數據分析系列(1)：沒數據？叫 AI 變給你！五招獲取高品質練習資料

你是否曾經有過這樣的念頭：「好想試試看用 Excel 跑出漂亮的圖表，看看能不能發現什麼有趣的趨勢？」但當你興沖沖地打開電腦，卻發現面對著一片空白的表格發呆——因為手邊根本沒有資料可以算。

這就像買了一套高級廚具，打開冰箱卻發現沒有食材可以料理一樣，讓人不知從何下手。

其實，數據分析並不是工程師或數學家的專利。只要你知道去哪裡找，數據其實無所不在！從我們每天的發票紀錄、Google 地圖足跡，到現在最紅的 AI 工具，都能成為你的「食材」。

這篇文章特別為新手整理了 五個最親民的獲取途徑。就算你完全沒學過程式，也能輕鬆獲得高品質的練習素材。特別是最後一招：直接叫 AI 幫你「憑空變出」一份擬真的飲料店銷售紀錄，讓你馬上就能體驗分析的樂趣！

一、獲取具質量的練習數據

其實數據到處都是，只要您知道去哪裡找。以下我為您整理 5 個獲取高質量練習數據的途徑，從最簡單到最專業都有：

1. 最快速：叫 AI 幫您「無中生有」 (推薦)

既然您已經在使用 Gemini，這是最快的方法。您可以要求 AI 生成符合特定情境的「模擬數據」。這對練習清洗數據（Data Cleaning）特別有用，因為您可以故意要求 AI 把數據弄得很亂。

優點： 完全客製化、隨拿隨用、沒有版權問題。
Prompt範例：第二章節教學。

2. 最經典：公開數據競賽平台 (Kaggle)

這是全球數據分析師的寶庫。

網站： Kaggle Datasets
推薦理由： 這裡的數據通常有詳細的背景說明（Data Dictionary），而且可以參考別人（Notebooks）是如何分析同一份數據的。
新手必練題目：
- Titanic (鐵達尼號生存預測)：練習分類問題。
- House Prices (房價預測)：練習回歸分析。

3. 最在地：政府開放資料平台 (Open Data)

如果您想做與台灣生活相關的分析，這裡最適合。

網站： 政府資料開放平臺 (data.gov.tw)
推薦理由： 貼近生活，分析出來的結果會有「有感」。
有趣的數據集：
- 不動產實價登錄（練習房價分析）。
- 路口交通事故資料（練習地理熱點分析）。
- YouBike 即時站點資料。

4. 內建練習檔：Python/R 套件或 BI 工具

如果您是使用程式語言或 Power BI，它們通常自帶經典數據集。

Python (Seaborn/Sklearn)：
- iris (鳶尾花分類)
- tips (餐廳小費分析)
- flights (航班乘客數)
Tableau / Power BI： 通常會附帶「Global Superstore (全球超市銷售數據)」，這是商業分析最完美的練習題，包含利潤、折扣、地區等多維度。

5. 生活數據：分析「你自己」

這是最有趣的來源。將您日常生活留下的數位足跡匯出。

Google Maps Timeline： 匯出您的定位紀錄，分析您最常去的地方。
記帳軟體： 匯出 CSV，分析您的消費習慣。
Netflix/YouTube 觀看紀錄： 分析您的觀影喜好與時間分佈。

二、先用 AI 生成數據

1. 生成數據用的提示詞

簡易版的提示詞範例：

請幫我生成一份『虛擬的連鎖飲料店銷售數據』，格式為 CSV。
欄位包含：交易日期、分店地點（台北/台中/高雄）、飲品名稱、甜度、冰塊、價格、顧客性別。
請生成 500 筆資料，並且故意在『甜度』欄位中混雜一些缺失值或格式錯誤（例如 '半糖' 和 '50%' 混用），讓我練習數據清洗。

