那我们就跟别人去请教说，樊老师你觉得啥是价值？樊老师说，很简单，我们利润保密不能告诉你，就是给我创造的收入多就叫价值高，这不很简单么？我们把这些用户他买过几辆车，然后在4S店里面做过多少次维修保养，一加和，这就是价值。
你会发现在某一个细分行业里，可能你有一部分的数据资源的获得是非常有挑战的，不是不可能，一定是极具挑战的，而另外一个方向上，可能是很容易获得的。那么，如果我们创业在这个过程中，要尽早地思考这个问题，不要走到那儿跟前才发现我们要拿的这个Y或者X，是动了人家的核心利益，那是不可能给你的，那个时候就太晚了。
不是，在商业实践中，我们做数据分析的唯一的目的是要解决业务问题、创造商业价值。所以，数据思维在我这里，就是用了四个字总结了我这十几年摸索的一套方法论。什么方法论？让数据怎么变成商业价值，这是我说的数据思维所代表的核心的问题。
所以，这些年的思考，让我琢磨透了一件事情，别人家的故事跟我没有太大的关系，数据之于我的价值一定是关乎我们自己业务的核心诉求。它要解决我的业务问题，比方说，我常常开个玩笑：我是北大东门卖豆浆的，我每天的豆浆销量是100碗。您跟我讲有大数据产品怎么高大上，跟我没关系。你可以告诉我通过什么样的数据分析告诉我怎么卖豆浆，我这个豆浆销量每天从100碗变成150碗了，多出了50碗。这是可见的收入上的价值，咱俩分，给您20碗，你喝10碗倒10碗我不介意。但是你给我讲谷歌的故事、讲亚马逊的故事、讲淘宝，跟我没有关系，对我没有用处。
王汉生：这也是个特别好的问题，你看，第一个咱们说数据分析要解决业务问题。那么，樊登读书是个特别优秀的组织，然后中间肯定有大量的业务诉求，那我们不能一口气全干完。那么，先说一个诉求是啥？比方说，我要增加我的粉丝量，这时我提到了一件事情，叫作我的业务的核心诉求是粉丝量，那我们把它叫作Y，这就是我的核心的目标了。
文案在我这儿就是文本，我会根据您的文案把它关键词做相应的细分，抽象出各种各样的指标出来，然后我会建立这些指标和这个粉丝增量之间的关系，比方说，我们文案中可能会出现一些重要的关键词。比方说，某些作者的名字，我们发现出现之后它就会猛增，或者文案中出现了有些不该出现的词，显得我们跟别人相比太low，就会降低。
有时候，跟我们的学生开玩笑说：“以后听讲数据分析的人讲课，我教你一个最捣蛋的提问题的方法。就是他讲得很好，最后你问他so what——你做完分析后你能干什么，怎么实施？基本上10个里面，有9.9个会被问惨。”
王汉生：没错，这个时候有一个案例对我启发特别大。这个案例也是一个老掉牙的案例，很多的大数据上都会讲farecast（价格预测）。它讲的是什么故事呢？有一个计算机的教授，他做了一个算法，能够预测机票价格的涨和跌。那对于我来说，如果你告诉我机票看涨，我应该赶紧买票；如果看跌，我就该等一等。他通过大量的随机模拟发现，这个算法能够为普通人能够节省大概20%以上的预算，而且是非常开心的事。但是，问题是这是个平均数，那意味着有人就节省了，有人就赔了；有人这次节省了，下次可能就赔了。
第一个，作为一个集团公司，它特别需要首先能有个基本的工具，判断我的客户的价值高和低，我的有些预算会这么花。有的预算是说，我希望回馈我高价值客户，你得告诉我哪些是高价值？有些预算是说，我希望把低价值客户能够培养成为高价值客户，那我需要用在谁身上？最后评价它的效果。
我们的产品经理有了数据思维会知道我怎么样让我的数据价值能够在一个图表和dashboard（商业智能仪表盘）上表达出来。我们的企业的老大要知道，就像您刚才问我那个问题，我们要让樊登读书做到更好，我的数据上战略性的动作是什么？别告诉我什么数据都要采集，那是有成本的，你应该告诉我说哪些环节上的数据可能之于我现在的核心业务，是最有价值的，我就采那些就行了。哪些是不足的，我要通过什么样的BD（商务拓展）的手段，形成战略性的合作能够获得的。所以，从上到下都需要这样的东西。当然，技术人员就更需要知道后面所有的技术方法，包括我们的程序代码可能都是需要的。
王汉生：首先还是这个问题，每个人有不同的定义，那我说我的定义是什么。在我看来只要有Y和X的都叫回归分析。那有Y和X之后，我们一般在大学学习中，第一门线性回归分析课，会讲一个线性模型，那么现在的计算机技术更好以后，我们会有大量的非线性方法。其中包括非线性模型、非参数模型、机器学习、深度学习算法。在我脑袋里统统都算回归分析，这是一个技术的层面。这些我还不是最感兴趣的，我最感兴趣的还是刚才说的在道的层面去做回归分析，我把它认为是一种思想方法。它能够帮助我们把一个业务问题迅速地定义成一个数据可分析问题，从那个位置开始往后都是纯技术的。
