Skip to content

Data Science › Data Communication › 形成分析問題

形成分析問題 (Forming Analytical Questions) ​

把廣泛的業務或研究關切,轉成資料與特定方法能實際回答的問題。問題一開始沒有界定對象、時間範圍或判斷標準,分析很容易變成「做了很多圖,卻沒有回答決策問題」。

text
業務 / 研究問題 → 分析問題 → 分析方法 → 結果 → 決策
(為什麼流失增加?)(過去 6 個月哪些客群流失率最高?)(描述性分析)

只做其中一段通常無法產生價值。

業務問題 vs 分析問題 ​

面向業務 / 研究問題分析問題
範圍廣、開放、以決策為導向具體、聚焦、可回答
語言業務 / 臨床語言資料與分析語言
證據可能包含直覺、經驗、專家意見需要資料與明確的分析方法
產出方向支持該方向、可衡量的洞察
業務 / 研究問題分析問題
該用哪些活動吸引新客戶?過去 6 個月哪些客群帶來最多 / 最少營收?過去活動對各客群銷量的影響為何?
這個藥對哪些病人有效?在 2020–2024 年的 cohort 中,治療組 vs 對照組的 12 個月無惡化存活率,依生物標記狀態分層是否不同?
這批 scRNA-seq 有什麼發現?疾病組相較健康組,哪些細胞類型的比例改變?各細胞類型內哪些基因差異表現(樣本層級 pseudobulk)?

好的分析問題 ​

特性檢查弱 → 強
具體 (specific)聚焦問題的一部分「哪些客戶最重要?」→「哪個客群營收最高 / 最低?」
可衡量 (measurable)能用可觀測的資料回答指出確切的指標或結果
可行動 (actionable)答案會影響決策不同答案會導致不同做法
相關 (relevant)連回原本的目標—
有時限 (time-bound)界定期間或預測範圍「…在過去 6 個月」

接近規劃常用的 SMART 原則。

先釐清真正重要的是什麼 ​

設計分析問題前,先和利害關係人釐清:

要問清楚例子
他們想知道什麼?流失原因、治療反應的預測因子
要做什麼決策?調整活動預算、決定下一個實驗
誰會用結果?主管、臨床醫師、實驗室
有哪些限制與脈絡?資料可得性、時程、倫理審查、樣本數
溝通習慣作用
開放式提問(「多說一點…」「是什麼讓你想到…」)挖出背後的需求
用自己的話複述並確認在變成分析工作前抓出隱藏假設
對話結束前總結關鍵發現雙方對範圍有共識

從問題到分析問題 ​

text
1. 抽出業務問題的關鍵元素 → 2. 拆成較小、可回答的部分
   → 3. 精煉成分析問題 → 4. 確認每個分析問題仍與原決策相關
檢查
要改善或解釋的結果是什麼?結果變數
範圍內的族群、客群、產品、流程?分析單位
哪個期間?時間範圍
需要什麼資料?現有資料能回答嗎?可行性
需要哪種答案:描述、解釋、預測、建議?分析類型

四種分析類型 ​

類型核心問題例子方法
描述性 (descriptive)發生了什麼?過去 3 個月最常見的病人抱怨;哪些供應商延遲最多摘要統計、分組比較、dashboard、視覺化
診斷性 (diagnostic)為什麼發生?過去兩年入學率下降的因素;哪些製程造成瑕疵率上升drill-down、根因分析、假設檢定、相關、迴歸
預測性 (predictive)會發生什麼?產品需求預測;理賠是否詐欺;哪些病人有風險時間序列預測、分類、預測模型
處方性 (prescriptive)該怎麼做?即時調整機票價格;推薦下一個產品;給高流失風險客戶哪種挽留策略推薦演算法、最佳化、決策規則

一個業務問題常需要多種類型,而且通常有先後順序:

業務問題:哪些貸款申請最可能違約?
描述性過去哪些申請違約了?
診斷性為什麼某些申請容易違約?
預測性能否從申請資料預測違約機率?

團隊常直接跳到預測,卻還沒理解基準與驅動因子。四種類型不是互相競爭的選擇,而是常形成一個序列。

診斷性問題容易被誤讀成因果結論:觀察性資料的相關與迴歸只能說明關聯,要回答「如果我們這樣做會怎樣」需要實驗或因果推論設計,見 Experimental Design;預測問題見 Machine Learning。

常見失敗 ​

失敗修正
從偏好的方法出發,而不是從需求出發先寫下要支持的決策
問了現有資料無法回答的問題擷取前先確認資料可得性與樣本數
問題太大,一個分析週期做不完拆成多個分析問題
統計上正確,但對決策沒用檢查不同答案是否會改變做法
沒確認利害關係人對結果的解讀相同交付前複述結論並確認

問題準備好了嗎?能指出確切的指標、研究的對象、時間範圍、可用的資料集、可能的分析類型,而且答案會改變一個真實決策。有幾項答不出來,就再精煉一輪。