整理外送茶、定點茶或外約公開資料時,難免遇到遠高於其他項目的數字、異常年齡、重複字串或明顯錯位欄位。直接刪掉會讓結果好看,全部保留又可能嚴重扭曲分析。
先判斷是錯誤還是真實差異
回到原頁查看單位、欄位與上下文,確認是否因全形符號、千位分隔或抓取錯欄。沒有證據時,不應只因數字不順眼就刪除。
建立事前規則
例如超出合理格式範圍即標記人工複核,規則應在看見結果前決定。事後為了配合結論調整門檻,會造成選擇性分析。
同時報告含與不含極端值
兩個版本若差異很大,代表結論不穩定。讀者因此能理解外送茶或定點茶資料品質對結果的影響。
保留處理紀錄但遮蔽個資
記下刪除原因、原始網址與日期即可,不需要公開人物照片、私人帳號或精確位置。證據可追溯與隱私保護能同時做到。
人工複核最好由兩次獨立判讀完成,意見不同就保留待確認。這能降低單一編輯憑直覺排除不符合預期資料的風險。
極端值不是垃圾桶問題,而是資料品質問題;透明規則與敏感度比較,比悄悄刪除更可信。
