己是說不清楚的。一個數據分析師是否優秀，首先表現在分析業務的能力上，而不是以編程為核心的分析數據能力。一個足夠優秀的分析師，能夠把客戶非常模糊的訴求，梳理成一個清晰規範的數據可分析問題，從中提煉出一個準確的因變數Y，進而知道下一步的數據分析。這纔是最優秀的數據分析師應該有的樣子。

再討論一個案例，假設你在一個電商網站（例如：京東）負責客戶關係管理，你負責運營一個VIP會員計劃（例如：京東的PLUS會員）。你為VIP會員提供很多福利，例如：很多商品有會員價格，更多的會員積分，專屬的客服，甚至有線下活動。你工作兢兢業業，非常努力。等到年底考覈了，領導說：小王啊，咱們這個VIP會員計劃執行一年了，效果如何啊？請問：你該如何應答？這個問題不好回答。為什麼？因為：什麼是「效果」，什麼是領導心中的那個「效果」，並不清楚。甚至有可能領導自己也說不清楚。如果沒有一個儘可能清晰的定義，大家認可的「效果」，就沒法回答這個看似普通的問題。所以，要回答這個問題，首先要理清什麼是「效果」，而「效果」就是本案例中的因變數Y。

如果現在企業處在關鍵的擴張期，一方面公司通過各種市場手段獲得新客戶，但是，另一方面老客戶的流失也非常嚴重，令人心痛。此時，對於現階段的公司而言，客戶關係管理的第一「效果」就是「流失率」。如果是這樣，相應的數據分析應該以客戶是否流失為因變數Y（也需要仔細定義，不容易），同時採集大量的相關因素做解釋性變數X（例如：性別、年齡、收入、購買習慣等）。其中一定要注意採集一個最重要的X：是否是VIP會員（例如：X=0表示普通會員；X=1表示VIP會員）。通過回歸分析的技術手段，可以評價「是否是VIP會員」對客戶流失的概率是否有顯著的影響。如果有，該影響有多大。再進一步，我們還希望知道對於什麼樣的客戶（例如：不同性別、不同年齡、不同職業），VIP會員的效果大，而什麼樣的客戶效果差。這才能科學、系統、全面地回答「效果」問題。

當然，也有可能企業已經進入了平穩發展期。在這個階段，客戶數目已經很穩定了。因此，現階段的主要運營目標是要收入。因此，目前公司最看重的「效果」是「利潤」。如果是這樣，那麼相應的數據分析應該以客戶為公司貢獻的收入（例如：ARPU值）為因變數Y。跟前面一樣，同時還需要採集大量的相關因素做解釋性變數X。其中千萬要記住最重要的X變數：是否是VIP會員。通過回歸分析的技術手段，可以評價「是否是VIP會員」對客戶收入是否有顯著的影響，有什麼樣的影響。如此這般，才能更好地回答「效果」問題。

作為本節的最後一個案例，咱們再討論一下前面第三章所提到過的卡車車聯網案例。最開始，合作夥伴（一個卡車物流企業）提出的業務需求是這樣的：能否通過卡車車聯網數據，改善卡車駕駛員的駕駛行為？讓他們的駕駛行為變得更好。請問：啥叫駕駛行為「好」，「好」對應的Y是什麼？是不是長得帥就叫好？如果是，那麼所有的卡車司機都應該去一趟韓國整容！顯然不是。是不是穿西裝打領帶就叫好？如果是，那以後就得給卡車司機配西裝，配領帶！顯然也不是。到底什麼叫「好」，是需要深刻分析的業務問題。這個問題的答案，決定了因變數Y的選擇，決定了後續數據分析的方向。最後，在充分深入溝通後，確定了兩個Y。如果一個司機，在兩個Y上的表現都很好，那麼這個司機就是真的好。這兩個Y是什麼？第一個Y是交通違章的記錄。一個卡車司機，如果經常違章駕駛，這可不是好事。第二個Y就是油耗，對此前面第三章有很詳細的討論，這裡就不再贅述。至此，所有人在業務的核心訴求上達成了高度的一致，形成兩個非常有意義的，而且被各方高度認可的Y。這成了後續深入合作和業務開展的一個良好基礎。

