在我們這個快速變化的時代，一個細微的變化，可能就會造成一個大災難，因此我們希望能夠在第一時間，就能夠發現這些細微的變化，並且能夠及時的處理，因此我們希望能夠透過機器學習的方式，來幫助我們做到這件事情。

但在還沒說到機器學習之前，我們要有資料設計的概念，因為我們要透過資料設計，來幫助我們做到這件事情，因此我們要先來看看，我們要怎麼設計資料，才能夠幫助我們做到這件事情。

資料主動和被動

傳統上，我們是因為「需求」所以「設計」。

就好像我們有一個萬能的廚師，今天客人跑進來，就說「我要一個大麥克」

然後我們為了「大麥克」設計了一個專屬的「大麥克」的生產步驟，這個生產步驟還用了很有名的「敏捷」開發法。

但問題是，我們的客人，可能不只是要「大麥克」，他可能還要「麥香雞」、「麥克雞塊」、「麥香魚」、「雙層牛肉吉士堡」、「麥脆雞腿」、「麥香雞腿」一堆東西。

如果按照我們設計大麥克的方法，我們需要一個品項，就要設計一個生產步驟，這樣的話，我們的生產線會變得非常的複雜，而且我們的廚師，也會變得非常的累。

但在還沒有其他需求進來的之前，我們是如何得知客人要的是「大麥克」還是「麥香雞」呢？

反客為主

在每次客人點餐時，我們可能都會同時接到其他的需求，這時候我們可以累積這些需求的資料，然後透過這些資料，來幫助我們分析大部分人都會點什麼。

基於這些需求，我們可以推估出，大部分都是「漢堡」和「炸物」兩種。

那麼我們就可以依據這兩個類別，來設計我們的生產線，這樣的話，我們的生產線就會變得簡單許多，而且我們的廚師也不會那麼累。

我們根本不需要知道下一個客人要點什麼，我們只需要知道，大部分的客人都會點什麼，即可。

資料決策的漏洞

有一個很大的問題是，我們的資料，是來自於客人的需求，但是我們的客人，可能不會告訴我們他們的需求，或者他們的需求可能會隨著時間改變。

或者是我們給他的「選擇」就是「A」和「B」，那麼我們根本不知道「C」才是最佳答案。

所以單純依靠數據，來做決策，是有可能會有漏洞的。

因為所有的數據來源，都是已知選擇的結果，但是我們不知道，還有其他的選擇，依然記得有一個台灣知名的購物網站說，他們的網站長年都處於一個「雜亂」風的設計，這個風格不但老舊而且毫無創意，一直被人反問為何不修改。

但老總說「因為我們改了設計，客人就找不到東西了，所以我們就不改了」。

這個說法沒問題，問題是老總不理解的是，客人找不到東西，是因為他們的設計不好，所以客人才找不到東西，而不是因為客人不會找。

也不是因為「改了」設計。

你現在的手機，跟十年前的手機，是不是差很多？那你還不是學會了。

資料延伸

在軟體設計上，資料的設計複雜度可以直接影響後續維護和開發的難度，一個好的資訊設計是必要的。

就好比電話，電話會因為每個國家的不同而產生出不同的國際區碼，這個國際區碼，加上電話號碼，就可以接通電話。

這個時候電話號碼就不僅僅是一串數字，他還依賴了國家，這樣的設計，就可以讓我們在撥打電話時，不需要知道對方的國家，只要知道對方的電話號碼，就可以撥打電話。

那這樣的設計，我們的數據結構應該是要怎麼做呢？能不能直接就是一個「電話號碼」呢？

數據的變形

數據本無形，但是我們可以透過數據的變形，來幫助我們做到這件事情。

我這裡說的型態，不是數據庫的資料型態，而是展示在客戶端的「型態」

當我們在設計數據結構的時候，還需要考慮它的關係和結構，或許很多人會認為，那是後端的事情，但是我們在設計數據結構的時候，就要考慮到這些問題。

雖然我們在軟體設計的時候，一直強調解構。我們之所以要解構，是因為我們要把複雜的問題，拆解成為簡單的問題，然後再把簡單的問題，拼湊成為複雜的問題。

如果沒有分拆又組合的過程，就會變成我們「大麥克」的例子，一個品項，就要設計一個生產步驟。

所以其實每一個步驟，都是依依相關的，但是我們要把這些步驟，拆解成為獨立的步驟，然後再把這些步驟，組合成為一個完整的步驟。

我們經常說要「跳出框架」，但是我們要跳出框架，就需要理解「框架」在那裡，然後再跳出去。

適當的理解框架，可以幫助我們更好的設計資料，這樣的話，我們就可以在不同的框架中，來回切換，而不會因為框架的變化，而影響到我們的資料設計。