🔑 名詞卡
資料品質指標（Data Quality Metrics）
🎯 定義
評估資料是否適合投入 AI 模型訓練的五項檢核面向：完整性、一致性、準確性、即時性、唯一性。
五大指標
| 指標 | 檢核重點 | 舉例 |
|---|---|---|
| 完整性 Completeness | 資料是否完整、有無缺少關鍵欄位 | 交易紀錄缺少金額欄位 |
| 一致性 Consistency | 欄位間邏輯是否一致 | 年齡欄位不應為負數 |
| 準確性 Accuracy | 資料值是否準確反映真實世界狀況 | 地址與實際門牌相符 |
| 即時性 Timeliness | 資料是否為最新，尤其動態變化的數據 | 股價、庫存量 |
| 唯一性 Uniqueness | 是否有重複或衝突，特別是主鍵欄位 | 同一顧客編號出現兩筆 |
記憶技巧
口訣「完一準即唯」——完整、一致、準確、即時、唯一。
易混淆
- vs GIGO：GIGO 是「為什麼要顧資料品質」的原則；本卡是「怎麼量化檢核」的五個具體面向。
- 準確性 vs 唯一性：準確性看「值對不對」，唯一性看「有沒有重複」——考題最常在這兩者間設陷阱。
📖 課文原文「完整性（Completeness）：資料是否完整，是否缺少關鍵欄位。一致性（Consistency）：資料欄位間邏輯是否一致，像是年齡欄位不應為負數……唯一性（Uniqueness）：資料是否有重複或衝突，特別是主鍵欄位。」