我们对数据的理解，首先我们要理解分析的目的是什么，我们要先问这个问题。这个问题都不清楚可能就变成一个学校里的作业了，然后有了目的之后我们再问：我的业务分析的核心诉求中，Y是什么，X是什么，能不能梳理出来？那个变量带来的改变目标又是什么？那么，Y，我们把它叫作因变量，它是业务最核心的诉求。X是它相关的解释性的变量，我能不能梳理出来？如果能够梳理出来，然后我在这上面可以尝试一些最简单的分析。它能够带给我们一些什么样的价值？我们可以尝试慢慢地去做。
樊登：也是为了提高整个社会的精度，让我们减少一些浪费和无谓的损失。那我是大致听懂了，就是数据思维有这么三个方面。我们需要首先找到可以量化的数据，然后找到我们需要去改变的因变量，然后看看它们俩之间X 和 Y是怎么发生关系的，接下来，我们后半段交给技术人员去帮我们做处理。
那么，我们就会问：不同车型有没有影响？这是一个X。不同驾驶员有没有影响？不同驾驶员你又可以分性别、年龄、驾龄，你找到很多X变量。他的维修保养行为有没有影响？我们就用当前能看到的数据，把这个人的所有指标拿出来，建立他和他未来的价值之间的相关性，拿出一个打分的方案。最后，这个打分方案会告诉您，您买车多花1万块钱，我给您加多少分，来一次维修保养花1千块钱，我加多少分，你来一次就喝杯咖啡，啥事都不干，我也要给你加多少分，就形成一个打分体系。
王汉生：这是一个特别好的问题，你说，我们天天都在谈大数据，里面充满了那么多好玩的故事，跟我们老百姓真正相关的特别少。所以，如果我们把老百姓也看作一个自然成长的个体，我们希望将来为自己、为社会创造价值的话，我觉得需要的是最朴素的一些数据价值观和它的这种方法论，那么这个价值观正好是《数据思维》里面想去强调的价值观。
首先，是要知道所有能够被电子记录的东西才被称作是数据，然后通过它能够形成具体的动作产品化才能够创造价值。所谓的数据思维，就是了解从数据到价值之间的这个过程。然后把我们整个业务当中的因变量，就是你希望改变的那个Y找到，对它所影响的X都有哪些。把这些数据采集出来之后，我们交给专业人士去做回归分析，找到它们的相关关系。回归分析之后，就能够得出哪些东西的影响更大，哪些东西影响更小，之后形成一个具体的动作，就叫产品化的过程，从而创造价值。所以，真的得培养很多这方面的人才。
王汉生：没错，这个时候有一个案例对我启发特别大。这个案例也是一个老掉牙的案例，很多的大数据上都会讲farecast（价格预测）。它讲的是什么故事呢？有一个计算机的教授，他做了一个算法，能够预测机票价格的涨和跌。那对于我来说，如果你告诉我机票看涨，我应该赶紧买票；如果看跌，我就该等一等。他通过大量的随机模拟发现，这个算法能够为普通人能够节省大概20%以上的预算，而且是非常开心的事。但是，问题是这是个平均数，那意味着有人就节省了，有人就赔了；有人这次节省了，下次可能就赔了。
樊登：类似的案例我听过是，有一个人在路边喝咖啡，然后他就看到下雨了。下雨了以后就好多人在抱怨说，完了，今天这个生意又糟糕了。他说，这有意思。他就去研究下雨以后，到底对多少人的生意有影响。然后，竟然通过数据的分析和精算出了一款下雨险，让这些商家、个人买。你买了我这下雨险，如果下了雨赔给你，但如果没下雨我就赚钱了。这就是从一个数据慢慢地变成一个产品的过程。
我就说一定要把这本书啃下来讲给大家听，结果翻了一下发现看不懂，因为里边好多数学知识。虽然我原来数学也不错，但是真的是已经远离了。好在这本书的作者王汉生教授，他是北大光华管理学院的统计学著名的教授，也是我们樊登读书会的会员。他特别开心地来到我们作者光临，给大家讲讲最近的这本新书，叫《数据思维》，欢迎您王教授！
樊登：所以，看这本书的人，就是找能看懂的部分看就行了。看不懂的部分，交给北大的研究生们看就行。最后，给大家普及一下大数据的基本常识，因为很多人都老听大数据这个词，都觉得很有意思很神秘。比如说，谷歌一大堆数据放在那儿，说只要大家搜这个词多了，那感冒就来了。这种大数据跟老百姓有什么关系？
时间长了，你会发现生活中处处都是回归分析。我经常有时候跟我们同学开玩笑。我给大家看一个我的自己的银行电子账单。那是我在美国访问的时候——那时候访问了大概五六个月，有一个电子账单，上面的广告请我去万达看电影，去吃汉堡包。我经常开玩笑说：“我特别喜欢看电影，相当喜欢万达影院，但是太远了。我当时是在美国。”
非常有意思的发现是，同样的这个问题从小汽车变成大卡车的时候故事全变了，为什么？大卡车都是物流企业，物流企业它自己知道哪辆车出没出险，所以同样的数据，不仅保险公司有，物流企业也有，而物流企业正好是你的合作伙伴，它有很好的配合的意愿把这数据给你，所以同样是一个数据创业的项目。