為什麼會想寫這個系列？
過去在實驗室專注於深度學習與模型訓練時，我們往往習慣了高度標準化的資料集。無論是調整演算法還是優化網路架構，重點多半放在「如何提升模型的預測準確率」。

然而，當我們將目光轉向業界的真實商業場景，會發現一個殘酷的事實：感覺美好的乾淨資料只存在於教學範例中。

企業在招募數據分析師（Data Analyst）或資料工程師（Data Engineer）時，往往更看重以下兩點：

處理真實髒數據的工程能力：

1.面對缺漏、格式混亂、散落在不同資料表的數據，能否建立穩定的輕量級 ETL（Extract, Transform, Load）管線？

2.解決問題的商業思維（Business Sense）： 能否將冷冰冰的數據，轉化為諸如留存率、客單價、顧客分群等能幫助企業獲利的商業洞察？

為了補足從「學術研究」走向「業界實戰」的這塊拼圖，我決定展開這 30 天的挑戰。不碰艱澀的機器學習演算法，而是專注於打好數據處理的底盤！

我選用的是Olist 巴西電商資料集
為了模擬最真實的業務場景，這次挑戰我選用了 Kaggle 上的 Brazilian E-Commerce Public Dataset by Olist。

為什麼選擇它？
因為它不是一張單純的平面 Excel 表格，而是由 9 張關聯表（Relational Tables） 所組成的真實資料庫倒出檔。包含：

📦 訂單明細與物流狀態

👤 客戶位置資訊

💳 支付方式與金額

📝 真實的顧客評論與評分

要分析這份數據，我們必須頻繁使用 Merge 與 Join 跨表關聯，處理時間戳記的運算，甚至面對因物流延遲而產生的異常數據——這正是業界每天都在發生的日常。

這 30 天的實戰藍圖
接下來的 29 天，我將使用 Python (Pandas) 作為主力，在熟悉的 VS Code 開發環境中，帶大家走過一個端到端的資料分析專案。預計的路線圖如下：

Phase 1：環境建置與資料萃取 (Extract)
解析 9 張資料表的 ER Diagram（實體關聯圖）。

建立資料分析的 Python 虛擬環境，讀取海量資料的初探。

Phase 2：資料清洗與轉換 (Transform)
跨表合併的藝術： 組裝商業分析用的「寬表」。

髒數據急救： 處理遺失值、異常的時間戳記與字串正規化。

特徵工程： 從原始訂單中萃取出「物流延遲天數」等關鍵衍生欄位。

Phase 3：商業洞察實戰 (Insights)
實作業界核心指標：月營收成長率（MoM）、客單價（AOV）。

建構 RFM 顧客分群模型。

繪製 Cohort Analysis留存率熱力圖。

Phase 4：資料儲存與總結 (Load)
將清洗完的數據寫入 SQLite 輕量級資料庫。

這 30 天不僅是對自己 Python 數據處理能力的展示，也是一份公開的面試筆記。
如果你也想知道如何把雜亂無章的原始數據，一步步轉化為具備商業價值的分析洞察，
歡迎按下追蹤，跟著我一起用 30 天破關！

明天，我們將正式下載資料，並拆解這 9 張表的關聯架構。我們 Day 2 見！