實務上，我們可能並沒有自己想的那麼了解系統的真實面，這也造就一些起步上的困難，反思一下，這也關於問題的選定，與挑選參數的過程與方式，有些相關延伸思考的地方。

打個比方，原本以為我們以下單次數區分的3種客戶：一般忠實的客戶，以及只買1~2次的客戶，和大量購買的大客戶，可能呈現一種常態的分佈，只買一兩次的客戶和大買的大客戶佔少量，一個月購買10~100次的忠實客戶佔最大的比例。

但仔細統計下來卻不是的，以會員成分分析起來，只購買1~2次就沒出現的客戶佔據了7成，中間值的客戶佔不到1成，剩下的又都是大客戶包辦，呈現一種M型的分佈。

另外一件事，我們藉由系統改版的機會，保留新舊接口並存的方式，藉以得知哪些帳號是從舊接口進來下單，因為網頁介面上已經無法透過舊接口下單，換而言之，這些帳號就是程式機器人，透過打API的方式跟我們下訂單。結果統計下來，這種帳號數量佔比不到1%，訂單的金額總數也只有3%左右。

對於自家資料的了解程度，會影響實作上的結果深遠，因為會遇到個很現實的問題，如果我們想要用數學分析一個模型出來，那必須有些假設，而這些假設必須是有機會貼近實情的，它必須是一種正確的資料。

性質不同的參數，不能被當作同一種參數使用，舉例來說，如果想知道文化對於消費習慣的影響，那麼以這個命題，下面這些參數，你不能視為同一種參數：

台北、上海、蒙古、非洲、紐約、荷蘭、鹿特丹、倫敦、義大利半島、福岡、馬尼拉、北海道........

當我們了解上面這些名詞的含義之後，其實不難分出其中的差異，並且不覺得它們屬於同樣的層次，或者能夠分在同一類。

這也是一種「資料清洗」的工作，問題是當遇到格式錯誤或缺失值以外的問題，麻煩的是你必須要知道這些資料內容對於命題的意義不同，如此以來才有可能知道怎麼做二次處理。

回到我們的題目很直觀的可以知道，用程式的下單購買行為，一定跟真人在下單的行為有所不同，如果今天機器人下單的佔比若有5成，那麼我們一定會將它們和一般的客戶分開來統計和討論，並不會視為同一類。

這就是現實面血淋淋的難題，資料是乾淨的情況下，可以用一些檢定或運算，檢視是否對模型輸出結果有所影響，但不乾淨的情況下，真的很難辦。

所以我們在挑選參數和假設參數有其重要性的時候，其實也在一邊試圖理解我們自己的系統資料，這種分析為的是可以預測未來(因為你想做出一個模型可以得知預期的output)，也在了解過去，因為足夠了解自己參數的意義，才能夠正確地處理好參數，拿到乾淨的資料。

如此一來，實務面的開發與網路上提供的練習資料，也能夠理解其中的差異吧，因為人家拿出來的資料基本上是乾淨處理過的，而我們自己的資料還是處理原生原始狀態，很大程度還沒變成所謂有「價值的資料」。