# 資料集類型說明：參照資料與主資料

> 歐噴資料入口的部分資料集帶有「參照資料」或「主資料」標記。本文說明這兩種標記的意義，以及如何善用它們查詢與整合資料。

---

## 參照資料（Reference Data）

正式術語：**Reference Data**（又稱 Lookup Data、Code Table）

**主角是代碼本身**。參照資料是以代碼為主鍵的查找表，來自單一官方主管機關的標準代碼系統，讓其他資料集能對應查詢。

**主要特點：**

- 來自單一官方機關，具有官方權威性
- 資料量相對小（通常不超過數十萬筆）
- 異動頻率低，代碼一旦確立通常長期穩定
- 主鍵即代碼，具有明確唯一性

**典型範例：**

- 縣市代碼（內政部）
- 選舉種類代碼（中央選舉委員會）
- 學校代碼（教育部）
- 醫事機關代碼（衛生福利部）
- 政府機關代碼（人事行政總處）

**如何使用：**

當你手上有一份資料，裡面只有代碼（如 `65000`）沒有名稱，就可以拿這份參照資料做 JOIN，把代碼「翻譯」成人類可讀的名稱（如「新北市」）。

```
你的資料                   + 縣市代碼參照資料     →  完整資料
{ county_id: "65000" }    _id: "65000"           { county_id: "65000",
                          _name: "新北市"           county_name: "新北市" }
```

---

## 主資料（Master Data）

正式術語：**Master Data**（主數據管理學科：Master Data Management，MDM）

**主角是「實體」本身**。當同一個現實世界的實體（如一個政府機關、一位政治人物）在多個官方來源中各有不同的代碼系統，就需要整合成統一資料集，這就是主資料。

**主要特點：**

- 整合多個官方來源的代碼系統
- 需要判斷「不同代碼其實是同一個實體」（這是最難的部分）
- 可能需要歐噴自創統一主鍵，作為跨系統的橋接依據
- 附加價值高，但工程量也最大

**兩種常見情況：**

**情況 A — 多套代碼整合**：有官方資料，但分散在不同系統，需要比對整合。

例如「公務機關主資料」：同一個機關，在人事總處、國發會 OID、主計總處各有不同的代碼，三套系統互有差異與缺漏，需要逐一對應。

**情況 B — 根本沒有官方統一清單**：歐噴需要自行成為主數據提供者。

例如「政治人物主資料」：選委會、立法院、各地議會的名單分散在不同資料集，沒有任何官方機關維護統一的政治人物清單，需要歐噴自行彙整。

**典型範例：**

- 公務機關主資料（整合人事總處代碼 + 國發會 OID + 主計總處代碼）
- 政治人物主資料（整合各屆選舉候選人、立委、議員名單）

---

## 比較表

|  | 參照資料 | 主資料 | 一般交易資料 |
|--|---------|------|------------|
| 英文術語 | Reference Data | Master Data | Transactional Data |
| 主角 | 代碼 | 實體 | 事件或統計數字 |
| 代碼來源 | 單一官方機關 | 多來源整合（可能自創） | — |
| 資料量 | 小（<10k 筆） | 中 | 大 |
| 異動頻率 | 低 | 中 | 高 |
| Portal 標記 | 參照資料 badge | 主資料 badge | 無特別標記 |

---

## 可以同時標記嗎？

可以。如果某份資料集本身是一套代碼系統（參照資料），同時也已完整到足以作為某類實體的統一主數據（主資料），可以同時標記兩者。

---

## 交易資料（Transactional Data）是什麼？

未標記參照資料或主資料的資料集，通常是**交易資料**，以「事件」或「統計數字」為主角。

**常見子類型：**

| 子類型 | 說明 | 典型範例 |
|--------|------|---------|
| 定期統計型 | 每個週期（年/月）產生一筆彙總數字 | 學校招生人數、醫院病床數、政府預算 |
| 事件申報型 | 每個事件產生一筆記錄 | 政治獻金申報、標案決標、公司設立登記 |

交易資料通常資料量較大，適合用條件篩選查詢（時間範圍、地區、類型等）。

---

## 代碼設計原則

歐噴自創的主鍵代碼（用於整合型或代碼型資料集）遵循以下原則：

**確定性（Deterministic）**：給定相同規則，任何人都能獨立生成相同代碼，不依賴資料庫自動分配。

**可讀性（Human-readable）**：代碼本身帶有語意，方便人工辨識與 debug。

**穩定性（Stable）**：代碼一旦分配應盡量不變。

**可攜性（Portable）**：代碼可被其他資料集引用，形成資料間的關聯。