我們做了幾天的教學，已經把資料從Yahoo取得，並且放在Azure的SQL server中。但我們忽視一件重要的事情，就是資料的正確性。
今天我們就拿證交所的資料跟資料庫收集的資料做比對吧！
我們會需要從臺灣證券交易所那邊取得台積電（2330）的股票資料，觀察今年一月的資料是否跟資料庫的資料相同。其中有裡面包含：日期、成交股數、成交金額、開盤價、最高價、最低價、收盤價、漲跌價差、成交筆數等資料，我們也有日期、開盤價、最高價、最低價、收盤價、成交量，屆時可觀察其中是否有差異。
首先去到個股日成交資訊取得成交資料。
在畫面中，我們選擇109年1月，在股票代碼那邊輸入「2330」之後按搜尋，會得到下表：
| 日期 | 成交股數 | 成交金額 | 開盤價 | 最高價 | 最低價 | 收盤價 | 漲跌價差 | 成交筆數 |
|---|---|---|---|---|---|---|---|---|
| 109/01/02 | 33,282,120 | 11,224,165,450 | 332.50 | 339.00 | 332.50 | 339.00 | 8.00 | 17,160 |
| 109/01/03 | 42,023,268 | 14,295,651,580 | 344.00 | 345.00 | 335.50 | 339.50 | 0.50 | 20,545 |
| 109/01/06 | 45,677,057 | 15,210,531,318 | 333.00 | 334.50 | 332.00 | 332.00 | -7.50 | 22,944 |
| 109/01/07 | 51,746,181 | 17,053,282,011 | 332.50 | 333.00 | 326.50 | 329.50 | -2.50 | 22,362 |
| 109/01/08 | 37,913,748 | 12,484,410,088 | 325.00 | 333.00 | 325.00 | 329.50 | 0.00 | 18,228 |
| 109/01/09 | 32,397,504 | 10,890,847,940 | 335.00 | 337.50 | 333.50 | 337.50 | 8.00 | 16,793 |
| 109/01/10 | 27,880,115 | 9,432,320,316 | 340.50 | 341.00 | 336.00 | 339.50 | 2.00 | 13,296 |
| 109/01/13 | 30,663,332 | 10,455,852,739 | 342.00 | 342.00 | 339.00 | 341.50 | 2.00 | 13,457 |
| 109/01/14 | 30,368,993 | 10,488,360,978 | 345.50 | 346.00 | 344.50 | 346.00 | 4.50 | 16,339 |
| 109/01/15 | 54,575,274 | 18,590,754,206 | 345.00 | 345.00 | 337.50 | 340.00 | -6.00 | 20,392 |
| 109/01/16 | 58,217,420 | 19,431,133,895 | 330.00 | 336.50 | 330.00 | 334.50 | -5.50 | 24,721 |
| 109/01/17 | 53,908,097 | 17,977,119,406 | 334.00 | 335.50 | 332.00 | 333.00 | -1.50 | 23,954 |
| 109/01/20 | 35,551,203 | 11,865,436,839 | 334.00 | 335.50 | 333.00 | 333.00 | 0.00 | 15,095 |
| 109/01/30 | 126,820,049 | 40,734,449,874 | 326.00 | 326.00 | 316.50 | 316.50 | -16.50 | 55,603 |
| 109/01/31 | 62,912,055 | 20,205,365,710 | 323.00 | 323.50 | 319.00 | 320.00 | 3.50 | 22,639 |
接著我們從資料庫取得台積電的資料，也是取得一月的部分進行比對：
| 日期 | 開盤價 | 最高價 | 最低價 | 收盤價 | 成交數 |
|---|---|---|---|---|---|
| 2020-01-02 | 332.500 | 339.000 | 332.500 | 339.000 | 31754120 |
| 2020-01-03 | 344.000 | 345.000 | 335.500 | 339.500 | 41811268 |
| 2020-01-06 | 333.000 | 334.500 | 332.000 | 332.000 | 45343057 |
| 2020-01-07 | 332.500 | 333.000 | 326.500 | 329.500 | 50879181 |
| 2020-01-08 | 325.000 | 333.000 | 325.000 | 329.500 | 37567748 |
| 2020-01-09 | 335.000 | 337.500 | 333.500 | 337.500 | 31481504 |
| 2020-01-10 | 340.500 | 341.000 | 336.000 | 339.500 | 27032115 |
| 2020-01-13 | 342.000 | 342.000 | 339.000 | 341.500 | 30663332 |
| 2020-01-14 | 345.500 | 346.000 | 344.500 | 346.000 | 30223993 |
| 2020-01-15 | 345.000 | 345.000 | 337.500 | 340.000 | 47434274 |
| 2020-01-16 | 330.000 | 336.500 | 330.000 | 334.500 | 55211420 |
| 2020-01-17 | 334.000 | 335.500 | 332.000 | 333.000 | 52060097 |
| 2020-01-20 | 334.000 | 335.500 | 333.000 | 333.000 | 32658203 |
| 2020-01-30 | 326.000 | 326.000 | 316.500 | 316.500 | 125451049 |
| 2020-01-31 | 323.000 | 323.500 | 319.000 | 320.000 | 62526055 |
觀察一下，價格都沒有錯誤，但是在成交量的地方，卻對不起來。如果只要用價格進行分析，是沒有問題的，但是如果要把數量放進去，卻發現Yahoo的成交數與證交所的不同，而且對不起來。不僅僅是Yahoo，連google也是，雖然說「"volume" - 指定日期的成交量」，但是卻對不起來，不知道數據從哪邊取得。
思考後，我們要重新去得交易資料，而這次因為有成交量的關係，我們直接從證交所取得吧！這邊是最準確的
無論是一般的資料分析，到大數據分析，準確性都取決於資料的乾淨程度與正確性。藉由這幾個範例，可以知道，第三方的資料儘管很具有權威，但是來源不清楚情況下，仍然有機會讓我我們分析有偏頗。為了最準確的資料性，明天開始就要使用交易所的資料囉！也就是開始爬蟲
（感覺比別人慢很多XD）
iThome鐵人賽
看影片追技術