資料分析前最重要的事：決定「分析單位(unit of analysis)」
更新於 2023/07/05閱讀時間約 5 分鐘
「分析單位」近似詞是「歸戶方式」或是「資料顆粒度」，是資料分析執行前，最需要確認的項目；決定了「分析單位」等同於決定分析結果數據呈現方式、解讀和應用方法。讓我們一起了解「分析單位」到底是什麼？什麼會決定分析單位？以及沒有弄清楚分析單位會有什麼影響？
內容
- 定義
- 如何決定分析單位
- 誤用的話還好吧
- 如何避免誤用分析單位
- 結論
- 最後
定義
根據Earl Babbie在社會科學研究方法的教科書中所定義，分析單位(unit of analysis)是指：
The what or whom being studied.
也就是說，「分析單位」指的就是「研究的對象」。
比方說，在學校教育中，我們想要知道不同的教育方式，對於學生成績的影響，那麼「一個個的學生」就是我們的分析單位；在企業管理中，想知道不同企業的成長潛能，這時的分析單位就是「一間間的公司」；又或者是，想建立模型預測不同地區在選舉時藍、綠的得票率，這時候的分析單位就可以是「一個個的村里」。
在資料分析或是資料倉儲(data warehouse)領域中，常見的近似詞是「歸戶方式」或是「資料顆粒度」。不過我偏好使用「分析單位」稱呼，因為他除了表示「單位」之外，同時也隱含著「分析標的」。
如何決定分析單位
「分析單位」的決定方式，取決於下列2種狀況：「研究或應用目的」和「可取得的資料最小單位」。
- 分析或應用目的
依「分析或應用目的」決定是最常見方式。如同我在【定義】裡舉的例子，分析或應用目的會主導分析單位。
在不同情境之下，我們分析的標的，可以是「一個個的人」，也可以是一群人所組成的「一間間公司」，甚至是由一個個區域所框定的地理區域等。而在學術單位或是研究機構中，分析單位往往相對容易決定，因為在學術環境中，往往不須額外合併（join）其他資料，因此資料的分析單位相對固定，大致上在資料收集時就已經決定。 - 可取得的資料最小單位
商業或實務應用場域上，則往往更受到個人資料保護，或其他的成本考量，而無法取得研究的極致小的分析單位。舉例來說，假設我想要知道住在「不同路段的平均房價和家戶所得之間的關係」，卻發現實務上無法取得各路段的家戶所得資料，且公開資料最細只至「村里」，此時「分析單位」只能是「村里」，而原本的題目就會變成「不同村里的平均房價和家戶所得之間的關係」。
也就是說，能否取得足夠細緻的資料，會反過來影響分析單位和研究目的。
誤用的話還好吧
大家都有銀行帳戶吧？舉幾個和銀行有關的例子，說明誤用的情況。你知道哪邊有問題嗎？
想知道各家銀行往來「人數多寡」，發現部分銀行的人數達1,900萬，也就是8成台灣人和該銀行有往來。
其統計的是不同銀行的有效帳戶數，但因為同一個人在同間銀行可能有多個帳戶，或同時有台幣帳戶和外幣帳戶，所以呈現的數字不是「往來人數」，而是「有效帳戶數」。
銀行想建立風險預測模型，輔助預判借款人無法償還款項的風險高低。先是整理借款人資料，同時考慮具有風險意涵的歷史交易紀錄，逐筆合併。
但模型無法完成訓練，原因是借款人的資料竟達數億筆，即便完成也可以預期模型的預測能力有限。原因在於合併歷史交易紀錄時，資料的分析單位已不再是「每個借款人」，而是「每個借款人的每次交易紀錄」。
如何避免誤用分析單位
要避免分析單位的誤用，可以在3個不同面向著力，包含「制度面」、「資料面」和「個性面」
- 制度面
在制度上設定資料檢核點，並由不同分析人員或主管確認資料輸入和輸出數量一致。 - 資料面
在資料合併時，明定資料之間的關聯鍵值，當資料為的單位不同時，如較細緻的歷史交易紀錄（同個貸款人有比較多筆交易紀錄）應整合（aggregate）至貸款人的單位，例如計算貸款人的交易頻率、欠款金額、違約比例等，再行合併至借款人資料，而非歷史交易紀錄直接合併借款人資料。 - 個性面
吹毛求疵、龜毛、完美主義的分析師個性，會是產出品質的保證之一。因為大多數資料分析的結果，除非逐步核對或是前例的數字可循，否則很難發現箇中錯誤，這時候分析人員的正直是最後一道的防線。
結論
