数据与大数据入门
进阶数据是记录事实的符号，统计流程包括收集、整理、分析和表达；大数据指体量巨大、产生迅速、种类繁多的数据，经分析可以发现规律，用于调节交通、追踪疫情和推荐商品。同时要警惕数据陷阱：相关不等于因果、样本可能有偏差、图表可以误导；个人数据属于私隐，要懂得保护自己和尊重他人。
- 统计流程四步：收集、整理、分析、表达；棒形图、圆形图和折线图各有用途。
- 大数据有三个特征：体量大、速度快、种类多；价值在于分析出规律和趋势。
- 大数据令城市更聪明：调节交通灯号、追踪流行病、推荐系统和城市规划。
文体小知识：数据科普说明文用生活例子解释数据怎样收集、整理和分析，并提醒读者小心数据的陷阱。
§课文原文 Passage
1班上的壁布板贴著一张棒形图：全班最喜欢的运动，足球十八票、篮球十一票、游泳九票——这就是数据的日常。统计调查有四个步骤：收集（设计问卷或划记记录）、整理（分类和制表）、分析（计算人数、平均数和趋势）、表达（选择合适的图表汇报）。比较各项数量用棒形图，显示占整体的比例用圆形图，显示随时间的变化用折线图；图表选对了，讯息才能准确传达。
2当数据多到一个程度，便称为大数据，它有三个特征：体量大——以兆字节甚至拍字节计算；产生快——每秒数以万计的记录；种类多——文字、图片、位置、感应器读数应有尽有。香港每天八达通交易数以百万计，社交媒体的贴文和点赞、全港天气感应网络的读数，都是大数据的来源。单笔数据没有意义，海量数据经过分析却能显出规律和趋势。
3大数据已经在改变城市生活。交通方面，运输署以全港数千个交通感应器的车速数据，即时调节灯号，纾缓挤塞；医疗方面，公共衞生部门分析求诊数据，及早追踪流行病；商业方面，购物平台的推荐系统分析浏览和购买记录，建议你可能喜欢的商品；城市规划方面，人流热点数据协助设计行人路和休憩空间。数据令城市更聪明，也令服务更贴心。
4不过，数据也可能骗人，要培养数据素养。第一，相关不等于因果：雪糕销量与溺水人数夏天同时上升，不是雪糕导致溺水，而是「天气热」这个共同原因。第二，样本可能有偏差：只访问图书馆学会的同学便代表全校口味，结论自然有偏颇。第三，图表可以误导：截短坐标轴，百分之二的差距看起来像三倍。最后，个人数据属于私隐，受《个人资料（私隐）条例》保障：安装手电筒应用程式却要求通讯录权限，应该拒绝。数据不会说谎，但选择性地使用数据可以误导人——会提问、会查证，才是数据时代的主人。
1重点摘要 Summary
数据是记录事实的符号，统计流程包括收集、整理、分析和表达；大数据指体量巨大、产生迅速、种类繁多的数据，经分析可以发现规律，用于调节交通、追踪疫情和推荐商品。同时要警惕数据陷阱：相关不等于因果、样本可能有偏差、图表可以误导；个人数据属于私隐，要懂得保护自己和尊重他人。
2生字卡 Vocabulary
记录事实的符号、数字和资料，经整理分析后成为有用的资讯。
收集、整理、分析和表达数据的方法。
以设计好的问题向一群人收集意见和资料的方法。
把一组数值加起来除以数目所得的代表值。
数据随时间呈现的整体变化方向。
体量大、产生快、种类多，需以电脑分析才能显出规律的海量数据。
从整体中抽出一部分作调查的个体，要有代表性结论才可靠。
两组数据同升同跌的关系，但不一定存在因果。
数据收集或呈现时的系统性不公，令结论偏离事实。
个人资料受法律保护、由当事人决定如何使用的权利。
3逐步讲解 Steps
- 第一步：走完统计流程四步完整的统计流程分为收集、整理、分析、表达四步，次序不能颠倒。举个例子：调查全班最喜欢的运动——设计选项收集投票（收集）、画 tally 表逐项划记（整理）、算出各项人数（分析）、画棒形图汇报（表达）。每一步都为下一步打好基础；次序一乱，数据便容易遗漏或重复，结论也不可靠。
