案例01｜Titanic：把「婦女與兒童優先」轉成可計算問題
| 核心主題 | 主要觀點／方法 | 實務用途 | 重要條件／限制／延伸 |
|---|---|---|---|
| 跨產業資料探勘標準流程（Cross-Industry Standard Process for Data Mining, CRISP-DM）的商業理解階段 | 先從商業角度理解專案目標與需求，再轉成資料分析問題 | 確保分析專案由真正的商業需求驅動 | 不能先選模型，再回頭勉強尋找問題 |
| 資訊需求 → 可計算分析問題 | 把主管提出的模糊需求轉成可以由資料回答的問題 | 把「為什麼延誤？」「是否超支？」等需求變成具體分析任務 | 自然語言資訊需求通常不能直接計算 |
| 商業情境與關鍵績效指標 | 理解產業、商業模式、組織目標與關鍵績效指標（Key Performance Indicator, KPI） | 讓分析結果回到真正的績效落差與管理決策 | 只回答表面問題，可能錯過真正的管理需求 |
| 情境—需求—願景—成果模型（Context, Need, Vision, Outcome, CoNVO） | 情境 → 資訊需求 → 分析願景 → 成果 | 有系統地從需求走到分析設計與決策成果 | 分析願景包含要回答的問題；成果則是分析希望促成的行動 |
| 需求拆解 | 逐字拆解資訊需求，確認分析母體、變數／特徵與需要進行的計算 | 把模糊名詞轉成資料欄位與可計算定義 | 若沒有定義「誰、什麼、何時、如何衡量」，很容易分析錯題 |
| 具體、可衡量、可達成、相關、有時間界線（Specific, Measurable, Attainable, Relevant, Time-related, SMART）問題 | 用五項條件檢查分析問題是否聚焦、可計算、可回答且與決策相關 | 檢查問題是否聚焦、可計算、可回答且與業務相關 | 問題必須能由現有資料與方法支持 |
| 擴散思考 → 收斂思考 | 先廣泛提出可能問題，再依決策價值排定優先順序 | 避免太早鎖定單一分析方向 | 問題界定是反覆修正的過程，分析中可以重新調整 |
跨產業資料探勘標準流程（Cross-Industry Standard Process for Data Mining, CRISP-DM）的第一步是商業理解。原書強調：先理解專案目標與需求，再把商業知識轉成資料分析問題與初步工作計畫。
這代表分析的起點不是 Excel 函數、迴歸模型或 人工智慧提問詞，而是：組織究竟想做什麼決策？
主管提出的需求通常是自然語言，例如：
這些都是重要的資訊需求，但還不一定能直接計算。商業資料分析師必須進一步界定：分析對象是誰、要比較哪些變數、使用哪個期間、應計算平均數、比例、差異、關聯還是預測。
原書引用 Max Shron 的情境—需求—願景—成果模型（Context, Need, Vision, Outcome, CoNVO），將問題界定整理為四個步驟：