1. 课程导论：什么是坏样本归因分析、为什么需要归因分析、课程目标与学习路径
1.1 什么是坏样本归因分析
在数据驱动的业务决策中，坏样本（Bad Samples）通常指那些导致模型效果下降、业务指标异常或系统行为偏离预期的数据点。例如：信贷场景中的逾期用户、推荐系统中的低点击率商品、工业质检中的缺陷产品。坏样本归因分析，就是通过系统化的方法，定位这些异常数据背后的根因（Root Cause），并量化各因素对坏样本产生的贡献度。
核心定义：坏样本归因分析 = 异常检测 + 因果推断 + 贡献度量化。它不是简单的“找不同”，而是从数据、特征、模型、业务逻辑四个维度，构建可解释的归因链路。
归因分析区别于传统的描述性统计：描述性统计告诉你“发生了什么”，而归因分析回答“为什么发生”以及“各因素影响有多大”。
| 维度 | 描述性统计 | 归因分析 |
|---|---|---|
| 目标 | 描述现状、趋势 | 定位根因、量化贡献 |
| 方法 | 均值、方差、分布 | Shapley值、因果图、反事实推断 |
| 输出 | 报表、仪表盘 | 归因路径、贡献度排序 |
| 决策价值 | 发现问题 | 指导修复、优化策略 |
1.2 为什么需要归因分析
在真实业务场景中，坏样本带来的损失往往是巨大的。以金融风控为例，一个坏账率上升1%可能意味着数千万的损失。归因分析的价值体现在三个层面：
- 止损与修复：快速定位导致模型失效或业务异常的关键因素，制定针对性修复策略，减少持续损失。
- 模型迭代：通过归因结果发现特征工程中的盲区、数据质量问题和模型偏差，指导下一轮模型优化。
- 业务解释与合规：向业务方、监管方清晰解释“为什么这个样本被判定为坏”，满足可解释性要求。
行业痛点：很多团队停留在“看报表、拍脑袋”的阶段，缺乏系统化的归因方法。本课程将帮你建立从数据到根因的完整分析框架。
以下表格对比了“有归因分析”与“无归因分析”在关键环节的差异：
| 业务环节 | 无归因分析 | 有归因分析 |
|---|---|---|
| 异常发现 | 靠人工经验、滞后 | 自动化检测、实时告警 |
| 根因定位 | 猜测、试错 | 数据驱动、量化排序 |
| 修复效率 | 低，反复返工 | 高，精准施策 |
| 团队协作 | 信息孤岛、沟通成本高 | 统一归因报告、共识明确 |
1.3 课程目标与学习路径
本课程的目标是：让你从零掌握坏样本归因分析的全链路实战能力。学完本课程，你将能够：
- 独立完成坏样本的识别、清洗与特征工程。
- 熟练运用 Shapley 值、因果推断、反事实分析等主流归因方法。
- 构建可复用的归因分析流水线，输出结构化的归因报告。
- 在真实案例中（信贷、推荐、风控）快速定位根因并给出修复建议。
课程分为四个阶段，循序渐进：
| 阶段 | 章节范围 | 核心内容 | 实战产出 |
|---|---|---|---|
| 基础篇 | 第1-5章 | 归因分析概念、数据预处理、异常检测 | 坏样本数据集 + 异常检测脚本 |
| 方法篇 | 第6-15章 | Shapley值、因果图、反事实推断、贡献度分解 | 归因模型代码 + 可视化图表 |
| 案例篇 | 第16-25章 | 信贷逾期、推荐低转化、工业缺陷等真实案例 | 完整归因分析报告 |
| 进阶篇 | 第26-30章 | 自动化流水线、大规模归因、业务落地 | 可部署的归因分析系统原型 |
重要提示：本课程所有案例均使用脱敏后的模拟数据，不涉及真实用户隐私。请在学习过程中注重理解方法论，而非死记代码。