---
title: "大數據分析，從資料清理開始"
slug: d37269d0-f39b-4981-95dd-c26889345f1c
url: https://www.cwlearning.com.tw/posts/d37269d0-f39b-4981-95dd-c26889345f1c
published_at: 2020-06-22
modified_at: 2026-06-26
author: "吳沛燊｜台大復健科醫師/資料科學家"
category: "職場"
access: public_access
---

# 大數據分析，從資料清理開始

By **吳沛燊｜台大復健科醫師/資料科學家** | 2020-06-22

愈來愈多企業開始利用大數據做分析應用，我也常被問到兩個問題：第一個問題是：「我的公司沒有資料，怎麼做大數據分析？」第二個問題則是：「我的公司資料很多，但不知道從何開始？」 第一個問題，我的答案很簡單：「沒有資料，也就沒有包袱，現在就可以開始蒐集有用的資料！」 第二個問題就比較複雜了，也反映許多企業正面臨的難題。根據媒體報導， https://jobsincambs.com/ 全家便利商店歷年來蒐集了190萬筆資料，要導入大數據應用時，卻發現這些資料都不能用，只好重新建立。 這可能是比較極端的例子，但事實上，企業的資料的確散見各處，有的在業務端、有的在行銷端，甚至客服端也有，相當欠缺清理與整合。 整合資料前，要先清理資料，在這個步驟，你很快就會發現很多問題。我歸納，至少會面臨下面這6個挑戰，而這些問題也是我過去碰過的。挑戰1：沒有資料（No Data） 由於過去沒有設定目標，所以沒有保存。比如剛開始沒想到日後會回饋顧客生日禮，所以建立資料時，沒有詢問顧客的生日，日後就少了一項可以應用的資料。 挑戰2：過時的資料（Out-of-date Data） 有的企業雖然有保存資料，但資料的保鮮期已過，用途不大。例如，5年前蒐集的客戶email，有些網路服務可能已經終止，客戶已不再使用，或是客戶早已換了工作，email就得重新蒐集才行。 挑戰3：不完整的資料（Uncompleted Data） 雖然有資料，但資料欄位不完整，導致只有部分資料可以應用，或者必須補齊才有應用價值。例如姓名、電話、地址、交易資料都有，但是沒有記錄交易時間、金額，以至於無法做進一步分析。 挑戰4：遺失的資料（Missing Data） 這個狀況是，有資料，資料欄位也很完整，但是某些筆數的資料欄位卻是空白的。 譬如1年12個月的資料，某些地區的交易資料是空白的，這是代表沒有交易呢？或者交易金額是零？這些欄位必須處理。若確認是沒有交易，就要填入「零」或「平均數」，以減低對總體資料的影響。挑戰5：稀少的資料（Sparse Data） 該有的欄位都有，也有紀錄，但是記錄到交易行為發生的資料數量非常少。例如，請消費者來為某部電影評價，但是大部分人都沒有看過這部電影，造成有評價的資料過少，缺乏分析的價值。 挑戰6：不精確的資料（Inaccurate Data） 最常發生的狀況，就是用不同的衡量方法，提供不一樣的資料。有位企業經營者問我：「整理完後的資料，剩下兩千筆不到，怎麼辦？」不用灰心，兩千筆有效的資料，總比20萬筆沒有經過清理的資料來得可靠！ 最後切記，大數據並非「數大就是美」，應該是「不怕少，怕不好」。這就是為什麼做大數據分析前，我們要先清理資料的原因了！