在零售業進行客戶行為分析時，資料倉儲中發現多個欄位儲存相同的購買金額資訊（例如：amount_usd、total_price、transaction_value），但其單位、命名慣例及格式不一致，進而導致特徵工程階段混淆模型輸入。針對此種跨欄位語義重疊與結構冗餘問題，下列哪一種資料處理策略最合適且具實務可行性？
答案 （C）
核心概念
這是資料治理（Data Governance）與資料品質問題，不是模型問題。當同一個語義（購買金額）被拆散在多個命名不一、單位不一的欄位裡，正確做法是回到源頭建立統一標準：訂定命名規範、統一幣別與格式、把語義相同的欄位合併成單一可信欄位。這樣才能避免資訊重複造成特徵重要性被稀釋，也讓後續維護有依據。
答題技巧
快速判斷技巧：凡是題目描述「資料本身很亂」（命名不一、單位不一、重複），答案一律往「建立標準、清理、合併」靠，不會是「交給模型自己學」。
易錯陷阱：(B) 對熟悉 Gradient Boosting 威力的人特別有吸引力。要提醒自己：模型再強也無法知道 amount_usd 跟 total_price 是不是同一件事、幣別一不一樣，這是人要定義的語義，不是模型能猜的。