原書 Exercise 6.1 以 George Box 的「All models are wrong but some are useful」作為預測模型的起點。
理解模型是現實的抽象化，預測一定包含 Error；並思考企業把 Predictive Model 用於核心營運時的風險。
企業依賴預測模型支援決策，但模型不會完全符合真實世界。原書要求學生解釋這句話，並討論對高度依賴 Predictive Models 的組織有何含意。
| 原書元素 | 內容 |
|---|---|
| 基本關係 | Outcomeᵢ = Model + errorᵢ |
| 核心命題 | 模型不是現實本身，而是用資料形成的 Generalization |
| 管理問題 | 模型是否足以改善 Decision-making Process |
把模型輸出與實際 Outcome 比較，以 Residual／Error 評估偏差；並檢查模型是否能在 Unseen Data 上維持可用性。
本 Exercise 沒有指定數值計算結果。
模型的價值不在於「完全正確」，而在於是否 Fit for Purpose。若組織忽略 Error、資料變化與模型適用條件，可能把抽象模型誤當成現實。
根據一個企業預測模型的 Target、Predictors、Error 與使用情境，說明「模型有用但不等於真實」的具體管理含意。不得假設原資料未提供的準確率或因果關係。
問題： 如果模型在 Training Data 表現很好，但新資料表現差，應如何解讀？
參考解答： 應懷疑 Overfitting；原書強調模型應以 Unseen Data 測試，而不能只看訓練資料表現。