在确定了业务目标之后，我们需要确定使用哪些数据来达到目标。需要事先梳理哪些特征数据可能与目标相关，尽可能的找出对因变量有影响的所有自变量，然后对数据可用性进行评估，包括获取难度、覆盖率、准确率等。
可用性评估
在确定好要使用哪些数据之后，我们需要对使用数据的可用性进行评估，包括数据的获取难度，数据的规模，数据的准确率，数据的覆盖率等。
- 数据获取难度，例如获取用户id不难，但是获取用户年龄和性别较困难，因为用户注册或者购买时，这些并不是必填项。即使填了也不完全准确。这些特征可能是通过额外的预测模型预测的，那就存在着模型精度的问题。
- 数据覆盖率也是一个重要的考量因素，例如距离特征，并不是所有用户的距离我们都能获取到，PC端的就没有距离，还有很多用户禁止使用它们的地理位置信息等；对于用户历史行为，只有老用户才会有行为；对于用户实时行为，如果用户刚打开 app，还没有任何行为，同样面临着一个冷启动的问题。
- 数据的准确率，因为从网上或者其他地方获取的数据，会由于各种各样的因素（用户的因素，数据上报的因素）导致数据不能够完整的反映真实的情况，这个时候就需要事先对这批数据的准确性作出评估。如订单质量、用户性别等，都会有准确率的问题。