將 Missing Values 視為 Dataset Attribute 與 Data Quality 問題，而非單純清理動作。
能辨識 Missing Data，並在分析前評估其程度與可能影響。
分析者取得 Dataset 後發現部分欄位缺值。直接刪除可能改變樣本結構，但保留也可能使模型無法使用。
原書 Chapter 3 要求讀者能定義 Dataset Attributes，包括 Missing Values；未提供一套對所有 Dataset 通用的刪除門檻。
Excel 負責 COUNTBLANK／缺失比例等精確統計；AI 協助整理缺失集中在哪些欄位與其可能的管理意涵，但不自行填補數值。
若有 Dataset，可直接計算 Missing Rate = Missing Count ÷ Total Observations；本章概念段落未提供一組通用數值結果。
缺失值處理必須考慮用途、缺失模式與後續模型；不存在「一律刪除」的管理規則。
「根據我提供的 Excel 缺失值統計，指出缺失集中位置、可能影響與需要人工確認的欄位。不要自行插補任何值。」
題目： 若某欄只有少量 Missing Values，可以直接刪掉這些 Records 嗎？
參考解答： 不能只依數量決定；還要看缺失是否具有系統性，以及刪除後是否造成 Bias。