「買過哈利波特的人，會買奇幻文學的機率較高」這種說法，為何在資料探勘領域被認為有問題？

這種說法在資料探勘領域被認為有問題，主要是因為它更接近傳統的統計因子分析或條件判斷，而非資料探勘的核心價值。資料探勘強調從大量資料中挖掘出未知的、隱藏的模式和關係，而不僅僅是基於已知的條件進行簡單的推論。

傳統行銷常使用背景資訊（如年齡、性別、收入等）來區分消費者，但這種方法難以區分背景相同但需求不同的人。資料探勘則透過分析消費者的各種行為，計算出人與人、商品與商品之間的關聯性，進而預測個人對特定商品的購買機率。這種方式超越了傳統行銷的想像，能更精準地找到目標客群。

使用「買過哈利波特」作為條件來預測是否會購買奇幻文學，雖然簡單易行，但準確度有限。這種條件式的方法可能僅能達到2到3成的準確率，而資料探勘的目標是將準確率提升到7到8成。儘管提升準確率需要更高的時間和資源成本，但在大型電子商務等領域，資料探勘是提升商品推薦效果和改善消費者購物體驗的關鍵。