数据整理入门（上）：认识你的数据格式
前言
本文写给“非信息相关科系出身/缺乏数据处理相关概念，但有以下需求”的人看：
你的组织手边很多数据但有点乱，想要整顿这些数据，让它变成有用的信息、报表，且能依据不同需求重复利用，不需要每次刷新数据。
例如，手边有一堆订单纪录，想要每月自动生成报表、统计收入，同时能直接看出哪样商品卖得好；或者有进货数据，想自动计算、更新库存；有客户数据、客服记录或客户联络记录，想随时能跟踪到哪类客户最多？客户主要问题是什么？
或者，你想在 Excel 或 Ragic 针对特定数据做数据透视或引出成图表，却不确定要怎么整顿数据、区隔化单元格、把哪些信息要放在哪一格，才能跑得出你想要的结果，也不确定现在手上的“表格”，是以怎样的逻辑体系结构的，是否需要经过格式转换，才能进一步达到你要的效果。
那么，你可以来看看这系列文章：因为以上情境，对应的问题多半是：“我的表格是什么类型？该怎么整理手边的数据，以什么格式存放，才能正确被计算机分析、利用、自动运作各种工作流程？”
对不会写程序、没有专业数据处理技能的人来说，要整理大批数据，最好用的方法，就是把它放进表格——特别是像 Excel、Google Sheet，或 Ragic （列表页）这类电子表格（Spreadsheet）的格式里。像这样：
透过表格的横列、直栏，可以将数据较有结构的摆放，让一般人就能筛选、排序、加总数据，甚至做更复杂的分析。市面上主打“没信息背景也能使用”的数据搜集、数据管理工具，许多都是表格/表单/电子表格软件。
然而，并不是随意把数据塞进表里，这些数据管理工具就可以自动帮你分析一切。
Ragic 客服有时会遇到这样的例子：用户因为不清楚数据格式的差别，试图将不符合格式的数据汇入 Ragic ，使得系统无法处理，或跑出跟用户想像中完全不一样的样子；或者因为没有以适合的方式排放数据，导致无法引出报表或进一步分析。
对于数据应该以怎样的格式放进表格（电子表格/表单），不同的应用工具会各有不同的规定（例如 Ragic 的数据汇入格式说明在这里），其中有些会与应用工具自家的格式有关，但也有一些，其实可说是整理数据的“共通原则”。本文主旨就是说明这些共通原则，以协助你将数据变成真正好用的表格。
本文分成上下两篇，本篇为上篇，提供基础说明，说明“表格”的基本元素，并介绍不同格式的表，以及这些表之间可能的关系。下篇则进一步说明：如何将表格/电子表格数据整理成易于分析的格式？
本文定位为“新手介绍”，希望首先协助在线表单/表格不熟悉的朋友，厘清状况，因此即使对很多读者而言可能太简单，这篇文还是尽量详细说明并附带实例。如果您本来就具备基础知识，可利用小标题快速扫过内容；之后我们也会针对客户设计 Ragic 数据库时需要的数据体系结构概念，推入出进阶的说明文章。
想要快速知道怎样的数据格式才能做“数据透视”，可直接点此跳转到“二维表”的部分；想要将表单数据汇入到电子表格，但不确定两者区别的可以看“电子表格”、“表单”这两部分的说明。
表格的基本元素
表格是由水平、垂直格线组成的网格，其中一排垂直向下延展的方格称为“栏”（Column），横着向右延展的称为“列”（Row），如下图。
很多电子表格会以英字母命名“栏”（从左至右就会是 A 栏、 B 栏、 C 栏...），以数字命名“列”（从上至下就会是第 1 列、第 2 列、第 3 列...），每个方格（单元格，Cell）就依其所属的栏和列结合在一起来命名，例如上图“王聪明”这个单元格就是 B2 。（注：如果你的 Excel 不是长这样而是直栏/横列皆为数字，那是另一种 R1C1格式，有兴趣的话可以参阅这篇说明）
不同结构的“表”：“电子表格”、“表单”等各有不同
同样是以直栏、横列组成的表，可以依据其置放数据的不同逻辑，分成不同的种类。例如下面要介绍的电子表格、表单以及其他数据分析后生成的表格，如数据透视表，都各有不同。
“电子表格”适合存放源数据、让计算机根据这些源数据来分析出进一步的结果，一个页面/工作表可以存放多笔数据，是多数数据分析工具的依据；“表单”适合当作输入、编辑数据的接口，一个页面存放一笔数据，可以让一笔数据呈现更多细节，多个表单页面输入的结果可以汇整成电子表格；而数据分析的成果，也可以整理成（非源数据的）表格，像是数据透视表。
电子表格（Spreadsheet）
“电子表格”经常是源数据存放、分析最好用的依据，Excel、Google Sheet、Numbers等软件、以及 Ragic 的列表页都长这样。因为它“一笔数据一列”的格式，一个电子表格的页面可以存放多笔数据，让人得以综览、分析数据。
当你使用在线表格/数据分析/数据管理工具时，如果有提供将xlsx檔、CSV檔汇入平台、或将整组数据汇出成xlsx檔、CSV檔汇出的功能，这些通常也是下面描述的电子表格格式。