2雙縱橫對比兩步法

前面的討論表明，找到一個準確的Y，是一個很重要，但卻不平凡的事情。這背後有沒有可複製的方法論指導我們，在實踐中儘可能地找到準確的Y？為此，我分享一個行之有效的方法論，叫做：「縱橫兩步法」。假設要分析的業務問題已經確定了，並且業務專家對於具體業務的好壞有一個基本的判斷。如果這個前提都沒有，那說明數據分析的時機還不成熟，因為業務自己都還稀里糊塗。現在假設業務是不糊塗的，對於具體業務的好壞是有基本判斷的。在這樣一個前提假設下，可以通過縱橫對比兩步法，快速找到一些靠譜的Ｙ。這些Ｙ，也許不盡完美，但可以為後續的研究改進提供一個不錯的起點。

所謂縱橫對比兩步法，是說這個方法分為兩個步驟。

第一個步驟，是縱向對比。也就是說，業務自己跟自己對比。問這樣一個問題：業務應該怎樣纔算好？怎樣纔算差？業務就好比一個小夥子，問自己：怎樣才能更帥？怎樣才能更醜？如果長得更高，叫做更帥，那麼一個可能的Ｙ就是身高。但是，光長得高還不夠，可能還需要多金。如果是這樣，那就得把收入這個Ｙ也考慮進去。也許還不夠，可能還需要高學歷，那就得把學歷這個Ｙ也考慮進去。通過縱向對比，你可以梳理對業務問題「帥」的認識。通過對比「帥」和「醜」，深刻理解「帥」的內涵，並抽象成為可被記錄的指標。縱向對比也有一個壞處，那就是常常會產生很多Ｙ。因為人們對「帥」的理解定義，非常豐富。因此會產生多個，看起來都合理的Ｙ。接下來怎麼辦？

第二個步驟，橫向對比。所謂橫向對比，就是把前面產生的多個Y進行橫向對比。需要分析：這麼多Ｙ裡面，到底哪個是最重要的？或者哪幾個是最重要的？留下重要的Y，剔除不重要的Y，把Ｙ的個數降下來，越少越好。Ｙ的個數越少，說明業務價值定義越聚焦，後續分析準確性越高，產生價值的可能性越大。相反，Ｙ的個數越多，說明業務價值越混亂，後續分析的盲目性越大，產生價值的可能性越小。

假設有一個帥哥Ａ，特別高，但是特別窮。也就是說在一個Ｙ（身高）上表現特別好，另一個Ｙ（財富）上表現特別差。但是，帥哥Ｂ，恰恰相反。個子特別矮，但是特別富有。請問咱們的業務專家（一位想找男朋友的姑娘）：這兩個帥哥，各有千秋，你覺得相比較而言，到底哪個更帥？咱們的業務專家會有什麼回答？有三種可能的答案。第一種答案是：顯然Ａ更帥，對於我更看重身高，個子高最重要！如果是這樣，就可以把財富這個Ｙ，往後放放。第二個可能的答案是：哇塞，這還真不好說，我覺得都挺重要。這說明，這兩個Ｙ可能都重要，沒法互相替代。在這種情況下，兩個Ｙ都保留。但是，前面說了，保留太多的Ｙ，可不是好事。所以，我個人的建議是，盡量不要讓第二種情況發生。還有最有趣的第三種可能，業務專家會說：哦，其實我說錯了，身高，財富都不是我關心的問題。我最關心的是：他的學歷是不是特別高。如果是高學歷，其他的我都不介意。如果是這樣，那麼學歷纔是業務真正關心的那個Y。

﹏﹏﹏﹏

接下來，結合之前的案例，具體演示一下航空運營的例子。怎樣確定合理的Ｙ？畢竟數據分析師，一般都不是業務專家。再有經驗的數據分析師，對業務的感受，都不如一線專家深刻。所以，可以採用縱橫對比兩步法進行分析。第一步，縱向對比。請問，什麼樣的航線的運營算是好，什麼樣的算是不好？這個問題非常直接，對方會如何回答？十有八九不是單座飛行效益。而是：航線收入、利潤、或者客流量這樣的大指標。這就是縱向對比第一步。然後，橫向對比，可以再問：給定兩個不同的航線，一個是收入高（第一個Y高），但是利潤低（第二個Y低）；另一個是收入低（第一個Y低），但是利潤高（第二個Y高），哪個航線的運營算是更好的？這時候，業務主管就開始猶豫。他也許會說：收入高的，都是熱點航線，是重要航線，是兵家必爭之地，在這樣的航線上保留強大的存在感，對市場地位極其重要。但是，畢竟競爭激烈，這些地方經常賠錢，沒有其他流量小一點的，但是高利潤的航線支持，這個戰場也堅持不下去。如果是這樣，結論是什麼？結論是：也許就需要兩個不同的Ｙ。一個關乎收入，一個關乎利潤，不需要更多了。那你會問：單座飛行效益呢？這似乎不是一個非常重要的Ｙ。

