
10
|
第二章:是只有我這樣,還是這個資料本身令人感到有趣?
驗證欄位
當你能夠讓資料變成可以被檢視並且被操作的格式時,下一步就是要去理解資料代表的
意義。在某些(極為少數的)狀況中,所有關於資料的資訊都會被提供。但通常都不會
這麼幸運,而需要花上一些時間來理解資料。依照資料格式的不同,也許會有一些標頭
列能夠提供一些線索,或是每個資料元素可能會擁有對應的鍵。若你很幸運,它們將會
用你能夠理解的語言以適當的文字敘述,或者至少能讓你找到某人來閱讀該敘述。我就
曾經不止一次的尋求一個俄國 QA 人員的幫助。這也是工作環境多元化的好處之一。
一個常見的錯誤就是誤解了內容的單位或是欄位的意義。像貨幣欄位就可以用元、角、
分等單位描述。收益的欄位也可以是總收益或是淨收益。距離可能是使用英哩、公里、
英尺等等為單位。去看定義以及實際在欄位中的值,都能夠幫助我們盡量不要因為誤解
而導致不正確的結論。
你也應該要看其他欄位的值,確保所有的欄位看起來都很合理。舉例來說,頁面瀏覽次
數的欄位內容應該是一個整數,而不會有小數點的數字或是字串。貨幣欄位(價格、成
本、PPC 或 RPM)應該就是包含兩位或是四位小數點的數字。使用者名稱欄位應該要
包含看起來像是一般使用者名稱的字串。IP 位址則是被句點隔成四部分的整數。
在資料集合中的常見問題就是遺失值或是空值。有時候這樣並沒有關係,但有時候會
造成記錄的錯誤。這種值會用許多不同的方式表達,有時候就什麼都沒有(如在以 tab
分隔的檔案中的兩個連續 tab)、空字串(包含單引號或是雙引號)或是寫著 ...