第2章：問題設計與目標設定

# 第2章：問題設計與目標設定 在任何資料科學專案的起點，最關鍵的任務都是**把業務需求轉化為可量化、可操作的問題**。這一過程不僅需要技術視角，更要具備商業洞察與溝通能力。章節將從問題拆解、SMART 原則、KPI 定義三個層面說明，並提供實務範例與工具建議，協助讀者快速落地。 --- ## 1. 從業務需求到可量化問題 ### 1.1 需求收集 - **Stakeholder Interviews**：與產品經理、營運、行銷等部門面談，記錄「為什麼」與「希望解決什麼痛點」。 - **現有報表與 KPI**：檢視目前的報表，找出缺失的指標。 - **問題卡（Problem Card）**：以結構化表格記錄需求，方便後續檢視。 ```markdown | 需求者 | 需求描述 | 目標（可衡量） | 依賴資料 | 可能障礙 | |--------|----------|----------------|----------|-----------| | 行銷部 | 提升客戶留存 | 目標留存率 +5% | 客戶使用紀錄 | 會員資料不完整 | ``` ### 1.2 需求拆解 1. **Define the outcome**：明確要產生什麼結果。 2. **Identify measurable metrics**：選擇能量化的指標。 3. **Determine data scope**：確定需要哪些資料、資料來源。 4. **Set constraints**：時間、成本、合規等限制。 > **案例：線上零售客戶分類** > > - **業務需求**：找出哪些客戶最有可能再次購買。 > - **量化問題**：建立一個二元分類模型，預測客戶是否在接下來30天內再次下單。 > - **KPI**：提升模型準確率至≥85%。 ## 2. SMART 原則 SMART 代表 Specific（具體）、Measurable（可衡量）、Achievable（可達成）、Relevant（相關）、Time‑bound（時限）。應用於專案目標設定，能避免模糊與不切實際的預期。 | 原則 | 解釋 | 範例 | |------|------|------| | **Specific** | 目標要明確、具體 | 「降低客戶投訴率」→「降低客服投訴率」 | | **Measurable** | 可量化、能測量 | 「提升轉換率」→「提升至4%」 | | **Achievable** | 基於現實情況、資源可行 | 「即時回覆所有客訴」→「在24小時內回覆90%客訴」 | | **Relevant** | 與組織目標緊密相關 | 「提升品牌知名度」→「提升社群媒體觸及率」 | | **Time‑bound** | 明確完成時間 | 「改進網站載入速度」→「在3個月內完成」 | ### 2.1 實務檢查清單 ```text 1. 目標是否具體且唯一？ 2. 目標是否可用數據量化？ 3. 目標是否在可用資源內可達成？ 4. 目標與公司長期願景一致？ 5. 目標是否設有明確時程？ ``` ## 3. KPI 定義與量化指標 KPI（關鍵績效指標）是衡量目標達成度的工具。好的 KPI 必須具備 - **可追蹤**：有資料來源可定期取得。 - **易於理解**：非技術人員亦能快速掌握。 - **行動導向**：能促進決策與優化。 ### 3.1 KPI 類型 | 類型 | 例子 | 適用場景 | |------|------|-----------| | **營收** | 月度營收、平均訂單價 | 電商、SaaS | | **使用率** | 活躍使用者數、留存率 | App、服務平台 | | **品質** | 失敗率、客訴數 | 製造、客服 | | **效率** | 產能、回覆時間 | 物流、客服 | | **滿意度** | NPS、CSAT | 零售、服務 | ### 3.2 KPI 設定流程 1. **確定業務目標**：與高層或部門主管確認。 2. **選擇適合指標**：符合 SMART 原則。 3. **定義計算公式**：確保統計一致性。 4. **建立數據管道**：自動化資料提取與報表。 5. **持續監測與調整**：根據實際情況迭代。 > **實務工具**： > - **Tableau / Power BI**：視覺化 KPI。 > - **Looker / Superset**：資料探索與報表。 > - **Python / R**：自動化計算與檢測。 > - **Airflow / Prefect**：排程與監控。 ## 4. 端到端範例：從需求到 KPI ### 4.1 背景 - 公司希望提升「訂閱服務續費率」。 - 目標：在三個月內將續費率提升 3%。 ### 4.2 SMART 目標 - **Specific**：提升「訂閱服務續費率」。 - **Measurable**：提升 3%。 - **Achievable**：過去六個月平均續費率 70%，3%提升相對合理。 - **Relevant**：續費率直接影響營收與客戶終身價值。 - **Time‑bound**：三個月內完成。 ### 4.3 KPI 設定 | KPI | 定義 | 計算公式 | |------|------|-----------| | 續費率 | 續訂客戶 / 總訂閱客戶 | `續訂客戶 / 總訂閱客戶 * 100%` | | 續費客戶平均使用天數 | 續訂客戶使用天數平均 | `sum(使用天數) / 續訂客戶數` | | 續費客戶滿意度 | 客戶回饋滿意度 | `sum(滿意度) / 續訂客戶數` | ### 4.4 資料需求 | 資料來源 | 欄位 | 來源 | 備註 | |-----------|------|------|------| | 會員系統 | 會員ID、訂閱開始、訂閱結束、續費狀態 | 內部資料庫 | 需要確認時間戳 | | 客戶滿意度調查 | 會員ID、滿意度 | 調查表 | 匿名化後可合併 | ### 4.5 實務流程 1. **資料抽取**：使用 SQL / Python 提取。 2. **資料清理**：處理缺失值、重複記錄。 3. **特徵工程**：計算「使用天數」等衍生變數。 4. **報表自動化**：Airflow 週期性執行，輸出至 Power BI。 5. **決策反饋**：營銷團隊調整促銷策略，並追蹤 KPI 變化。 --- ## 5. 實務建議與常見陷阱 | 圖例 | 建議 | 典型錯誤 | |------|------|-----------| | **需求不完整** | 先定義「成功定義」，再確認數據可支援 | 過度擴大範圍，導致專案失敗 | | **SMART 失衡** | 每個維度都檢查一次，確保無偏離 | 只重視「可衡量」而忽略「可實現」 | | **KPI 變更頻繁** | 先設置長期 KPI，再用短期指標跟進 | KPI 變更造成數據不一致 | | **資料治理不足** | 建立資料字典、權限管理 | 資料質量問題難以追蹤 | > **工具推薦**： > - **Notion / Confluence**：需求與設計文件協同。 > - **DataDog / Grafana**：KPI 視覺化監控。 > - **Great Expectations**：資料質量檢測。 --- ## 小結 - **問題設計是數據科學的第一步**：缺乏清晰的問題定義，即使再先進的模型也無法產生實際價值。 - **SMART 原則與 KPI** 能把抽象的業務目標轉化為可操作、可量化的工作指標。 - **跨部門溝通** 與**資料治理** 是關鍵，確保問題、目標、資料來源彼此對齊。 - **持續迭代**：專案進行過程中要定期回顧 KPI 與目標，適時調整策略。 --- > **下一章預告**：第三章將深入探討數據蒐集與資料治理，說明如何有效選擇資料來源、建立資料管道與確保合規性。