概念／架構案例，整合圖 5.1 與圖 5.2。
辨識資料探勘的主要任務、方法與跨領域基礎。
管理者面對大型資料問題時，首先需要判斷問題屬預測、分群或關聯，而不是直接挑演算法。
| 任務 | 核心目的 |
|---|---|
| 預測 | 預測目標變數；可包含分類或迴歸 |
| 分群 | 依相似性形成群組 |
| 關聯 | 找出項目／事件共同出現的關係 |
先定義商業問題，再對應任務類型與適用方法／演算法。
本案例為分類框架，原書沒有要求特定數值計算。
資料探勘位於統計、人工智慧、機器學習、數學建模等領域交會處；不同任務對輸出與評估的要求不同。
將一個商業問題分類為預測、分群或關聯，說明判斷依據；若資訊不足，明確指出缺口。
問題： 若沒有明確目標變數，是否仍能做資料探勘？
參考解答： 可以考慮分群或關聯等非監督式／關聯探索任務；但方法仍須由商業目標決定。