电子表格数据放置的逻辑：第一列通常是描述数据的首部，每列包含一样数量的栏，每列中同一栏所记录的数据值具备相同的属性；相对的，同一列不同栏的数据性质就都不相同。
假设我们有一组“员工人事数据”要放在电子表格里，员工共有 6 位，每个员工数据都包含数据编号、姓名、所属部门、职称、公司电话、Email等 8 项内容。
我们会在电子表格的第 1 列放入描述/定义其他列的信息，称为首部/表头（header row），像是A1--“数据编号”、B1--“员工名称”、C1--“部门”等。
以首部来描述的每一栏（column），叫做一个字段（field），包含字段首部（field header）和字段值（field value）这两个元素，例如 B 栏就是“员工名称”字段，员工名称这个字段首部会对应第 2 列之后的字段值，包括 B2（王聪明）、B3（叶大雄）、B4...等。
电子表格的每一列（row），代表一笔数据/记录（record, entry），以上图的例子来说，扣除字段首部共 6 列（第 2 列 到第 7 列，数据编号 E-00001 到 E-00006）。以这种逻辑整理、放置的一组数据，每一笔数据都能识别为水平的一列，而同一个字段（field）都在同个垂直轴在线，要筛选、排序、加总全部数据的字段值都很便利。
表单（Form）
“表单”可以当作填写数据的接口，想像填写申请表格/网络问卷会看见的：一格“问题”，搭配一格要填入的“答案”，就是表单常见的样子；打印件的报价单、请购单、出货单等要 E 化，也是要转化为在线表单的格式。
Google 表单、 Ragic 的表单页、还有很多提供在线表单/在线调查问卷的服务等都是“表单”格式的例子。问卷题目或填写提示就是表单的字段首部（Field header），对应要填入数据的地方就是字段值，通常一个表单页面涵盖一笔数据，新增第二笔数据就要再开一个页面。
因为表单适合输入数据、电子表格适合存放分析数据，两者很适合互相搭配，很多表单服务都支持“从表单接口输入数据，再将所有数据汇整、汇出成电子表格”的功能，例如 Google 表单输入的数据可以汇出成 Google 电子表格，许多在线表格、问卷服务数据分析的后台也是以电子表格格式呈现数据。
以 Ragic 来说，则是更进一步将表单/电子表格放在同一个可以直接切换的接口（表单页与列表页）上。（Ragic 另外有在表单页另外提供“子表格”的格式让输入接口也可以一次输入多笔附属数据，此部分若想了解可见这篇文章的说明。）
当表单与电子表格这样搭配时，每次填写表单的一笔数据（一个页面），将会变成电子表格上的一行数据；表单的字段首部会是电子表格的首部，字段值则会出现在后面对应的一列上。图符如下：
因此表单上的一个页面，就是一笔数据（entry, record），也就是电子表格上的一列。从另一个角度来说，也可以说电子表格一列数据的细节，可以展开、呈现在表单上。
“二维”表格/报表...
前面说到，电子表格同一列包含的不同字段，数据性质各不相同，但每一列同一栏都是一样类型的数据。这种特性的表格，也叫做“一维表”，即表格数据的性质只用单一的维度（栏）来区分。
如果一个单元格数据是由两个维度一起决定的，就是二维表。举例：把上面这张表拿来做“数据透视”，做出来的数据透视表如下，每个格子数据是由栏（商品）和列（月份）两个维度一起决定的，这个数据透视表就是“二维表”。
原则上，一维表的数据要再加工、分析，会比二维表简单得多，所以一般提到数据管理时，源数据都是用一维表（电子表格）来存放，二维表已是数据经过分析后的结果。简言之：数据透视前：一维表，数据透视后：二维表。
因此，如果你手上有的是二维表，这个表格不一定适合直接汇入前述的表格管理工具，因为这不是系统接受的格式；也不适合把数据源头保存成二维表，这样之后要用其他方式分析不一定容易。
不过并不是说二维表就不能汇入像 Ragic 这样的数据管理工具来使用，只要用一点小技巧将二维表转换回一维表就可以了，最简单的方法，就是用Excel的撤销枢纽转换来做。做完之后你原本的二维表就变成更适合多次处理的数据了。
而如果你手上有表格数据，想要知道能不能做数据透视，或无法做出数据透视，希望找出数据格式的问题。你可以依下列步骤一一检视：
(1)这是一维表格吗？如果它不是一维表，甚至已经是二维表，自然无法再做数据透视。
(2)格式是否整齐——有首部列（字段标题）吗？有空白列或归并单元格等不整齐的格式吗？如果选取范围有这些状况的话也无法做数据透视，必须调整。此部分更细的说明可以
看下篇的详细说明。
小结：
如果你手上有一些整理成表格的数据，想要进一步整理、分析，首先要知道这些数据放置的逻辑是电子表格、表单、或其他表格（例如二维的数据透视表）。不同格式的数据无法直接混用，用途也各有不同，例如源的数据数据最好是“电子表格”格式，填写用的数据格式可以是“表单”格式，“数据透视表”则已经是处理后的数据分析结果。
点这里继续阅读下篇
来 IG 看本篇文章的“图片解说版”
