看懂工作流:從官方資料到互動儀表板

用 Antigravity 串接日本 e-Stat 官方 API,交給 data-analyst 技能清洗,最後在 Data Atoms 做成儀表板。這一頁先帶你看完五個階段。

五個階段

拿到資料:鎖定權威資料庫與 API 連線

分析的第一步不是下載 CSV,而是定義商業命題,並透過 API 連線取得官方權威數據。今天我們串接日本總務省統計局 e-Stat 官方 API,鎖定 1975 到 2024 半世紀 47 都道府縣面板數據。

  • 在個人 My Page 申請金鑰(appId)。
  • 避坑重點:登錄 URL 務必填寫 http://test.localhost。
  • 調用端點:/getStatsList 取得目錄;/getStatsData 獲取數據。
$ python3 scripts/fetch_estat_showcase.py
[e-Stat] Connecting to api.e-stat.go.jp...
[e-Stat] Table: 0000010101 (SSDSE-A-2024)
[e-Stat] Loaded 47 prefectures x 50 years.
✓ Saved raw JSON: 14,800 records.

處理資料:調用 data-analyst 技能自動清洗

調用 data-analyst 輕量技能包

內建 4 大 Prompt 樣板與 clean_data.py,一鍵將千分位逗號數值("14,178,000")與百分比(23.4%)轉為乾淨數值。

GitHub 倉庫

特徵工程加工:計算關鍵業務指標,如 高齡化率 = 65歲以上人口 / 總人口 與 扶養比。

$ python3 scripts/clean_data.py raw.csv clean.csv
✓ 資料清洗完成: 47 列, 標準化 29 處數值
• 千分位轉換: 14,178,000 ➔ 14178000
• 百分比轉換: 23.4% ➔ 23.4
• 空白缺失值補齊完成。

探索性驗證 (EDA):尋找異常與極值

在動手畫大圖前,先以統計眼光探尋資料的分佈形狀。鎖定 2008 年日本總人口 1.28 億峰值拐點,並對比秋田縣 (39.5%) 與東京都 (22.7%) 的極值剪刀差。

總列數: 47 列 | 全國總人口: 1.24 億
平均高齡化率: 29.8% (中位數 30.2%)
最高高齡化: 秋田縣 (39.46%)
最低高齡化: 東京都 (22.68%)

深入洞察與分析方法:也可以怎麼做分析

在動手做儀表板前,先釐清業務切角。參考 17 領域研究指南,掌握少子化、高齡化與地方產業的關聯分析法。遵循「現況 ➔ 原因 ➔ 建議」三段論向決策者匯報,並透過 dataviz-motion 一鍵合成 34 秒包豪斯動態數據簡報影片。

查閱 17 領域研究指南
1. 現況: 秋田每 10 人有 4 位老人,東京青年淨流入
2. 原因: 產業集中首都圈造成地方長照財政壓力
3. 建議: 醫療資源重組與地方遠距就業稅務補貼
✓ 產出: data_briefing_bauhaus_34s.mp4

建立互動儀表板:Data Atoms 實作(Tableau-like)

弄清楚資料與分析思路後,最後才能做儀表板!進入 data_atoms.html 工作台。隨意將欄位拖曳至 X 軸、Y 軸、顏色與大小編碼槽,切換 10 大數據原子圖表,並透過地區與年份雙層篩選器即時下鑽。

前往 Data Atoms 儀表板
✓ 10 大圖表原子 (柱狀/折線/雙軸/地理/盒鬚...)
✓ 雙層篩選 (地方分區多選 + 年份滑桿)
✓ Tableau Prep 智慧欄位分類
✓ 自訂 CSV/Excel/JSON 本地拖曳解析