資料分析的學習過程中，「分析單位」極少被提及，原因在於多數練習題不會牽涉到合併資料，或是應用其他外部資料，加上分析和應用標的都已經被決定，所以被忽略。而分析單位往往是透過和使用者或客戶需求訪談，了解業務內容後才能徹底掌握的。因此
能夠充分掌握分析單位的資料分析人員，除了是對自我專業價值的重視，也是對資料掌握度的呈現，更是產出品質的保證。
本文的3個結論：
- 決定分析單位等同於決定分析或應用標的。
- 時時確保分析單位的一致性，特別在資料經過合併後，應再次確認。
- 分析單位的誤用可以透過不同面向降低發生的可能性。
最後
你了解「分析單位」的重要性了嗎？有沒有遇過「分析單位」不一致的狀況呢？對於我的內容有什麼建議，都歡迎留言跟我分享。
留言0
查看全部
你可能也想看
Google News 追蹤
*合作聲明與警語：
本文係由國泰世華銀行邀稿。
證券服務係由國泰世華銀行辦理共同行銷證券經紀開戶業務，定期定額(股)服務由國泰綜合證券提供。
剛出社會的時候，很常在各種 Podcast 或 YouTube 甚至是在朋友間聊天，都會聽到各種市場動態、理財話題，像是：聯準會降息或是近期哪些科
本週構築資料分析休刊＋新潟Champions League整理
上一篇介紹了 Python 中的條件判斷，方法是透過了自動程式條件式判斷，以不同劇本的方式來執行動作。然而實際情況下，我們還常會遇到一種問題，就是必須重複執行某些相同的步驟，而迴圈（loop）的設計就是為了解決此「重複執行」的一種控制結構，讓我們可以在條件符合的情況下利用迴圈執行資料的輸入、處理與輸
經歷過第一次的課程內容後，我們已經初步理解到Python的基本運算功能，接下來就要開始進入到高階語言都有的程式控制邏輯，先來個小小開胃菜—條件判斷。
if敘述
直接來帶範例會比較清楚理解：
第一次我們輸入國文分數為50分，由於數值50並沒有大於60，第一個if敘述的condition條件判斷就會是F
首先，聊聊我與SimilarWeb的不解之緣😊，以前在媒體界擔任產品經理時，老闆最愛問下屬的一件事，別人家競品的網站狀況如何？流量如何？廣告策略有哪些？可是坦白說，沒有認識到別家公司內部員工的話，誰有辦法清楚知道，這時只能想些折衷的辦法，去翻翻網路資訊，或請教一些數位界的前輩，了解是否有哪些第三方
前幾年因為工作方面的需求，花了一些時間自學了Python，進行網站爬蟲與資料分析，但近期由於職務的轉換，Python的實作應用機會減少了許多，對於code撰寫的敏感度也因此降低不少，趁著上個月看到勞動力職能發展協會官網有一門新課程「Python大數據資料探勘分析應用班」正在線上招生，想說既然政府與公
最近在公司跟資料科學家一起討論了產品推薦機制的運作邏輯，才開始理解了甚麼是關聯分析（Associative Analysis），覺得挺有趣的，想說把學習心得記錄下來，藉此機會跟大家分享。
接著下來，我們就以「樂屋網」產品的使用者行為資料庫，做為假設的範例，進行簡單的解釋說明。
條件機率與貝氏定理
紐約時報曾經於2018年12月製作過「How Does Your State Make Electricity?」專題，探討從2001-2017年美國各州電力系統結構變化。本篇目的旨在仿照紐約時報的做法，也製作一個屬於台灣的電力結構轉變資訊圖表。
史隆運動分析論壇(MIT SSAC)，是北美運動數據研究圈中最重要的交流盛會，許多的運動數據分析人才與業界相關公司，都是透過此論壇所發跡。以下為個人對SSAC 22座談會內容的彙整。
這一次在高雄上課，租用昂貴的電腦教室，只是很可惜，這家巨匠居然沒有安裝office，只有開放原始碼的試算表，有一點卡卡的，影響我的教學。
趁學員陸續到期，趕緊教他們下載資料；下載資料對我來說雖然簡單，但對於這一批學員來說，卻可能是第一次操作；還好很多學員立即學會，也立馬變身為種子教官，教會旁邊的學員
EXCEL應該是最多朋友會使用的工具，因為如果能善用EXCEL來分析手邊的股價資訊，必然能有極大的幫助。
雖然說現在市面上有非常多既有的既定工具，但資料在自己手上，分析方法由自己決定，長期來說還是比較好。
今天來講一個簡單的敘述統計...
