歡迎來到路線圖！

你好！歡迎來到問題定義 (Problem Definition) 這個拼圖的最後一塊。到了這個階段，你應該已經學會了如何定義業務問題並理解手頭上的數據。但這裡有個秘訣：最成功的精算師不會只盯著螢幕上的數據，他們會主動尋找那些「缺失」的部分。

在本章中，我們將學習如何識別能讓模型更完善的額外資訊，以及如何規劃項目的後續步驟。你可以把這看作是長途健行前的背包檢查；在開始攀登數據分析這座大山之前，你必須確保自己擁有所需的一切！

1. 識別數據缺口：「缺失的拼圖」

在埋頭建立模型之前，你必須先問自己：「我現有的數據足以有效解決這個問題嗎？」通常，可用資訊與產生精準預測所需的資訊之間會存在差距。

什麼是數據缺口 (Data Gap)？
當數據集中缺少了某個可能影響結果的變數或背景資訊時，就會產生數據缺口。舉例來說，如果你在預測汽車保險索賠，但卻沒有「駕駛年齡」這一項，這就是一個巨大的缺口！

常見的額外資訊類型：

1. 顆粒度數據 (Granular Data)： 你可能手上有年度總銷售額，但你需要的是每日銷售額才能看出趨勢。
2. 外部數據 (External Data)： 來自公司外部的資訊，例如經濟指標或天氣報告。
3. 定性背景 (Qualitative Context)： 來自領域專家 (SMEs) 的見解——這些是在前線工作的人，他們了解許多數據尚未呈現出來的細節。

類比： 想像你要預測今天是否會下雨。你手上有溫度計（內部數據），但你沒有氣壓計，也沒有窗戶可以觀察外面（額外資訊）。你當然可以隨便猜，但如果你能找到那些額外的工具，預測結果一定會準確得多！

快速複習：你需要問的問題

- 這些數據是否涵蓋了我們關注的整個時間段？
- 數據中是否遺漏了特定的群體（例如新客戶）？
- 代理變數 (Proxy variable)（無法直接測量時的替代指標）是否有幫助？

2. 外部來源與領域專家 (SMEs)

如果手上的數據感覺不完整，別擔心。在 PA 考試中，你經常被要求建議去哪裡獲取更多資訊。其中兩個最好的來源就是外部數據集與領域專家 (SMEs)。

外部數據

有時候，答案就在組織之外。常見的外部來源包括：
- 政府數據庫： 人口普查數據，用於獲取人口統計資訊。
- 經濟指標： 利率或通膨數據 (\( \Delta CPI \))。
- 行業基準： 將公司表現與市場整體情況進行比較。

領域專家 (SMEs)

SME 是指了解數據背後業務邏輯的人。對精算師來說，這可能是核保人員、理賠員或市場部經理。
為什麼要諮詢他們？ 他們能告訴你，數據中某個「異常」的突升是單次的系統故障，還是一次公司政策的變更。這能避免你基於「雜訊 (noise)」來建立模型。

你知道嗎？ 在許多預測建模專案中，最終模型裡最有價值的「特徵」(變數)，往往不是原始數據集裡有的，而是由 SME 建議加入的！

3. 限制與倫理：「能做」與「該做」

就算你可以找到更多資訊，也不代表你應該使用它。在規劃後續步驟時，你必須考量限制因素 (Constraints) 與倫理 (Ethics)。

實際操作的限制

- 時間： 項目兩週後就要結案了嗎？如果是，你可能沒時間等待第三方供應商傳送新數據。
- 成本： 有些數據是要付費的。模型準確度的提升是否值得花這筆錢？
- 技術限制： 你目前的軟體能處理新增數據的規模嗎？

倫理與監管考量

這是 SOA 非常重視的主題！在尋找額外數據時，你必須避免：
- 受保護群體 (Protected Classes)： 在許多司法管轄區，使用種族、宗教或健康狀況等變數進行保險定價是非法或不道德的。
- 代理歧視 (Proxy Discrimination)： 即使你沒有直接使用「種族」，使用「郵遞區號」也可能無意中成為了種族的替代變數。永遠要問：「這個變數對消費者公平嗎？」

記憶輔助：C.E.T. 檢查法
在新增數據前，檢查 Cost (成本)、Ethics (倫理) 和 Time (時間)！

4. 定義「後續步驟」路線圖

在考試中，你可能會被要求規劃後續工作。一個結構化的方法能向評分人員展示你具備專業的「專案管理」思維。通常，在定義問題並識別數據後的標準步驟是：

第一步：數據獲取與清理 (Data Acquisition & Cleaning)
既然知道需要什麼，就去取得它！一旦取得後，你需要對其進行「清理」（處理遺漏值和離群值）。

第二步：探索性數據分析 (EDA)
開始將數據視覺化。使用直方圖、盒鬚圖和相關矩陣，觀察新變數與目標變數之間的關係。

第三步：特徵工程 (Feature Engineering)
將原始數據轉換為模型能使用的格式（例如：將「出生日期」轉換為「年齡」）。

第四步：模型選擇 (Model Selection)
決定哪種演算法（GLM、樹狀模型等）最適合該問題。

核心要點

識別額外資訊不僅僅是為了完成清單，其目的在於減少不確定性。透過填補數據缺口並遵守倫理規範，你在編寫任何一行建模程式碼之前，就已經為項目的成功奠定了基礎。

常見錯誤避坑指南

1. 「多多益善」陷阱： 如果數據集很小，千萬不要建議加入 50 個新變數。這會導致過擬合 (overfitting)。
2. 忽略業務背景： 永遠不要建議那些無法收集到的數據。（例如：「我們應該詢問客戶未來 10 年計畫開車多少英里」——這既不切實際，也不準確）。
3. 忘記「後續步驟」： 當考試問到下一步時，不要只說「建立模型」。要具體提到先進行清理和 EDA。

快速總結

- 數據缺口： 尋找缺失的部分（顆粒度、外部數據或背景資訊）。
- 來源： 利用政府數據和領域專家 (SMEs) 來填補缺口。
- 限制： 永遠在獲取更多數據的需求與時間、成本、倫理之間取得平衡。
- 後續步驟： 在進入建模前，永遠先從問題定義轉向數據清理與 EDA。

繼續加油！你正在建立堅實的基礎。一旦問題定義清楚且識別了缺口，實際的「建模」部分將會變得容易處理得多！