詳細版(定義清楚每一個變數)的提示詞範例：

角色：你現在是虛擬數據產生器。請幫我生成一份「台灣連鎖飲料店（手搖飲）」的銷售模擬數據，格式為 CSV code block，方便我直接複製。

需求說明：
我需要約 500 筆資料，資料必須包含以下欄位，並且要隱含一些「特定的數據規律」供我練習分析：

1. 欄位定義：
   - Transaction_Date（交易日期）：請集中在2024年1月到2024年3月，且週末的交易量要稍微比平日高。
   - Order_ID（訂單編號）：唯一值。
   - Customer_ID（顧客編號）：部分顧客會重複購買（為了練習計算回購率）
   - Customer_Age（顧客年齡）：15–65歲。
   - Customer_Gender（性別）：Male / Female。
   - City（城市）：請分佈在：台北市、台中市、高雄市。
   - Drink_Category（飲品類別）：原茶類、奶茶類、水果茶、咖啡飲品、季節限定飲品。
   - Cup_Size（杯型）：M / L。
   - Unit_Price（單價，NTD）：請根據飲品類別與杯型設定合理價格
   - Quantity（杯數）：1～4 杯不等
   - Total_Sales（總金額）：單價 × 數量

2. 請在數據中埋入以下「分析彩蛋」（規律）：
   - 趨勢規律：2 月份因農曆新年與返鄉人潮，「奶茶類」與「季節限定飲品」的銷量有明顯提升。
   - 地理規律：「台北市」的訂單平均客單價（Average Order Value）要比其他城市高。
   - 客群規律：「水果茶」的主要購買者設定為 20–35 歲女性。「咖啡飲品」在 30–50 歲族群中比例較高。

3. 資料品質要求：
   - 請在數據中混雜一些：缺失值、格式不一致的資料、少量異常值

請直接輸出 CSV 格式內容，以便我練習，資料清洗與前處理。

2. 操作 AI 工具以生成數據

如下為 Gemini 回覆：

這裡有一份包含髒數據（Dirty Data）的 CSV 文字內容。您可以直接點擊右上角的 「Copy code」，貼到記事本（Notepad）中，並另存為 sales_data.csv，即可用 Excel 開啟練習。

(為了版面整潔，這裡提供前 50 筆，若需完整 500 筆請使用Python生成)

50筆資料如下：

交易日期,分店地點,飲品名稱,甜度,冰塊,價格,顧客性別
2023-01-02,台北,珍珠奶茶,半糖,少冰,55,女
2023-01-05,台中,錫蘭紅茶,50%,微冰,30,男
2023-01-08,高雄,茉莉綠茶,全糖,正常冰,30,女
2023-01-12,台北,黃金烏龍,,去冰,35,男
2023-01-15,台中,百香雙響炮,30%,少冰,60,女
2023-01-18,高雄,芋頭鮮奶,微糖,微冰,65,男
2023-01-22,台北,珍珠奶茶,Regular,正常冰,55,女
2023-01-25,台中,錫蘭紅茶,0%,去冰,30,男
2023-01-28,高雄,黃金烏龍,少糖,熱,35,女
2023-02-01,台北,百香雙響炮,Full,少冰,60,男
2023-02-04,台中,芋頭鮮奶,無糖,微冰,65,女
2023-02-07,高雄,珍珠奶茶,70%,正常冰,55,男
2023-02-10,台北,錫蘭紅茶,半糖,去冰,30,女
2023-02-14,台中,茉莉綠茶,,熱,30,男
2023-02-18,高雄,黃金烏龍,30%,少冰,35,女
2023-02-21,台北,百香雙響炮,微糖,微冰,60,男
2023-02-25,台中,芋頭鮮奶,100%,正常冰,65,女
2023-03-01,高雄,珍珠奶茶,少糖,去冰,55,男
2023-03-05,台北,錫蘭紅茶,50%,少冰,30,女
2023-03-09,台中,茉莉綠茶,半糖,微冰,30,男
2023-03-12,高雄,黃金烏龍,Regular,正常冰,35,女
2023-03-16,台北,百香雙響炮,0%,去冰,60,男
2023-03-20,台中,芋頭鮮奶,全糖,熱,65,女
2023-03-24,高雄,珍珠奶茶,,少冰,55,男
2023-03-28,台北,錫蘭紅茶,30%,微冰,30,女
2023-04-01,台中,茉莉綠茶,微糖,正常冰,30,男
2023-04-05,高雄,黃金烏龍,Full,去冰,35,女
2023-04-09,台北,百香雙響炮,無糖,少冰,60,男
2023-04-13,台中,芋頭鮮奶,70%,微冰,65,女
2023-04-17,高雄,珍珠奶茶,半糖,正常冰,55,男
2023-04-21,台北,錫蘭紅茶,,去冰,30,女
2023-04-25,台中,茉莉綠茶,30%,熱,30,男
2023-04-29,高雄,黃金烏龍,微糖,少冰,35,女
2023-05-03,台北,百香雙響炮,100%,微冰,60,男
2023-05-07,台中,芋頭鮮奶,少糖,正常冰,65,女
2023-05-11,高雄,珍珠奶茶,50%,去冰,55,男
2023-05-15,台北,錫蘭紅茶,半糖,少冰,30,女
2023-05-19,台中,茉莉綠茶,Regular,微冰,30,男
2023-05-23,高雄,黃金烏龍,0%,正常冰,35,女
2023-05-27,台北,百香雙響炮,全糖,去冰,60,男
2023-05-31,台中,芋頭鮮奶,,熱,65,女
2023-06-04,高雄,珍珠奶茶,30%,少冰,55,男
2023-06-08,台北,錫蘭紅茶,微糖,微冰,30,女
2023-06-12,台中,茉莉綠茶,Full,正常冰,30,男
2023-06-16,高雄,黃金烏龍,無糖,去冰,35,女
2023-06-20,台北,百香雙響炮,70%,少冰,60,男
2023-06-24,台中,芋頭鮮奶,半糖,微冰,65,女
2023-06-28,高雄,珍珠奶茶,,正常冰,55,男
2023-07-02,台北,錫蘭紅茶,30%,去冰,30,女
2023-07-06,台中,茉莉綠茶,微糖,熱,30,男

