OpenRefine 看起來像 spreadsheet，但更適合把它理解成 local transformation workspace：它有 column profiling、batch operation 與可 replay 的 history。好的流程會把探索與大量修改分開。
安全的工作循環
- Import 副本，確認 encoding、separator、header 與 row count。
- 用 facet 理解 missingness、distribution 與 variant。
- 先寫出目標 canonical representation。
- 在代表性 row 上 preview transformation。
- Apply 後檢查 changed count，抽查 failure。
- 將 operation history 匯出為 JSON。
- 對 fresh import 重播 recipe，比較 output。
白話來說： 問題不是 click；問題是沒有紀錄的 click。
Facet 是輕量 profile
Text facet 顯示 distinct value 與 frequency；numeric／timeline facet 顯示 range 與 density。Custom facet 可以檢查條件：
value == null || value.trim() == ""Transformation 前用 facet 定義 scope，之後再確認預期 variant 是否消失。Facet selection 相當於暫時 predicate；operation 只作用在 match row，因此 selection 本身也是 logic。
Clustering 提議，人類決定
Clustering 將可能是 variant 的 value 分組。Key-collision 先 normalize feature，再按相同 key grouping；nearest-neighbor 則使用 distance threshold。
| 方法概念 | 擅長找到 | 主要風險 |
|---|---|---|
| Fingerprint | Case、punctuation、token-order variant | 不同 phrase 被合併 |
| Phonetic key | 發音相近 | 依賴語言 |
| Edit distance | Typo | 短字串過度 merge |
不要因為工具把它們放在同一 cluster 就全部 accept。Frequency、周邊 column 與 domain knowledge 才能判斷是否同義。
GREL 讓 transformation 明確
OpenRefine expression language 可以 trim、split、replace、parse 與 combine：
value.trim().toUppercase()if(value.match(/^\d{4}-\d{2}-\d{2}$/), value, null)用小步驟組 transformation。一條 expression 同時清五種概念，很難驗證，也很難解釋。
Reconciliation 不是 string replacement
Reconciliation 是把 value 連到 external vocabulary 的 entity。應保留 source value、chosen identifier、service、confidence 與 review status。有 identifier 或強 contextual field 時才適合 automatic match；ambiguous name 需要 review。
Operation history 必要，但不充分
除了 exported history，reproducibility 還需要：
- original input 或 stable checksum；
- OpenRefine version 與 extension；
- manual cluster choice 背後的假設；
- before／after row count 與 quality metric；
- unresolved 與 rejected case。
Recipe 應能在 fresh project 成功重跑。如果人工決策無法解釋，history 只能記錄「做了什麼」，不能回答「為什麼」。
複習卡
- 先確認 import setting 與 baseline count。
- Facet 同時定義 evidence 與 operation scope。
- Clustering 產生 candidate，不產生真相。
- Transformation 保持小、可 preview。
- Reconciliation 保留 ID、confidence 與 review state。
- 匯出 history，並在 fresh import 驗證 replay。