明确问题或疑问

在开始任何数据分析或构建任何模型之前，最基本的一步是清楚地理解和确定您要处理的问题或疑问。就像您不会在没有蓝图的情况下开始建造房屋一样，您也不应该在没有明确目标的情况下开始数据科学项目。跳过这一步常常导致白费力气、分析无法回答正确的问题，或产生对任何人都没有用的结果。

清晰的问题界定在整个数据科学过程中充当您的指南针，指引您决定收集哪些数据、如何准备数据、执行何种分析以及如何评估项目的成效。

为什么界定问题如此重要？

思考一下：如果您不确切知道自己想达成什么，又如何知道何时取得了成功？一个模糊的目标，例如“分析销售数据”，是没有帮助的。关于销售数据，您想做什么？您是想预测未来销售额吗？是想弄明白上季度销售额下降的原因吗？还是想找出最有价值的客户？每个目标都意味着不同的方法，需要不同类型的数据分析。

一个明确界定的问题：

• 提供方向： 它告诉您项目走向，并帮助您保持专注。
• 界定范围： 它有助于确定项目包含和不包含的内容，防止范围变得难以管理。
• 指导数据收集： 您将知道需要寻找或收集什么类型的数据。
• 影响分析选择： 问题的类型决定了适合的分析技术。
• 定义成功： 它使得衡量项目是否达成目标成为可能。

良好问题界定的特点

如何从一个笼统的想法转变为一个具体、可操作的问题陈述？一个有用的框架是确保您的问题界定是SMART的：

• 具体的 (Specific)： 目标应该清晰明确。与其说“提高网站参与度”，不如尝试“增加用户在博客文章页面上的平均停留时间”。
• 可衡量的 (Measurable)： 您将如何量化成功？定义衡量标准。对于“增加平均时间”，衡量标准是“博客页面上的平均会话时长”，您可能会设定一个具体的百分比增长目标。
• 可实现的 (Achievable)： 考虑到现有数据、工具、时间和资源，目标是否现实？预测彩票号码是具体的、可衡量的，但不可实现。
• 相关的 (Relevant)： 解决这个问题有意义吗？它是否与更广泛的目标（例如，业务目标）保持一致？分析客户邮政编码也许可行，但这与改进产品推荐相关吗？
• 有时间限制的 (Time-bound)： 问题何时需要解决或目标何时需要实现？这增加了实用性。“在下个季度内将用户在博客文章页面上的平均停留时间增加15%。”

并非所有数据科学问题都完全符合时间限制的要求，特别是那些前期性的问题，但力求具体、可衡量、可实现和相关性非常重要。

将业务需求转化为数据问题

通常，起始点是业务需求或来自利益相关者（对项目结果有投入的人）的普遍疑问。数据科学家角色中一个重要的部分，尤其是在项目早期，就是与这些利益相关者合作，将宽泛的目标转化为可以用数据回答的具体问题。

考虑以下常见情况：

• 业务需求： “我们需要减少停止使用我们服务的客户数量（客户流失）。”
• 初步数据问题：
  • 当前的流失率是多少？它随时间如何变化？
  • 是否存在特定客户群体（人口统计学、使用模式）更容易流失？
  • 哪些因素与客户流失相关（例如，客服工单数量、定价方案、使用频率）？
  • 我们能否构建模型来预测哪些客户在不久的将来有较高的流失风险？

这个转化过程是迭代的，通常涉及提出澄清问题。

将一个普遍的业务需求转化为具体、可回答的数据问题，通常涉及讨论和澄清。

背景信息的作用

界定问题并非凭空进行。理解背景信息非常重要。您身处哪个行业？您正在分析哪项具体流程？已知的限制或因素有哪些？领域知识，即理解您所从事的特定领域（如金融、医疗、零售），对于提出相关且有见地的问题有很大帮助。不要犹豫提问以弄清全局。

正确界定问题为本章讨论的整个数据科学工作流程奠定了基础。它确保了后续的数据获取、准备、分析和沟通步骤都集中于达成一个清晰且有意义的目标。