﹏﹏﹏﹏

再演示一下卡車車聯網的案例。對方是一個物流企業，業務訴求是：改善駕駛員的駕駛行為。第一步，縱向對比。請問：什麼樣的行為是好行為？好駕駛員都是什麼樣的？壞駕駛員是啥樣的？也許會說：好駕駛員素質高，說話客氣，講文明懂禮貌。是這樣嗎？如果是：咱們就定義Ｙ是駕駛員的文明禮貌程度，然後以後每天上班第一個三十分鐘做文明禮貌培訓，業務主管一定不會同意的。業務主管告訴我們：好的駕駛員，不給公司添亂。可以繼續問：啥叫添亂？難不成打羣架？顯然不是。添亂就是，老是違章，被扣分罰款。搞得公司也要挨批評。噢，知道了吧，什麼是「添亂」，添亂就是違章，違章就是我們的第一個重要的Ｙ。可以再問：好的駕駛員還有什麼特徵？答：省錢，成本低。那降低駕駛員工資如何？業務主管會說：這可不行。駕駛員一分經驗，一分價格。我們運送的貨物，都價值高昂，可不能出錯。所以，我們都用非常有經驗的老司機，他們的工資可一分錢都不能少。你接著問：那怎麼辦？能有什麼辦法降低成本？業務主管告訴你，其實還有一個成本，比駕駛員工資要高多了去了。那是啥？答：油費。大卡車消耗汽油（或者柴油）可是很大的成本。每年公司有上億的費用，用在這個上面，用得莫名其妙。如果能在這方面，有所節省，那也是很棒的事情。看到沒，第二個因變數Ｙ出來了。

接下來，再做橫向對比。兩個司機，一個從不違規（第一個Y很好），但是油耗很大（第二個Y很差）。另一個，經常違規（第一個Y很差），但是油耗很小（第二個Y很好）。哪一個更好？也許對方會告訴你，他喜歡第二個。為什麼，因為：（１）幹咱們這一行的，天天在路上跑，哪能不濕腳？違章令人不開心，但可以理解；可是（２）這個過高油耗，可不正常。嚴重懷疑這個司機在偷油，或者拉私活。這可是誠信問題，是大問題。當然，換一個老闆，也許是完全另外一個看法。老闆也許會認為，違章是很不好的事情，造成公司總是被批評處罰，影響公司的形象。所以，違章是一個更加重要的Ｙ。但是，無論哪種情況，希望你都可以梳理清楚，到底哪一個Ｙ更加重要。　

3不存在完美定義的Y

到這裡，你也許會想，既然Y如此重要，那就得小心選取，精益求精，爭取定義一個完美的Y。如果是這樣，得趕緊糾正這個錯誤的想法。這個想法會把你帶到一個深坑裡去。為什麼？因為：沒有任何業務的Ｙ是可以完美定義的。

航線運營的案例最後提到，有三個Y可供選擇，第一個是單座運營效益，第二個是客運總量，第三個是實際收益。假設，經過大家認真討論，認為第三個選擇：實際收益，纔是業務的最核心訴求，那麼：什麼樣的Y才能完美反映「收益」這個概念呢？你也許會說，那就是收入。沒錯，收入是一個選擇，但是收入沒有考慮到運營成本。如果考慮運營成本，那就要考慮利潤。沒錯，利潤也是一個選擇，但是對於一個新開拓的航線，一時半會兒不能盈利，這是非常正常的，對這樣的航線，更關注收入。你看，這多矛盾，咋說都不對。而且無論是收入還是利潤，咱們關心的是短期的還是長期的呢？多長纔是長期呢？是的，真實的世界就是這樣的，沒有任何一個Y是可以被完美定義的。要坦然接受不完美性，但這並不妨礙定義一個合理而且有用的Y。對於這個案例而言，如果大部分航線都很成熟，收入不可能再大幅度上升了，那就考慮利潤，因為畢竟這纔是能夠歸屬股東的利益。如果今年公司的核心目標是擴大市場，那也許收入纔是更重要的。無論哪種情況，都沒有完美的Y，但是卻都有不錯的，可以接受的Y。

