
完整(Complete)
|
225
一定不同。這沒什麼。我們並不希望 4C 成為一個普遍且無懈可擊的方法,而是希望將
其視為一個討論的起始點,並且是建立你自己的資料品質政策和程序的結構。
完整(Complete)
一個
完整
的資料集合的概念是很難以確定的。太容易會說出「它是一個擁有所有東西的
資料集合」這種話,然後就繼續往下作。但我們在這邊要如何定義「所有東西」?它單
純是記錄的數量嗎?預期的欄位計數?也許我們應該要包括所有的欄位都要擁有值—假
設「缺少值」本身並不是一個值(這尚未包含所有的值是否是正常的;那是之後會講到
的「正確性」的部分)。這讓我們開始學習哪些欄位是必要的,而哪些是可要的。
多數的這類問題是從相同的根源而來,而這對資料中的完整性是非常自然的:
我是否擁有所有需要用來回答我的問題的資料
?
就算是這樣仍然是需要技巧的:在你知道資料是否足夠之前,首先你通常必須要使用資
料來嘗試回答你的問題,然後驗證任何的結果。你也許能夠良好的執行這個「詢問然後
驗證」的遞迴。關鍵在於,你應該使用你的分析的首輪來確認完整性,並且盡可能的將
任何發現視為初步結果。這讓你不會在發現資料不完整之前,就在不成熟的結論上採取
行動。
讓我們從最簡單但常常被忽略的完整性開始:你真的擁有特定查詢的
所有
記錄嗎?若你
在包含有限且定義良好的記錄數量的資料上執行任何種類的分析,這是一個基本且不可
或缺的問題,並且總數(例如,訂單的數量,或是佣金的總和,或是總註冊學生)要跟
一些外部系統是一樣的,這件事也是重要的。試想為你最大的客戶,呈現一個在股票交 ...