学习数据基础知识
学习目标
完成本单元后，您将能够：
- 描述数据是什么。
- 描述不同类型数据源。
简介
您知道数据素养是指探索、了解并传播数据的能力。但是数据到底是什么？
数据是逐个的事实、统计信息或信息项目。一个数据的集合就是一个事实的集合。更具体地说，请思考这个扩展定义。约翰·霍普金斯大学布隆博格公共卫生学院数据科学家 Jeffrey Leek 教授以维基百科对数据的定义为基础，对它进行扩展，形成了他自己的定义：
数据由属于一组项目的定性或定量变量的 [sic] 值组成。
我们把它进行分解，定义它的术语。
| 术语 |
定义 |
|---|---|
|
一组项目 |
有时候称作人群，这是您感兴趣的一组对象。 |
|
变量 |
可能不同或变化的某个项目的计量、属性或特征（与不会变的恒定计量如 pi 相对）。 |
|
定性变量 |
定性变量描述品质或特征，比如原籍国、性别、姓名或发色。 |
|
定量变量 |
定量变量描述可以计量的特征，比如高度、重量或温度。 |
您是否准备好了检查您的理解程度？在下面的活动中，您需要确定每个特征是定性变量还是定量变量。
备注：在本模块中，我们把 data（数据）这个词按单数而不是复数来处理。不过，关于这个词到底是单数还是复数一直存在争议。比如《剑桥词典》指定 data 既是单数也是复数。
如何收集数据？
有各种工具和方法可用来收集数据，比如调查问卷、采访、观察、文档分析、网络爬虫以及机器测量。收到或采集的数据称作原始数据。原始数据也叫源数据或初始数据，没有经过任何处理。这表示数据没有用任何软件运行过，没有修改过任何变量，没有删除过任何数据，也没有进行过任何形式的汇总。原始数据可用于最全面的数据分析，因为没有删除或汇总过任何数据。
原始数据的部分例子包括：
- 通过显微镜观察的细菌标本
- 测量仪器生成的二进制文件
- 未经格式化的电子表格文件
- 从 X API 抓取的 JSON 数据
- 人工采集并记录的数字
数据源类型
一个数据源包含探索、了解和传播用到的数据。比如在 Tableau 中，您看到的每一张图都连接一个提供数据的数据源。通过这些交互式抽认卡可以认识一些常见的数据源。
阅读每张卡片上的术语，然后单击卡片以显示该术语的描述。单击向右箭头可移至下一张卡，单击向左箭头可返回上一张卡。
资源
- Tableau 博客：找到您的数据中隐藏的见解：不断问为什么
- 书籍：Few, S. (2021)。Now You See It: An Introduction to Visual Data Sensemaking（第二版）。Analytics Press, 29-32。
- 网站：Perceptual Edge, Stephen Few 的专业网站
- Coursera：数据科学家工具箱（需要注册才能学习的课程）
- Tableau：使命
现在您已经知道数据素养的含义是什么、问题有多么重要，以及哪些特质对于有效地处理数据是有用的。您还知道如何定义数据、如何收集数据，以及数据在哪里。