ModelOff攻略 － 問題篇（1）

　　以下要分析的是2014年第1輪的題目 － Dealing With Data，在問題篇中主要分析命題的目的與解釋題目中所提供的資訊，而在解答篇中才會分析如何構思模型與提供解決的手段。

命題目的

　　由於目前趨勢上越來越多企業需要資料分析的技術，而在埋頭建立模型前很重要的步驟之一就是數據清理（Data Cleaning/Cleansing），例如過濾、聚集、轉換與填空，以便在面對龐大的數據時能提升待處理資料的品質。甚至在Advanced Data Mining Techniques一書中更指出，在有些分析案例中，數據清理所需的時間可能超過整體資料探勘程序的50%。

　　因此，本題主要希望作答者能模擬資料分析時的實際流程，將原始資料整理成方便操作的狀態再進行模型分析。

題目資訊

　　題目描述如下，問題為計算用電量與各計價方案下的電費，最終作出節省電費開銷的最佳決策。問題假設未來用電量模式與歷史資料的模式完全相同。

　　問題的順序同時是引導作答者作出最終決策依據的分析順序。

　　首先，所有的問題可分為2種類別。

一、數據清理

　　問題1~4屬於第1種類別的問題，都在詢問用電狀況，但所提供的時間、日期與用電量等數據皆合併在同一儲存格，且由於許多數據目前可能仍為人工輸入或系統紀錄異常，題目為了模擬此情境而故意出現多餘的間隔符號（如空格或底線）以及資料格式（如日期或星期）缺漏或不一致的狀況。

　　基於上述狀況，作答者無法直接使用原始資料進行分析而需要先準備數據，因此，數據清理才是此類別問題的主要測驗目的。解決上述狀況後應可得到在不同時間區間下的用電量，同時也代表幾乎完成了第1種類別的問題。

　　值得注意的是，所提供的數據有8760（ = 365 * 24）筆，剛好等於1年總共的小時數，暗示應該沒有缺少或重複的用電數據。

二、模型建立

　　問題5~7屬於第2種類別的問題，其目的皆在分析電費成本。電費計價方案共分3種：

1. 每小時皆同一費率（No Flex）；
2. 各月份的費率獨立計價（Monthly Flex）；以及
3. 每天各小時的費率獨立計價（Hourly Flex）。

　　利用之前所得到的用電量分布，配合不同計價方案的費率，可得到不同方案下的電費金額，再以此判斷出最低成本的電費合約為何。



　　延伸：也許問題可與物連網技術結合，例如將即時用電量的數據送至伺服器，配合歷史用電量與電費計價方案的數據來分析，可算出當下建議的用電量、電器使用量指示，或送出用電過量警示等訊息。