案例01｜大型資料抽樣：753,324 筆資料如何縮成 9,484 筆可分析樣本
案例02｜BankComplaints：300 MB 大型檔案的本機隨機抽樣
| 核心主題 | 主要觀點／方法 | 實務用途 | 重要條件／限制／延伸 |
|---|---|---|---|
| 大型資料抽樣 | 從完整母體隨機抽出可由 Excel 處理的資料列 | 在工具容量有限時保留可分析性 | 必須接受抽樣誤差，並記錄抽樣規則 |
| 樣本數 | 依母體大小、信賴水準與誤差範圍決定 | 避免樣本過小或無必要地過大 | 總體樣本足夠不代表每個小群組都足夠 |
| 隨機抽樣 | 使用 R／RStudio 從大型檔抽取資料列 | 降低選樣偏誤並建立可重現樣本 | 應保留亂數與樣本識別資訊 |
| 樣本驗證 | 用 Excel 比較樣本與完整母體的彙總結果 | 檢查抽樣後分析是否維持可接受誤差 | 需同時檢查總體與各子群組 |
| 工具容量限制 | 雲端工具檔案限制可透過本機環境或其他資料處理方式處理 | 避免因單一工具限制而放棄分析 | 本機仍受記憶體、儲存與檔案格式限制 |
| Excel／R／人工智慧分工 | R 負責抽樣，Excel 負責透明彙總與比較，人工智慧負責解讀與查核 | 建立大型資料到管理分析的分工流程 | 人工智慧不得代替隨機抽樣或精確彙總 |
原書指出，Excel 面對大型檔案時，常見瓶頸不是變數太多，而是資料列過多。抽樣的目的不是讓資料「變得比較漂亮」，而是在接受可控制誤差的前提下取得可操作的分析規模。
母體越大，所需樣本不會等比例增加；真正影響樣本需求的是信賴水準、誤差範圍與母體大小。753,324 筆資料在 95% 信賴水準與 1% 誤差範圍下，原書得到 9,484 筆樣本。
ORDERS 案例顯示，樣本的總銷售估計可以相當接近母體，但資料較少的區域仍可能有更大的誤差。若決策落在特定小群組，必須額外檢查該群組的樣本數與誤差。
BankComplaints.csv 約 300 MB，在免費雲端環境載入失敗，原書改用本機 RStudio。這是執行環境限制，不是抽樣方法本身失效。