資料分析流程的第一步絶對不是資料，而是把分析的議題訂清楚，先確認要處理的問題是什麼、它有什麼特點、主要想要透過什麼樣子的「提問（資料輸入）」得到什麼樣式的答案，這是最為根本的，如果這個方向性的命題不對，後續對於資料的努力一定白費功夫。

之後就是以分析的類型來決定可能的資料樣式。

然後取得資料。資料的取得除了資料的完整性，還是兼顧它的一致性，還要區分得了它是連續性資料、類別性資料，以及維度一致，另外，數量值的一致或者需不需要Normalize，也要一併考量。如果分析的議題是時間序列、空間相關、或是縱橫資料，都要留意取得資料的特性。

資料取得後也不是一步就分析，最好要透過DEA來對資料有一個總體的瞭解，如果可以先做關聯性的分析、敍述性的分析，對於連結至資料問題的分析將會有很大的幫助。

機器學習、統技手法或是深度學習的演算法的套用，除了必需要切合資料分析的目的，也要配合取得、結構化後的資料而定，通常，最穩定的方法就是最好的方法、解釋力最高的方法也會是最好的方法。

模型的留存、佈署，則依照這個資料分析的系統特色而定，是專用軟體、雲端系統或是學述一次性分析，都將會依原始命題而定，這不會是一個不變的做法。

在這次的專題中，因為已經可以透過公開資料取得相關結構化的資料，所以後續的分析會著重在資料的可視化、關聯性，如果順利，會再將趨勢預測加入，然後會以專用手機app 的方式來做佈署。