資料分析前最重要的事：決定「分析單位(unit of analysis)」

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

The what or whom being studied.

如何決定分析單位

1. 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。
2. 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

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。

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。

如何避免誤用分析單位

• 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

1. 決定分析單位等同於決定分析或應用標的。
2. 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。
3. 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