Activity - Analytical Approach: Identifying the Pattern to Address the Question活动 - 分析方法：识别解决问题的关键模式

商业目标

一家运输公司希望优化配送路线和时间安排，以尽量降低成本并提高配送效率。公司希望利用数据科学（data science），根据历史配送数据以及交通和天气状况等外部因素，确定最优路线和配送时间窗口。

为了实现这一商业目标，数据科学家需要回答各种问题

---

操作说明：识别与每种分析方法（analytical approach）相关的“问题模式”（Question Pattern）。将每个问题拖入对应的“分析方法”框中。

---

预测模型（Predictive Model）

（有关预测或预判未来数值或结果的问题）

• “我们如何预判交通事故或道路封闭对配送时间的潜在影响，从而主动调整路线？”
• “我们如何根据预期订单量，预测特定一天所需配送车辆的最优数量？”
• “考虑历史交通模式和预期天气状况后，每条路线的预计配送时间是多少？”

---

描述模型（Descriptive Model）

（有关总结或描述过去发生情况的问题）

• “关于不同车辆类型的平均配送时间，我们能得出哪些认识？这些时间如何随配送路线的复杂程度而变化？”
• “最常使用的是哪些路线？它们各自的配送时间在高峰和非高峰时段有何变化？”
• “基于过去的订单数据，哪些历史数据能够揭示一周中配送最繁忙的日期和时段？”
• “不同配送路线的平均配送成本是多少？这些成本在一天中的不同时段如何变化？”

---

分类模型（Classification Model）

（有关将路线、区域或时间安排分组或归类的问题）

• “可以将配送时间安排划分到哪些时段，以平衡工作量并尽量减少配送延误？”
• “我们如何根据平均配送时间和订单量，将配送路线划分为不同类别？”
• “我们如何根据客户密度和下单频率对配送区域进行分组，以优化配送路线规划？”
• “在不明确依据过去数据作出预测的情况下，我们如何对客户位置进行聚类（clustering），形成不同群组，从而高效地规划配送路线？”
• “在不明确利用过去数据作出预测的情况下，我们如何确定最适合易腐商品的配送路线，确保及时送达？”（选择“适合或不适合”的路线可以视为一种分类决策）