*合作聲明與警語：
本文係由國泰世華銀行邀稿。
證券服務係由國泰世華銀行辦理共同行銷證券經紀開戶業務，定期定額(股)服務由國泰綜合證券提供。
剛出社會的時候，很常在各種 Podcast 或 YouTube 甚至是在朋友間聊天，都會聽到各種市場動態、理財話題，像是：聯準會降息或是近期哪些科
本週構築資料分析休刊＋新潟Champions League整理
上一篇介紹了 Python 中的條件判斷，方法是透過了自動程式條件式判斷，以不同劇本的方式來執行動作。然而實際情況下，我們還常會遇到一種問題，就是必須重複執行某些相同的步驟，而迴圈（loop）的設計就是為了解決此「重複執行」的一種控制結構，讓我們可以在條件符合的情況下利用迴圈執行資料的輸入、處理與輸
經歷過第一次的課程內容後，我們已經初步理解到Python的基本運算功能，接下來就要開始進入到高階語言都有的程式控制邏輯，先來個小小開胃菜—條件判斷。
if敘述
直接來帶範例會比較清楚理解：
第一次我們輸入國文分數為50分，由於數值50並沒有大於60，第一個if敘述的condition條件判斷就會是F
首先，聊聊我與SimilarWeb的不解之緣😊，以前在媒體界擔任產品經理時，老闆最愛問下屬的一件事，別人家競品的網站狀況如何？流量如何？廣告策略有哪些？可是坦白說，沒有認識到別家公司內部員工的話，誰有辦法清楚知道，這時只能想些折衷的辦法，去翻翻網路資訊，或請教一些數位界的前輩，了解是否有哪些第三方
前幾年因為工作方面的需求，花了一些時間自學了Python，進行網站爬蟲與資料分析，但近期由於職務的轉換，Python的實作應用機會減少了許多，對於code撰寫的敏感度也因此降低不少，趁著上個月看到勞動力職能發展協會官網有一門新課程「Python大數據資料探勘分析應用班」正在線上招生，想說既然政府與公
最近在公司跟資料科學家一起討論了產品推薦機制的運作邏輯，才開始理解了甚麼是關聯分析（Associative Analysis），覺得挺有趣的，想說把學習心得記錄下來，藉此機會跟大家分享。
接著下來，我們就以「樂屋網」產品的使用者行為資料庫，做為假設的範例，進行簡單的解釋說明。
條件機率與貝氏定理
紐約時報曾經於2018年12月製作過「How Does Your State Make Electricity?」專題，探討從2001-2017年美國各州電力系統結構變化。本篇目的旨在仿照紐約時報的做法，也製作一個屬於台灣的電力結構轉變資訊圖表。
史隆運動分析論壇(MIT SSAC)，是北美運動數據研究圈中最重要的交流盛會，許多的運動數據分析人才與業界相關公司，都是透過此論壇所發跡。以下為個人對SSAC 22座談會內容的彙整。
這一次在高雄上課，租用昂貴的電腦教室，只是很可惜，這家巨匠居然沒有安裝office，只有開放原始碼的試算表，有一點卡卡的，影響我的教學。
趁學員陸續到期，趕緊教他們下載資料；下載資料對我來說雖然簡單，但對於這一批學員來說，卻可能是第一次操作；還好很多學員立即學會，也立馬變身為種子教官，教會旁邊的學員
EXCEL應該是最多朋友會使用的工具，因為如果能善用EXCEL來分析手邊的股價資訊，必然能有極大的幫助。
雖然說現在市面上有非常多既有的既定工具，但資料在自己手上，分析方法由自己決定，長期來說還是比較好。
今天來講一個簡單的敘述統計...