- 第二步：为数据选对图表图表是数据的语言，选对图表，读者才能一眼看出重点。举个例子：比较四项运动人数用棒形图；显示各项占全班比例用圆形图；展示一星期投票人数变化用折线图——选错图表，读者便会误解数据的意思。动笔选图之前，先问自己想表达的到底是比较、占比还是趋势，答案便会清楚起来。
- 第三步：认识大数据的 3V大数据有三个特征：体量大、速度快、种类多，合称 3V。举个例子：八达通每日数百万宗交易是体量大；交易即时记录是速度快；涵盖交通、购物、门禁多种资料是种类多。三者齐备，数据才能发挥大价值；单笔记录意义有限，海量数据经过分析才能显出规律和趋势。
- 第四步：解读大数据的应用大数据分析的价值在于把庞杂的数字变成具体的行动。举个例子：运输署以数千个感应器的车速数据，把挤塞路口的绿灯延长数秒——海量数据加上分析，城市便会自我调节。类似的方法还用于天气预报、疫症追踪和购物推荐；背后的原理都是从大量记录中找出模式，再转化为决定。
- 第五步：分清相关与因果两个数字一起上升，不代表其中一个造成另一个，这是数据解读最常见的陷阱。举个例子：雪糕销量与溺水人数同步上升，并非雪糕危险，而是两者都随「天气热」上升——找共同原因，别急下结论。先求证、后判断，正是数据素养的起点；遇到看似神奇的关系，先问有没有第三个因素在背后。
- 第六步：检查样本是否公平结论的可信程度取决于样本是否公平和足够大，抽样方法比样本数目更重要。举个例子：想知道全校喜欢的图书类型，只问图书馆学会的同学便是样本偏差；应从各班随机抽样，样本越大越可靠。抽样不均，结论再漂亮也无效；读到广告声称「八成用户满意」，也要先问样本从何而来。
- 第七步：保护个人数据数据时代人人都要学会保护自己的个人资料，也要尊重别人的私隐。举个例子：手电筒应用程式要求通讯录权限——拒绝；问卷只填必要资料；不公开他人成绩和住址——私隐由自己把关。养成习惯，风险便大减；个人资料受《个人资料（私隐）条例》保障，提供之前应先问一句「是否有必要」。
4图解 Diagrams
5例题示范 Example
例题：小恩想探究「同学每天使用电子屏幕的时间与体育测验成绩有没有关系」。请写出收集数据的方法、两项应注意的公平原则，以及解读结果时要小心的地方。
- 收集方法：设计匿名问卷，记录每天屏幕时间（少于一小时、一至两小时、两小时以上）和同一次体育测验的成绩等级，全班四十人参与。
- 公平原则一：匿名作答——同学不用担心被批评，才会如实填报屏幕时间，减少虚报偏差。
- 公平原则二：同期比较——所有组别用同一次测验的成绩，不能把上学期成绩混入，否则结论无效。
- 解读小心：即使发现屏幕时间最长的一组平均成绩较低，也只能说「两者有相关」，不能断言「屏幕时间导致成绩差」——睡眠、运动习惯等因素也可能有影响；建议再访谈了解实际原因。
- 答案：小恩应以匿名问卷收集同期的屏幕时间和成绩，分组比较注意如实与同期；解读时只能说相关不能说因果，并须考虑其他因素的影响——这正是数据素养的关键。
6常见错误 Mistakes
75 题快测 Quick check
Q1统计调查有哪四个步骤？
Q2大数据的 3V 指什么？
Q3举一个大数据改善城市生活的例子。
Q4「相关」和「因果」有什么分别？举例说明。
Q5写出两项保护个人数据的做法。
8重点回顾 Recap
- 统计流程四步：收集、整理、分析、表达；棒形图、圆形图和折线图各有用途。
- 大数据有三个特征：体量大、速度快、种类多；价值在于分析出规律和趋势。
- 大数据令城市更聪明：调节交通灯号、追踪流行病、推荐系统和城市规划。
- 数据素养三警惕：相关不等于因果、样本要有代表性、图表可能误导。
- 个人数据属于私隐：检查应用权限、谨慎填写资料，尊重并保护自己与他人的数据。