在通信网络优化中，BBU由DRAN方式改为CRAN方式，或将分散的OLT集中起来，会导致BBU到RRU或OLT到分光器的接入光缆距离变长，这就会引来一个运维比较关心的问题： 光缆线路越长，故障次数是否越多？

乍听之下，这似乎不用讨论——当然越长越容易坏了，线路越长，风险点越多，还有一个指标可以通过反算来说明这个问题。

平均百皮长公里故障次数 = 障碍总次数 ÷ 光缆线路总长度 × 100

这个指标被广泛用于年报、统计表以及考核体系中。它适合进行总体评价，虽然看似科学、简洁，但对于分类的评价，很容易导致错误的推论。因为它混淆了“总量”和“密度”，把不同长度、不同环境的光缆混在一起平均，从而掩盖了真正的规律。

被“平均”掩盖的真相

举个简单的例子。假设网络里有两类光缆：城区的短光缆和长途的干线光缆，故障统计如下：

城区短光缆虽然线路短，但故障次数却不少；长途干线线路长，故障次数更多，但换算成单位长度的故障率却低得多。把两种光缆加起来平均，看似网络整体很稳定，但却掩盖了城区短光缆的高风险。这个“混合偏差”告诉我们，直接用简单的算术平均数（以下简称平均数）来评价，往往会给出误导性的结论。

这就是典型的“ 混合偏差 ”（mixing bias）：当你把不同性质的对象混在一起算平均，结果往往没有任何现实意义。就像把婴儿和老人一起统计平均寿命，再用它预测“中年人的死亡风险”，完全南辕北辙。

为什么“分档统计”更科学

因此，一个更科学的方法是将光缆按长度分档（光缆的端点如何确定，还是比较复杂的，比如用复用段、光放段、光缆段、光路段？，这是另外的话题了），比如10公里以下、10到50公里、50到100公里、100公里以上，分别计算每档的故障率。通过分档统计，我们才能真正看到不同长度光缆的故障规律：如果长距离光缆的单位故障率高，就说明距离确实加大了风险；如果故障率差别不大，说明故障次数的增加仅仅是线路数量多的自然结果；如果短距离的故障率反而更高，背后可能是施工环境复杂和人为破坏导致的。

这种做法，统计学上叫分层分析（stratified analysis），工程上叫结构化指标分析。它能避免整体平均的“生态谬误”（Ecological Fallacy）——即不能用总体平均去推断局部特征。

为什么“越长越坏”未必成立

从工程实际出发，光缆故障的因素极多——不仅仅是长度。光缆及附件质量、外部环境、敷设方式、巡检力度等等，都在发挥作用。比如城区改造区域光缆密集，施工挖掘频繁，造成故障频发，再如接入光缆的接头盒质量不过关，极易造成衰减不稳定，发生闪断。反而相对平稳、保护措施好的长途光缆，单位长度的故障概率会更低。因此，简单认为“越长越容易坏”其实并不严谨。

换句话说，总故障数确实随长度增加，但单位长度的故障概率未必增加。把两者混为一谈，就像说“人口多的国家交通事故一定多”，却没问一句——每万人事故率是多少？

科学分析的进阶方法

如果要更深入探究接入距离与故障次数的关系，可以借助统计学中的 泊松回归 或 负二项回归 ，将 故障次数作为因变量 ， 光缆长度作为基准 ，同时控制 环境条件、施工质量等因素 。还可以做 队列对比分析 ，比较改造前后的长、短线路组的故障表现，计算相对风险，这才能给出“长度是否是独立风险因子”的科学证据。单凭简单的平均数，根本看不到这些细节。

拒绝“平均的幻觉”

总的来说，平均数往往会让我们陷入“平均的幻觉”，看似简单合理，却掩盖了真实的光缆故障分布。只有通过分层、分档、分情境的细致分析，才能真正触及问题本质。做到这点，数据才有了洞察的力量，而不仅仅是枯燥的数字。

题外话

数据的价值不只在于计算，更在于深入挖掘背后的故事。当平均数让视野模糊，我们要学会拆解与细致观察，逐层揭开真相。这种科学严谨的态度，正是面对复杂系统时最可靠的方法。 只是，收集和准备好这些详细的数据，是实践中最大的挑战 。