一、案例定位

說明 telecom 如何以 synthetic CRM data 保留 time-series／customer behavior 分析能力。

二、學習目標

• 理解 legacy anonymization 可能破壞分析價值。
• 評估 synthetic CRM 的用途與限制。

三、案例情境

Telefónica 建立 mimicking original CRM 的 synthetic version。原書指出該資料版本 100% GDPR-compliant，並可安全建立 ML models，以理解 customer behavior、降低 churn、提升 satisfaction。

四、開始資料

五、Excel／AI 分析方法

可比較 synthetic／original 的 segment counts、retention patterns、time-series summary statistics；AI 只能分析已去識別／允許的資料。

六、計算結果

原書沒有提供 churn reduction %，因此不可自行宣稱量化改善。

七、結果分析與管理解讀

合規資料能讓分析持續進行，但模型價值仍取決於 synthetic data 是否保留足夠行為結構。

八、AI 提問詞

根據 synthetic CRM 的已計算 churn patterns，整理高風險 segment 與需要人工驗證的假設。

九、思考／情境變動

**題目：**若 synthetic data 的 churn rate 與原資料差 3 個百分點，應直接上線模型嗎？

**參考解答：**不應只因 compliance 達標就上線；需先評估 3 個百分點偏差對模型 calibration 與 business decision 的影響。