何謂資料的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

超圖解 資料科學Data Science：數據處理 入門中的入門，強化處理力&判讀力×資料倫理

為了解決何謂資料的問題，作者上藤一郎 這樣論述：

身處在資料化社會， 每天都面對排山倒海而來的資訊，我們究竟該如何應對？ 　　每天一睜眼，抓起手機一看，又是滿滿當當的資訊浪潮來襲；不僅如此，送小孩上學、到公司工作，下班與家人聊天，我們無時不刻都在與周遭的人分享情報、使用情報。 　　情報「資料化」其實是一門近在你我身旁的科學， 　　在資訊及通訊科技（ICT）高度發展的今日，這樣的時代早已經到來，而且越卷越快速，任何人都無法避免面對這股浪潮。 　　比如什麼是大數據？大數據又該如何運用？運用的倫理界線在哪裡？等等問題，我們的日常周遭充斥著各式各樣的資料。如果少了資料，就連一般的生活都無法順利運作。「資料科學」即是研究現代社會不可或缺的「

資料」之科學。 　　「懂資料」並「運用資料」的資料科學知識能力在未來AI世代越來越顯其重要性，本書將在本書的章節中一一介紹，以當代和未來社會中，分析佔據我們生活越來越多時間的「資料處理」的過程，以及我們該用什麼心態和方法面對。 　　本書是一本「入門用的入門書」，使用大量的插畫與圖表進行簡單易懂的解說，讓讀者能夠粗略掌握資料科學的概要。本書不使用困難的公式，因此也很推薦給看到公式就頭痛的人。 名人推薦 　　了解AI與資料科學的最佳入門書！ 　　【學界、業界專業人士好評推薦】 　　國立高雄大學電機系教授及人工智慧研究中心顧問、前執行長｜吳志宏 　　Google機器學習開發專家 | 吳柏翰(

Jerry Wu) 　　高雄大學特聘教授、財團法人人工智慧法律國際研究基金會執行長 | 張麗卿 　　翱翔智慧創辦人 | 張竣貿 　　Google語音助理技能開發者 | 游紹宏 　　中央研究院資訊創新科技研究中心主任及特聘研究員 | 黃彥男 　　（按姓氏筆畫排序）  

何謂資料進入發燒排行的影片

應用Malmquist模型進行績效評估與同業結盟-以康普公司為例

為了解決何謂資料的問題，作者陳竒帆 這樣論述：

　　本文希望透過資料包絡分析法(Data Envelopment Analysis, DEA)分析出各電池芯原料供應商的經營效率，除了要達成降低成本、提高產能外，也要能在經營效率上做出有效的提升，並以康普公司為例利用同業結盟方式來增強彼此在市場的定位。 　本研究對象為30間國內外上市上櫃公司加上29個虛擬組合共59個決策單位(Decision Making Unit, DMU)以資料包絡分析法之Malmquist生產力指數模型，計算出這59個DMU在2016年至2020年的跨年期經營績效並加以排名。最後找出哪些企業與康普公司做結盟會有更好的效率，哪些結盟會出現不好的結果。　　研究結果發現康

普結盟大同、康普結盟三星SDI及康普結盟比亞迪這三個組合能有更好的效率，其中又以康普結盟大同為最好的組合；而康普結盟寧德時代、康普結盟中航鋰電、康普結盟尚化則變得更沒效率，其中又以康普結盟寧德時代為最不好的組合。關鍵詞：電動車電池芯原料、資料包絡分析法、Malmquist生產力指數

資料探勘與顧客分析─Modeler應用

為了解決何謂資料的問題，作者陳耀茂 這樣論述：

　　所謂「資料探勘」(Data Mining)是利用模型認知技術與統計的手法處理大數據，發現有意義的新模型及傾向的過程。IBM SPSS Modeler 是一款資料探勘與預測分析軟體，可以使用Microsoft 安裝程式(MSI) 在Windows 系統上完成安裝，最近也可以在雲端使用它。它擁有 30 多種基本的機器學習算法和自動建模方法，具有 R 語言可擴展性，可使用 Python 腳本。使用IBM SPSS Modeler軟體可以找出人們最頻繁討論的話題，或是企業可以了解消費者實際關心的問題。 　　資料探勘因為是透過各種資料分析技術，挖掘出顧客的消費行為模式與各項營運

作業之管理決策等，可說是知識管理之一大利器。例如，7-11超商就是充分運用資料探勘技術，不斷推出各種抓住顧客心房的行銷活動，以贏得更多顧客的心，並將店舖之經營作更完善的規劃管理，使其獲利並使績效能夠長期位居國內零售業之領先地位。   　　根據美國一項調查超過7萬名購物者的行銷研究，發現消費者在他們店中購物的行為有其一定的慣性，如果門市經營者或是行銷人員能夠善用「消費者行為」模式，將可有效改善經營品質。   　　書中也一併列舉IBM SPSS Modeler常用的分析方法供讀者參考。資料探勘的方法包括監督式學習、非監督式學習等。監督式學習包括：分類、估計、預測等；非監督式學習包括：集群、關聯規則

分析等。上述相關的分析方法，在第1篇中均有步驟式的介紹 ; 第2篇中舉出百貨業的資料案例，分析顧客的消費行為，利用IBM SPSS Modeler從RFM的角度探討消費者的特徵，以及如何向未購買者推銷商品，盼能藉由此例題能激起讀者對資料探勘的興趣。  

運用大數據建構錫膏檢測與生產良率品質管制之研究

為了解決何謂資料的問題，作者黃展望 這樣論述：

因應消費性至高科技電子產品的精密性與競爭，電子產品製造技術亦不斷精進。除傳統表面黏著組裝技術(Surface Mount Technology, SMT)加快地提升精度，儼然利用生產過程中所產生的數據作為分析亦成為現代電子組裝產業提升產品品質與製程良率的應用，其大數據分析優勢在於協助製造出高品質與降低生產成本的電子產品。但是極為複雜的SMT生產環境裡，製造過程中存在著許多不確定的參數組成，尤其在高密集度的電子元器件組裝，為印刷電路板(Printed Circuit Board, PCB)組裝業之重大課題。尤其錫膏印刷(Solder Paste Printing, SPP)為首要關鍵製

程，因應而生的就是在線式三維(3 Dimensions, 3D)錫膏印刷自動光學檢測機(Solder Paste Inspection, SPI)量測技術的加入得以取代傳統離線式抽樣式錫膏印刷檢測，所以如無法良好的控管製程允收公差參數與檢出不良品，極可能產生缺陷品逃脫，導致產品質量與生產良率下降、亦會增加額外的生產成本。 本研究針對印刷電路板關鍵製程中的錫膏印刷後的錫膏檢測機所量測數據與生產結果做大數據(Big Data)分析，利用3D錫膏印刷自動光學檢測機(SPI)三個重要製程量測數據(錫膏量測高度、錫膏量測面積、錫膏量測體積)與最終生產良率結果，並利用資料探勘常用軟體Weka分類模型

來預測樣本正確率，驗證生產最佳化的參數組合，進而提升生產良率。