经营数据交接时,一张截图可能同时显示列质量全部有效,另一处行数却远大于1000。两项信息并不天然矛盾:前一项回答的是被剖析范围里的列值状态,后一项可能回答整份查询返回了多少行。首先需要核对各自的统计范围。
Microsoft的Power Query支持文档说明,默认数据剖析针对前1000行;编辑器允许在前1000行与整个数据集之间选择剖析范围。该文档列出的适用产品包括Excel for Microsoft 365、Excel 2024和Excel 2021。[1] 因而不能仅凭一个列质量百分比,就省略截图当时采用的范围设置。
列质量将数据分为有效、错误和空值三类,并显示各类百分比。[1] 假如截图采用默认前1000行,那么“有效100%”首先是这部分被查看数据的结果。把它改写成“全部业务记录均已核验”,增加了原截图没有证明的范围,也增加了“核验”这项未必做过的工作。
可以构造一个简单例子:查询共有1500行,前1000行没有出现错误,而后500行中存在错误。这个例子不是任何企业的实测结果,只用于说明,局部没有发现异常与全体没有异常属于不同命题。不能据此断言某张真实表一定在后半段有问题。
同一文档另行说明,Count Rows返回查询数据的实际行数,不受Column Profile设置影响。[1] 所以在默认剖析范围下看到1500这样的行数,并不能反过来证明列质量已经覆盖1500行。一个命令取得完整行数,不会自动扩大另一个统计视图的检查范围。
企业整理数据分析说明时,可以把“当前查询返回多少行”“列剖析基于哪些行”“观察到了什么状态”写成三个独立字段。这样读者能够知道结论由哪一个视图或命令支持,而不会把数据规模与数据质量混为同一项证据。这里讨论的是信息表达,不提供针对生产报表的修改脚本。
行数多或少本身不说明数据合格与否,列质量百分比也需要范围限定。先确认范围,再解释指标,才能避免用一张看起来完整的截图替代尚未进行的全表检查。本文只采用上述微软文档的功能说明,没有实际运行读者的查询或审计其经营数据。
信息来源
本文基于上述公开资料整理,未使用来源页面的图片、视频或嵌入媒体。