﹏﹏﹏﹏

再看卡車車聯網案例。其中，有一個重要的被所有人都認可的Y是「違章」。請問：什麼叫違章？答：被警察叔叔當場抓獲的違章（例如：闖紅燈）是違章嗎？我同意。那非現場的，被攝像頭抓拍的（例如：超速）呢？你會說：那當然也算。沒有被警察叔叔抓現場的，也沒有被攝像頭抓拍的，但是被咱們家的車聯網設備記錄下來的超速行為，算不算違章？說個大實話，即使一個開車非常謹慎小心的人，也難免在高速上，可能一腳油門下就超速了。在我看來這是很正常的，不值得在這個業務問題背景下，成為「違章」這個因變數記錄的內容。當然，你可以有不同的看法。但是，無論是哪種看法，你會發現，關於「違章」這個Y沒有絕對完美的定義。

﹏﹏﹏﹏

再看消費金融，催生了大量的小貸公司。小貸公司的業務很簡單，就是給有小貸需求的普通人，在合理信用評估的前提下，提供小額信貸支持。雙方約定，在一定時間內，按照一定利率還錢。作為借貸一方的小貸公司，要承受很大的違約風險。因此，任何有規模的小貸公司，都要對「違約」這個Y做非常認真的分析。請問：什麼叫違約？我向你借了100元，約定下週一中午12點前，連本帶息歸還101元。怎麼做才叫違約？第一種答案是：只要過了下週一中午12點，還沒有還錢，這就是違約。如果你是非常強勢的大銀行，估計還可以。但是，小貸公司在放貸的時候，常常都是無抵押貸款，風險巨大。時時刻刻都面臨借貸者跑路的風險。所以，也許由於我太忙了，還錢稍微延遲一天半天的，這都不是事，因為我畢竟沒有跑路。在小貸公司眼裡，我仍然是一個非常好的優質客戶。如果延遲一天半天不算跑路，不算違約，那麼：到底遲到多久纔算跑路，纔算違約？各個小貸公司都有自己的規定。例如：延遲1周，還不還錢，這就算作跑路違約了。那我問你：差1秒延遲1周算不算？按照你的規定，不算。但是，延遲1周，和差1秒延遲一週，有任何本質區別嗎？顯然沒有。這說明什麼？這說明這樣定義的Y，雖然對實際業務很有幫助，但是仍然不甚完美。有可能存在完美定義的Y嗎？不可能。

﹏﹏﹏﹏

再看客戶關係管理，其中的一個核心問題是：客戶流失。請問：什麼叫做客戶流失？假設我是一個聯通用戶，對聯通服務可能不滿意，請問：在什麼情況下，聯通可以認定我已經「流失」了。如果我去聯通營業廳，告訴聯通，我真不喜歡你們的服務，我決定註銷我的電話號碼，停止使用聯通的無線通訊服務。請問：這是不是流失？絕大多數朋友都會說：是啊，這還能不是嗎？請問真的是這樣嗎？假設我銷號的瞬間，後悔了！我覺得聯通還是挺好的。剛剛銷號完畢，我又趕緊辦了一個新的聯通電話號碼，而且保持跟原來一模一樣的套餐服務。請問：我流失了嗎？顯然沒有啊，因為事實上，我跟聯通的合作關係沒有一秒鐘的斷開過。由此可見，即使是大家都認可的金標準，「銷號退網」，也不能成為客戶流失的完美判斷標準。有朋友可能會說：一般而言，運營商會認為，連續3個月不繳費，也不使用任何服務的用戶，事實上已經流失了。憑什麼3個月是一個金標準？要是三個月差1秒呢？三個月多1秒呢？這有啥本質區別嗎？顯然沒有。因此，這也不是一個完美的標準。深入思考一下，也許「客戶流失」自己本身就是一個偽命題。在這個世界裡，客戶一會用這家運營商，一會用那家，一會離開，一會又回來，往複循環，沒頭沒尾。哪有「流失」可言。但是，為什麼企業中人們關心「流失」呢？其實他們關心的是客戶的一個狀態，一個「不怎麼活躍，不怎麼跟我玩了」的狀態而已。只是這個狀態描述起來，實在囉嗦，於是乎，決定用一個詞「流失」方便指代了，僅此而已。

事實上，所有的業務問題，都不存在完美定義的Y。因為，業務的核心訴求本身就不是絕對清晰定義的。因此，在實際工作中，對於Y的定義，不能追求完美，而是追求合理，追求對業務有切實的幫助，點到為止。