若需要 500 筆資料，請使用 Python 程式碼生成 CSV 檔案。請複製以下程式碼，在您的 Python 環境（或 Google Colab）中執行，它會直接在該目錄下生成一個 drink_sales_dirty.csv 檔案。

import pandas as pd
import random
from datetime import datetime, timedelta

# 1. 設定參數
random.seed(42)
num_records = 500
locations = ['台北', '台中', '高雄']
drinks = {'珍珠奶茶': 55, '錫蘭紅茶': 30, '茉莉綠茶': 30, '黃金烏龍': 35, '百香雙響炮': 60, '芋頭鮮奶': 65}
ice_levels = ['正常冰', '少冰', '微冰', '去冰', '熱']
genders = ['男', '女']

# 甜度髒數據池
sugar_clean = ['全糖', '少糖', '半糖', '微糖', '無糖']
sugar_dirty = ['100%', '70%', '50%', '30%', '0%', 'Regular', 'Full', 'NaN', '']

data = []
start_date = datetime(2023, 1, 1)

# 2. 生成資料
for _ in range(num_records):
    days_offset = random.randint(0, 365)
    date = (start_date + timedelta(days=days_offset)).strftime('%Y-%m-%d')
    location = random.choice(locations)
    drink_name = random.choice(list(drinks.keys()))
    price = drinks[drink_name]
    ice = random.choice(ice_levels)
    gender = random.choice(genders)
    
    # 製造髒數據邏輯
    rand_val = random.random()
    if rand_val < 0.8:
        sugar = random.choice(sugar_clean)
    elif rand_val < 0.95:
        sugar = random.choice(sugar_dirty)
    else:
        sugar = "" # 空值
        
    data.append([date, location, drink_name, sugar, ice, price, gender])

# 3. 輸出 CSV
df = pd.DataFrame(data, columns=['交易日期', '分店地點', '飲品名稱', '甜度', '冰塊', '價格', '顧客性別'])
filename = "drink_sales_dirty.csv"
df.to_csv(filename, index=False, encoding='utf-8-sig')

print(f"成功生成 {filename}，共 {num_records} 筆資料！")