---
title: "資料剖析（Data Profiling）"
slug: data-profiling
language: zh-TW
source: https://aiterms.tw/terms/data-profiling
updated_at: 2026-11-16
tags: [資料處理, 資料品質, 資料清理, 中繼資料, Metadata, Profiling, 資料治理]
ipas_term: false
---

# 資料剖析（Data Profiling）

> **拿到一份沒看過的資料，怎麼快速知道它長什麼樣子、能不能用？**
>
> 這就是資料剖析：檢查資料集，整理出描述它的中繼資料，例如每個欄位的型態、空值、相異值與值的分布，以及欄位之間的相依關係。
>
> 剖析的結果可以用來決定怎麼清理、整合資料，找到的規律確認合理後也能轉成規則，之後拿來檢查新資料、監控資料品質。

### 容易混淆

> **資料剖析 vs 資料探勘**
>
> 資料剖析收集的是技術性的中繼資料，例如型態、空值、相異值與欄位相依，目的是支援資料管理
> 資料探勘要找的是不明顯的規律，目的是提供商業上的新洞見
> 這是 Abedjan 等人提出的一種區分，他們也指出兩者沒有公認的明確界線，判斷時可以看目的：整理資料本身的樣貌，還是從資料找出結論。
>
> **資料剖析 vs 資料驗證**
>
> 資料剖析是先看清楚資料長什麼樣子，不需要事先定好規則
> 資料驗證是拿事先定好的規則或預期去檢查資料
> 剖析的發現可以轉成驗證規則，例如只有不重複值的欄位可以列為候選鍵，不過剖析結果只代表當下這份資料，確認合理後才定成規則，再用來檢查新資料。
>

### 記住這句就好

> 拿到新資料先剖析：每一欄是什麼型態、空了多少、有幾種值、欄和欄怎麼相依，看清楚再清理、整合和建模。

### 實際案例

> **接手一份會員資料表**
> 剖析時可能發現 email 欄位有不少空值、生日欄位大量集中在同一個預設日期、會員編號每一列都不重複（可以列為候選鍵），這些結果會決定哪些欄位要補值、哪些要清理，哪些先不拿來分析。
>
> **Power Query 的資料剖析工具**
> Power Query 編輯器有三種檢視：欄位品質（Column quality）把值分成有效、錯誤、空白等類別並顯示各占多少比例，欄位分布（Column distribution）顯示每一欄各個值的頻率與分布，並標出相異值與唯一值的數量，欄位概況（Column profile）提供欄位統計與值的分布圖。預設只用前 1,000 列計算，要看全部資料得切換成以整個資料集剖析。
>
> **雲端資料平台的剖析掃描**
> 依 Google Cloud 官方說明，Knowledge Catalog（原 Dataplex Universal Catalog）的資料剖析掃描會替 BigQuery 等資料表計算欄位層級的統計：一般欄位有空值比例、近似的相異值比例與最多 10 個常見值，數值欄位另外有平均、標準差、最小值、近似的四分位數與最大值，巢狀、陣列與 JSON 這類欄位只算空值比例。掃描可以排程或隨時執行，標準模式可以指定抽樣比例，結果也能用來產生資料品質規則的建議。
>

### 演算法與應用

> 先做單一欄位的剖析：列數、值的長度與空值數量掃過一次就能算出來，值的分布通常也只要掃一次，但四分位數要先排序，相異值數量則要用雜湊或排序來算。
> 再看多個欄位一起的樣子：相關性、關聯規則、群集與離群值。
> 最後找欄位之間的相依關係：哪些欄位組合每一列都不重複（其中最小的組合是候選鍵）、函數相依、包含相依（找外來鍵）。可能的欄位組合會隨欄位數呈指數成長，找出全部相依關係在最壞情況下要花指數時間，也有研究提出用抽樣或只求近似結果的方法。
> 剖析的發現只代表手上這份資料，確認合理後可以轉成規則或限制條件，之後用來檢查新資料、衡量與監控資料品質，也能協助資料清理、資料整合與查詢最佳化。

### 情境判斷

> **Q1（直覺題）：接手一份從沒看過的客戶資料，第一步該做什麼？**
>
> → 先做資料剖析，看每個欄位的型態、空值、相異值與值的分布，找出可能的候選鍵和欄位之間的相依，知道資料長什麼樣子、品質如何，再決定怎麼清理與分析。
>
> **Q2（判斷題）：Power Query 顯示某一欄沒有空白值，就代表整份資料這一欄都沒有空白值嗎？**
>
> → 不一定。Power Query 預設只用前 1,000 列做剖析，資料超過 1,000 列時，要切換成以整個資料集剖析才能下結論。
>

---

來源：https://aiterms.tw/terms/data-profiling
快查頁：https://aiterms.tw/terms/data-profiling
出處：
- Profiling relational data: a survey（Abedjan、Golab、Naumann，The VLDB Journal 24(4)，2015，MIT DSpace 典藏全文）：https://dspace.mit.edu/handle/1721.1/106176
- About data profiling（Google Cloud 官方文件，Knowledge Catalog，原 Dataplex Universal Catalog，查核時頁面更新日 2026-11-10）：https://docs.cloud.google.com/knowledge-catalog/docs/data-profiling-overview
- Using the data profiling tools（Microsoft Learn，Power Query 官方文件，查核時頁面更新日 2025-08-28）：https://learn.microsoft.com/en-us/power-query/data-profiling-tools
最後更新：2026/11/16