“未知”的數據對數據分析和可視化有什么影響？好處和壞處是什么？

補充：為什么會出現未知的數據？ 首先是先弄清楚為什么會產生未知的數據？弄清楚原因之后才能更好地對癥下藥。

未知數據產生的原因是多種多樣的，其中可能是： 

- 1、數據的采集問題： - 數據在采集到的時候就是未知的，如性別保密、生日保密等； - 數據在采集的時候缺少了采集的字段； 

- 2、數據的加工問題： 在數據中間層進行加工的時候，由于考慮不周全或者特殊場景要求，在對數據進行清洗的過程中出現了數據同類合并、信息丟失的現象，如廣州、深圳、四川、上海四個地區的用戶中，可能會將廣州、深圳合為廣東，將四川、上海都并入其他； 也有可能將四川并入其他（廣州、深圳、上海都是城市），這是數據在清洗的過程中出現的信息損耗，這種情況也很容易出現未知數據（因為不知道這個”其他“究竟是指哪些地區）； 

- 3、數據的可視化問題： 當數據在進行可視化操作的時候，可能會為了突出某一個字段而將其他字段都并入了其他。

其次是“未知”數據對數據分析和數據可視化會有什么樣的影響？任何事物的存在都有其利與弊，所以對于這個問題我也是從辯證的角度來對它進行一個整理與總結：

好處： 

- 1、保障了數據的完整性。數據分析應該建立在數據的完整性、及時性與準確性上面，隱藏了未知數據或許可以給工作帶來一些小方便，但是如果數據本身是殘缺的，那么分析出來的結果也是值得懷疑的，畢竟缺少了數據的完整性就更別提數據的準確性了，而數據不準確的數據分析結果還可靠嗎？ 

- 2、使數據分析結果更具有說服力。 其實也是完整性的一個拓展，在數據分析的過程中如果出現了問題，至少可以知道應該從哪一方面去入手解決這個問題，進而可以增加數據分析的維度，使分析報告的展示更加地飽滿。

- 3、在數據的可視化展示中，可以減少一些維度，突出重點。

“未知”數據有時候是其他數據的合并，在數據進行可視化的時候，為了突出某一方面的重要性或者占比，我們可能會將其他數據都合并為“其他”，這是造成未知數據的一個原因之一，而這也是“未知”數據在數據可視化方面所體現出來的優點。

壞處： 

- 1、增加了數據分析的難度。 未知數據如果只是一小部分的話就還好，但是如果未知數據達到了一個量級且無法對其進行解釋，那么在進行數據分析的時候就很難進行下去了。 

未知數據太多了，數據就會失去參考價值，進而容易加大數據分析的難度； 

- 2、數據的可讀性下降。 如果無法解決未知數據所包含的信息有哪些這個問題，就很容易導致數據的可讀性下降。 

比如說，用戶的性別中男性、女性跟未知的占比，如果未知的占比過大，我們很難在結果中說明用戶主要是男性居多還是女性居多。 這種情況下，由于未知數據隱藏了較多的信息，會直接導致數據的可讀性嚴重下降。