4瞄準真實的業務目標

數據要產生價值，需要一個合理定義的Y，瞄準真實的業務價值。因此，Y必須來自真實的業務實踐，要瞄準真實的業務目標。

曾經有一個消費信貸企業，做了一個數據分析競賽。競賽的目的是多方面的。一方面，通過競賽活動，擴大企業知名度，尤其要提高企業在老師同學心目中的形象，為未來人才招聘與儲備，做好市場鋪墊。另一方面，通過數據分析競賽，希望能找到並吸引優秀的數據科學人才來公司工作。為此，企業給出的競賽題目來自真實的信貸實踐。真實的信貸場景是這樣的，一位需要短期小額資金周轉的潛在客戶，希望獲得一筆小額貸款（例如：2萬元）。於是，他通過訪問企業網站，提交大量關於個人信用資質的材料，希望在這些材料的支持下能夠獲得批准。從回歸分析的角度看，該客戶提交的所有資料，都屬於X的範疇。無論是信貸員，還是徵信模型，本質上就是通過分析這些X，對未來的信貸風險有所判斷。為此，需要建立一個回歸分析模型。請問：Y應該是什麼？兩個選擇：（1）一個用戶申請過程中，審批業務員是否通過；（2）通過後的申請，最終是否違約？

當時競賽數據中Y的選擇是（1），請問：你如何評價？如果我們採用（1），那麼因變數就是：Y=1（審批業務員通過），或者Y=0（審批業務員不通過）。那麼，相應的回歸模型學習的就是業務員的決策規律，而不是最後的違約行為。這樣做有以下幾個問題。第一、這麼做背後有一個假設，那就是審批業務員的決定是絕對合理的，甚至是金標準。如果，審批業務員自己的決定就是稀里糊塗的，或者是非常容易被改進的，那麼學習審批業務員決策的意義何在？第二、給定一個有規模的信貸企業，需要審批的業務量都非常大，一個或者幾個審批業務員是無法完成這麼巨大的工作。因此，審批業務常常由一個團隊來完成，少則幾十個審批業務員，多則上百個。這麼多審批業務員，他們的評價標準顯然不一致，每個人都有自己的標準，統統反映到了（1）所定義的Y上。這麼多不同的審批標準，到底哪個標準是金標準？或者更好的標準？不容易說清楚。因此，作為一個模型而言，學習到的將是所有審批業務員的平均標準。要知道，平均標準一定不是一個好標準，因為真正優秀業務員的見解，被其他審批業務員的數據給平均掉了。不禁要問：學習這樣一個平均的審批標準，而不是最優秀審批標準的意義何在？

當然，作為一個學術競賽項目，畢竟就是練練而已，並不是真正的業務實踐。但是，如果把（1）帶到真實的業務實踐，那就可能是非常危險的。真正的業務實踐可千萬要記得選擇（2），而不是（1）。

﹏﹏﹏﹏

再看一個例子。有一次上課，我請同學們根據自己的興趣愛好，定義一個0-1回歸分析問題，也就是Y的數據類型是0-1型數據。有一個同學是足球迷，提出了這麼一個問題。給定咱們國家甲A聯賽所有球員，本賽季的所有信息（例如：年齡、位置、上場次數、進球數、越位數等），能否對每一個球員給一個預測性判斷：他是否應該入選國家隊。我覺得這是一個非常有趣的問題。首先，體育大數據，尤其是足球大數據，在咱們國家還屬於起步階段，備受關注。其次，這個問題很有趣，如果我能有一個模型，對一個球員是否應該進入國家隊，做出一個量化的判斷，也許對國家隊教練組有一定參考意義。但是，我不清楚應該怎麼做。這個業務問題的X非常容易定義，就是該球員最近一個賽季的所有信息。但是，Y應該是什麼？咱們的同學說：Y就是這個隊員，最近12個月，是否進過國家隊。你看這個Y定義得如何？有沒有覺得哪裡不對勁？

如果我是主教練，我決定是否選用一個隊員進入國家隊的主要考慮是：提高球隊的整體戰鬥力。如果，我們能有一個Y，刻畫該球員，進入國家隊後的「戰鬥力」，這就完美了。但是，顯然不存在這樣的Y。因此，只能退而求其次。但這並不能說明，最近12個月是否進入過國家隊是一個合理的替代品。這樣定義的Y，背後有一個隱含的假設，過去12個月所產生的國家隊隊員錄用情況應該是非常合理的。這個假設顯然有問題。如果過去12個月國家隊的戰績並不理想，甚至很糟糕怎麼辦？如果是這樣，說明過去12個月的國家隊構成是有問題的。因此，過去12個月是否進入國家隊，並不能構成對未來的建設性意見。這裡的問題出在哪裡？這裡的問題是：咱們所定義的Y（過去12個月是否被國家隊錄取過），並沒有瞄準真實的業務目標（提高戰鬥力）。

