案例04｜SAS VA Data Explorer：先理解資料，再建立模型

1. 案例定位

以 employee_attrition Dataset 介紹 SAS Visual Analytics（SAS VA）Data Explorer 的探索流程與介面。

2. 學習目標

理解 Data Explorer 的 Data、Visualization 與 Properties 三個工作區；學會在建模前檢查 Variable Classification、Aggregation 與資料結構。

3. 案例情境

原書以 employee_attrition.csv 開啟 Data Explorer。介面左側是 Data panel，中間呈現 Visualizations，右側用來編輯 Visualization Properties；同一 Dataset 上傳到 in-memory server 後，Data Explorer 與 Report Designer 都可存取。

4. 開始資料

介面／功能	原書用途
Data panel	Dataset、Variables、搜尋、Data Properties
Middle panel	Visualizations canvas
Right panel	編輯 Visualization Properties
Variable Search	搜尋「job」可找到 JobRole、JobInvolvement、JobLevel、JobSatisfaction
Classification	Category、Measure、Geographical
Data options	Change data source、Hierarchy、New Variables、Show／Hide Variables

5. 分析方法

載入 employee_attrition → 檢查 Variables 與 Classification → 搜尋相關欄位 → 將 Variable 拖到 canvas 建立 Automatic Chart → 檢查 Roles、Properties 與 Aggregation → 再決定後續探索或建模。

6. 計算結果

本案例為介面與工作流程示範，原書沒有固定數值計算結果。

7. 結果分析與管理解讀

SAS VA 降低建立 Visualization 的操作門檻，但 Automatic Chart 不會替代分析者對 Variable Type、Aggregation 與 Business Context 的判斷。Data Exploration 仍是 Predictive Modelling 前的重要步驟。

8. AI Prompt

「根據以下 Variable Classification、Aggregation 與 Visualization Roles，檢查分析流程中可能的資料定義問題；不要自行補造 Dataset 欄位或結果。」

9. 思考／What-if

題目： SAS VA 已自動產生 Automatic Chart，是否可以直接進入 Predictive Modelling？

參考解答： 不宜。原書先要求理解資料型態、Aggregation、Pattern、Trend 與 Relationships，再用探索結果引導模型與 Hypotheses。