2023-06-28|閱讀時間 ‧ 約 6 分鐘

資料分析前最重要的事：決定「分析單位(unit of analysis)」

「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

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」。

「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。

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」。

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。

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：

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。

分享至

成為作者繼續創作的動力吧！

從 Google News 追蹤更多 vocus 的最新精選內容

成為會員後即可發表留言