5瞄準原因而不是結果

在定義Y的過程中，人們很容易犯的另外一個錯誤就是混淆了原因和結果。數據分析的最終目標是創造價值，創造價值依賴具體的業務場景，而業務因變數Y就應該對準業務場景中的核心價值。人們希望通過回歸分析的結果，改進Y的預期。通過改進Y，進而改善業務。因此，Y應該是業務的原因，而不是結果。

看一個具體案例。有一個大型購物中心（例如：華聯、金源、萬達），要蓋一個新的購物中心，希望嘗試一些新的，更好的設計理念。最終目標是讓購物中心變得更「好」。對，這就是業務問題。請問：到底什麼叫做「好」？為此，跟業務團隊有不少溝通交流，進而瞭解到該購物中心的主要收入來自兩個方面：（1）入駐商家的租金；（2）入駐商家的銷售收入分成。接下來，如何定義Y？如果僅僅從收入的角度看，（1）是一個非常合理的Y，因為這是收入中最重要的部分。但是，我想告訴你，這個Y很糟糕。為什麼？粗淺地看，這個租金Y似乎是購物中心自己定的。也就是說，購物中心作為業主，對自己所有的商鋪資源，有定價權。我想定什麼樣的租金Y，就定什麼樣的租金Y，那還有什麼好分析的？

聰明的你也許會說：不對！購物中心可以任意定價，但是市場不一定買單。如果定價過低，一定很多商鋪排隊入駐。如果定價過高，那就無人問津，租不出去。因此，最終的租金應該是一個市場供求雙方博弈的結果。這麼說很有道理！可以繼續追問：在市場買賣雙方的博弈過程中，什麼樣的商鋪租金可以更高？什麼樣的更低呢？樸素的業務經驗告訴我們，人流量大的商鋪，租金就應該更高，否則就更低。什麼樣的地方流量大？扶梯旁邊、中庭附近、動線樞紐！由此可見，商鋪的租金收入是一個結果，是一個市場博弈的結果，而不是原因。推動這個結果最根本的原因是：客流量。因此，一個更加準確的Y，一個瞄準原因的Y應該是客流量。通過對各個店鋪客流量的回歸分析，可以理解：扶梯如何影響客流量，中庭如何影響客流量，動線設計如何影響客流量等等。在這樣的見解支持下，纔可能評價未來的新設計，是否更「好」。

﹏﹏﹏﹏

再考慮一個物聯網的案例。假設有一個重大設備（例如：發射塔、生產線、鍋爐），需要常年穩定運行。一旦出現故障，就需要停車重啟，帶來不小的生產損失。因此，設備管理人員非常希望通過數據分析，理解背後的原因，改善設備運營維護的規範，進而降低設備故障的次數。這就是業務問題。請問：這裡的Y是什麼？大量的相關企業會把Y定義成為該設備故障的具體時間，希望通過對故障時間的準確預測，提前預警，做好相應的運營或者維護的準備。這個思路怎樣？事實證明，該思路實際效果非常差。為什麼？因為該設備非常重要，因此故障次數很少。一年到頭也不會有幾次故障，故障相關的觀測數據非常少。而如此少的數據量所產生的模型預測精度一定是令人失望的。請問接下來怎麼辦？同工程師的深入溝通發現，該設備故障的主要原因是某些元器件老化，造成關鍵部件電流過大，形成了持續的高強度工作壓力。只有在這樣的高電流壓力下，設備纔有故障的可能。但是，這並不是說電流只要大了設備就要故障。因為關鍵部件的抗壓能力很強，它們會在高電流的情況下正常運行很長時間，直到最後階段，才會隨機地失效。所以，高電流是產生故障的必要原因，雖然不充分。因此，只要能夠有效監控電流，就可以有效避免設備故障。請注意，避免設備故障纔是這個業務的真正需求，而不是預測故障時間。最後，整個項目組終於對這個業務問題的理解達成了高度一致，最後確定的Y是：關鍵部件的電流量，而不是設備的故障時間。因為：電流量纔是業務問題的原因所在！