Excel 數據挖掘實戰（四）：利用「突出顯示異常值」快速識別離群數據

前言：為什麼要關注異常值？

在數據分析與挖掘的流程中，異常值（Outlier）的檢測是至關重要的一環。異常值指在一組觀測數據中，與其他數據顯著偏離的個別觀測值。它們可能源於測量誤差、數據錄入錯誤，也可能代表著真實但罕見的業務事件（如欺詐交易、設備故障）。若不加處理直接建模，異常值會嚴重干擾統計分佈、拉偏均值與標準差，導致模型效果大打折扣。

環境準備與樣例數據

本文基於 Excel 數據挖掘增益功能進行操作。若尚未配置環境，請參考前置文章完成安裝與配置。實驗使用的樣例文件為 DMAddins_SampleData.xlsx，其中包含 table analysis tools sample 工作表，記錄了用戶的婚姻狀況、性別、收入、子女數、教育程度、職業、房產、汽車數量、居住區域、年齡及是否購買自行車等屬性。

選中表格任意單元格後，功能區將顯示「表格工具」→「分析」選項卡，這是啟動數據挖掘功能的入口。

核心功能：突出顯示異常值

點擊「突出顯示異常值」按鈕，彈出配置對話框。此處可選擇需檢測的目標列（支持多選），工具將基於多維度的綜合統計模型，而非單列的孤立判斷，來識別異常記錄。

結果解讀與業務價值

執行後，Excel 會在原表中新增標記欄，並生成詳細的分析報表。報表不僅列出異常行，還給出各屬性在該記錄中的異常程度評分，幫助分析師快速定位「為什麼這筆數據異常」。

關鍵洞察： 異常值檢測並非孤立看待單一欄位的極大極小值，而是綜合考量各列間的關聯關係。例如，某用戶「收入低」但「汽車數量多」的組合可能被判定為異常，而單看收入或汽車數量可能都在正常範圍內。這種多維度的綜合判斷，極大降低了誤報率，更符合真實業務邏輯。

後續建議

• 對標記出的異常值進行業務溯源，區分「髒數據」與「真實異常事件」。
• 針對髒數據進行清洗（修正或剔除）；對真實異常事件，可作為專項分析對象（如高價值客戶挖掘、風險預警）。
• 將異常值檢測納入常規數據質量監控體系，定期自動化執行。