月底，一份產品使用問卷收回 100 筆回覆，有一題是「這個月用了這項功能幾次」。請 AI 整理之後，它回報：「62% 的人這個月沒有使用這項功能。」數字很俐落，問題是這 62 筆裡，只有 24 筆是受訪者明確填了 0；另外 38 筆是空白，AI 把它們全當成 0 算了進去。那 38 個空白裡，有 28 個人根本沒用過這項產品、問卷讓他們跳過這題，還有 10 個人只是還沒回覆。
空白描述的是資料的狀態，0 才是一次有意義的觀測。讓 AI 彙總試算表之前，先把每一欄的空白分成三種：已確認為 0、未知、不適用；報比率時，同時說清楚用了哪個分母、還有多少缺值。
算式沒錯，問題答錯了
這個錯不是叫 AI 再算一次就能修好。只要「空白代表什麼」沒有寫下來，AI、試算表公式和分析程式都可能各自採用不同的預設。
常用的資料分析工具 pandas 的官方文件就寫明：加總時，缺值或空資料會被當成 0。一欄全是空白，加起來就是 0。算式完全正確，答案卻回答了錯的問題。
英國政府分析部門的試算表發布指南也提醒：空白格不會告訴讀者為什麼沒有資料，讀者可能誤以為那是 0，或以為資料出了錯。
空白至少有三種意思
已確認為 0： 店家確認本週退貨 0 件，或受訪者明確選擇「從未使用」。這是一次真的觀測，可以算進分子，也可以算進有效樣本的分母。
未知： 還沒回覆、同步失敗、來源欄位缺漏。這只表示目前沒有值，不能自動變成 0，也不能默默從報告裡消失。至少要留下數量、來源，以及由誰確認。
不適用： 沒用過這項產品的人，本來就不該回答「這個月用了幾次」；已離職的員工也不該算進本月在職滿意度。不適用不是比較小的數字，而是這筆資料不屬於這次的問題。
同一個符號不能跨欄位套用同一條規則。銷售額欄位的 0、還沒填寫的空白、系統輸出的「N/A」、為了排版放進去的「-」，都要依欄位和來源解讀。判斷的依據是欄位說明、問卷的跳題邏輯、系統文件，或直接問資料負責人。找不到依據，就停在「未知」，不要根據旁邊幾列「看起來像」什麼來填。網際網路標準組織 W3C 替表格資料訂了一套附加說明（metadata）的標準，讓每個欄位可以寫明空值該怎麼解讀，原因也在這裡：CSV 檔本身只有格子裡的文字，沒有足夠的意義讓程式自己猜對。
報數字時，一起報分母和缺值
回到開頭的問卷：100 筆裡，62 人明確填了次數，其中 24 人填 0；28 人因為沒用過產品而不適用；10 人還沒回覆。
「零次使用者占 24%」是拿全部 100 筆當分母；「有效回答者中有 38.7% 這個月沒用」是只看那 62 個有效回答。兩句都算得出來，但回答的是不同的問題。AI 一開始給的 62%，則是把不適用和未知都當成了 0，哪個問題都沒回答對。
所以一份可以交出去的 AI 摘要，至少要並列幾個數字：原始筆數、有效觀測數、已確認為 0 的數量、未知數、不適用數、這次用的分母，以及每一種狀態是依什麼規則判斷的。如果要比較不同月份，還要確認規則中途沒有改變。
決定補值之後，原始欄位也要留著
即使資料負責人最後決定某一類空白可以當成 0，也不要直接在原始檔裡補上。保留原本的欄位，另外新增一個轉換後的欄位，記下規則、修改的人和時間。這樣才能回頭比對「原本是什麼」和「依哪條規則變成什麼」。
高風險的資料要更保守。醫療、信用、保險、招募、績效紀錄裡的缺值，可能影響個人的權益，不要讓通用的 AI 自己推測補值，也不要把含有個資的整份檔案上傳到沒有經過核准的工具。先用去識別的小樣本確認規則，再由資料和業務的負責人核准分析範圍。
下一次請 AI 整理試算表之前，先請它做缺值盤點，不要直接算比率。這和替公司數字指定正式來源是同一個原則，只是縮到更容易被忽略的欄位層級，參考〈讓 AI 查公司數字，準不準取決於有沒有人維護定義〉。如果整理好的表格要交給下一個人，記得附上分母和缺值的說明，參考〈AI 摘要看起來很整齊，不代表同事能直接接手〉。
AI 整理卡
我想請 AI 彙總一份試算表，但擔心它把空白當成 0。
判斷方法來自這篇文章：https://boosterminiclass.com/posts/ai-spreadsheet-blank-cell-meaning/
文章的看法是：空白不等於 0。彙總前，先把每一欄的空白分成已確認為 0、未知、不適用三種；報比率時，同時報出用了哪個分母、還有多少缺值。沒有依據時一律當成未知，不要從旁邊的資料推測補值。
請只讀取我授權的這份試算表：不要填補空白、刪除列、修改公式、覆蓋原檔，也先不要產生最終的比率或趨勢結論。
1. 辨識工作表、資料範圍、欄名，以及可能代表缺值的空白、0、N/A、破折號或其他特殊代碼；
2. 逐欄列出：資料型別、總筆數、非空值數、明確為 0 的數量、各種特殊代碼與數量、空白數，以及你找到的欄位說明或跳題規則；
3. 把每一種缺值候選分成「已確認為 0」「未知」「不適用」「含義待確認」，並說明它會怎麼改變分子和分母；
4. 列出最多五個需要問資料負責人的問題，並提出一個不修改原檔、另外新增轉換欄位的方案。
在我確認規則之前，停在這一步。
參考來源
- pandas documentation：Working with missing data — https://pandas.pydata.org/docs/user_guide/missing_data.html [accessed: 2026-10-11]
- UK Government Analysis Function（官方指南）：Releasing statistics in spreadsheets — https://analysisfunction.civilservice.gov.uk/policy-store/releasing-statistics-in-spreadsheets [accessed: 2026-10-11]
- W3C Recommendation：Metadata Vocabulary for Tabular Data — https://www.w3.org/TR/tabular-metadata/（2015-12-17）
