等一等，不要急著建模型！

在充分了解企業想透過分析來回答的問題後，也還不到一頭就栽進模型的時候。因為一樣的問題，回答的方式通常不只一種，所以運用資料分析的手法也不會一樣。棘手的是並沒有所謂的標準模式可以放諸四海皆準，我個人認為比較好的方法是先思考企業未來可能會如何應用分析的結果。這好比要在紙上畫一條直線，之前提到的了解問題就是直線的起點，應用分析的結果則像是終點，唯有先確認終點的位置，畫出的直線才不會偏誤。

說起來似乎很抽象，因此我用一個實際（但已被我大幅修飾與偽裝）的案例來說明。

有一家大型的通路事業群，旗下有兩個不同品牌的連鎖通路：一個是走超級市場路線的「好食在」，一個是專賣家電與3C的「好家在」，其中「好食在」成立較久，分店數也較多。這兩個通路品牌各自擁有自己的行銷團隊，行銷檔期也不同，但會員卡是共同的「卡好卡」，會員在兩家通路都可以持卡累積消費點數。由於「好食在」的歷史久、分店多，到「好食在」消費的會員遠多於「好家在」，因此這個事業群新上任的行銷總監希望「好食在」的行銷團隊能把會員導到「好家在」消費。另一方面，「好家在」因為銷售3C與家電，會員的客單價都遠高於超級市場型態的「好食在」，所以這個事業群也想辦法讓「好食在」多吸收一些過去只在「好家在」消費的會員。

笨蛋，問題在問題！ Part 3

雖然前面兩篇提到的都是我在工作上遇到的實際狀況，但這不代表只有我自己一個人認為深入了解Business Problem是最優先的步驟。舉例來說，CRISP-DM這個Data Mining流程模式在1990年代誕生的時候，第一個步驟就是Business Understanding：

This initial phase focuses on understanding the project objectives and requirements from a business perspective, then converting this knowledge into a data mining problem definition and a preliminary plan designed to achieve the objectives.

到了2012年，Jean Paul Isson和Jesse S. Harriott寫的《Win With Advanced Business Analytics》這本書，也是把Business Challenges放在他們提出的BASP（Business Analytics Sucess Pillars）架構的第一位：

... a crucial step of any business analytics implementation requires clear understanding of organizational objectives, or "business challenges," to ensure that any solution is aligned with, and addresses, the company's biggest or most pressing needs.

那麼為什麼人們還是常常輕忽了這個重要的步驟，直接就討論要建置什麼模型呢？我觀察到一個現象，也許跟這種狀況有關。