本專題是我第一次從零開始完成一個具有完整資料流程的大型專案，涵蓋資料擷取、資料庫建置、資料清洗，以及視覺化分析等多個面向。過程中，爬蟲程式的穩定性、網站構造的變動、OCR 的辨識準確度，以及資料表之間的整合邏輯，都曾讓我遇到不少瓶頸。但也正因如此，才能讓我更深入理解資料工程並非只是寫程式，而是需要兼具耐心、判斷力與系統化思考的工作。

 

在撰寫爬蟲的階段，我體會到動態網頁處理與反爬蟲對策的重要性，任何小變動都有可能讓程式失效。反覆測試與錯誤排查的過程雖然耗時，但也讓我學會如何拆解問題、紀錄流程與設計更具韌性的邏輯。資料庫部分則讓我理解欄位設計、資料一致性與後續分析需求之間的關聯，並學會如何將資料以更具結構化、可分析的方式保存。當 Power BI 成功讀取資料並顯示出互動式圖表時，那種看到完整系統串起來的成就感，是我在課堂或作業中很難獲得的。

在視覺化分析階段，由於交叉查榜的資料具有「正取與備取區分」、「不同錄取結果」等特性，所以單純的圖表呈現並不足夠。我需要額外透過 DAX 撰寫量值公式，才能讓圖表真正「說明現象」。例如：計算各科系正取與備取人數、計算備取遞補後的最終錄取比例、依錄取結果進行動態排序及依選取條件即時計算錄取率等等。

在這過程中，我才真正理解到 Power BI 不是單純的視覺工具，而是一個需要透過邏輯與函式來補完資料間關係的分析平台。每寫好一個公式、每修正一次邏輯，都讓我對資料運算與量值設計有更深的理解，也讓分析結果更貼近真實情況。

 

透過這次專題，我不只學會了工具的使用，更重要的是建立了一套「面對未知問題的工作方法」。從判斷問題、制定策略，到逐步驗證與調整，每一步都讓我更能掌握資料專案的本質。未來若有機會，我希望能在此基礎上加入更進階的資料分析，例如機器學習模型、錄取趨勢預測或 AI 推薦系統，使這個平台不僅能呈現過去的資訊，也能協助使用者做出更精準的判斷。

 

總結來說，這次專題讓我更確定自己對資料分析與資訊系統開發的興趣，也讓我明白，真正重要的不是快速完成專案，而是在過程中累積屬於自己的能力、思維與專業方法論。