數據識讀者：數據素養教父教你如何用數據溝通、工作與生活

第一章 數據的世界
你有想過這些問題嗎：未來是什麼模樣？就業市場會變成怎麼樣，機器人與高科技真的會包辦一切，然後取代我的工作嗎？會有什麼發明等著我們，還有—或許也是最重要的—我的飛天汽車（flying car）何時才會抵達？未來總是充滿未知，那些勾勒出未來的發明，一定是我們想都想不到，甚至是連個影子都還沒有的。未來會出現人們無從想像的工作職務，這點無庸置疑。即使面對著這些迥異的未知，我們仍然清楚有件事會在未來佔有一席之地，而且它已經出現了，那就是數據（data）。未來勢必掀起一波波的發明潮、產生許多令人興奮的新職務，但我們在引頸期盼的同時，卻也清楚明白數據的力量就在這裡，事實上，數據早已普遍受到認可，廣為流行。

數據的世界廣大又神奇，並且提供個人無數成長的契機。有很長一段時間，個人和組織完全不再試圖藉著數據取得成功，但我們不該放任這種情況持續下去，反而應該協助人人利用這項龐大的資產。

一如水是生命之泉，甚至像是許多其它老掉牙和過度炒作的字眼，人們把數據稱作「新石油」（new oil）。事實上，數據真的是一項資產，一旦妥善運用，就能幫助人們向前邁進、獲得成功，還能協助我們增廣見聞、備妥亮眼的履歷因應未來，並在每人的內心建構出堅實、多樣化的基礎，以迎接未來所堆疊的挑戰，擁有理解數據世界的根基非常重要。

數據：我們所處的世界
眾所皆知，我們正處在一個充斥著科技和數據的世界。我們走在倫敦、紐約等大城市的街道上，會發現人們幾乎都低著頭看手機，而不是抬頭望著令人讚嘆的景點和周遭的人群。不妨一試：下次走在大城市裡，數一數低頭看手機的有多少人，舉頭仰望的又有多少人，甚至還能把交談中、打招呼的人都算進去；同時，你自己也別忘了抬頭，以免倒楣地絆到人行道的邊欄，或者更糟—慘烈地撞上迎面而來的車輛。

過去五十年來，尤其是網路、個人電腦、智慧型手機等問世的這三十年來，這個世界見證了科技與數據的驚人進展。思索下這些進展：望向廣闊的時間軸，也就是宇宙存在了約一百三十八億年、地球約四十五億年之下，我們討論的只有短短的三十到五十年而已。在這數十年間，我們見證了手機、個人電腦成為主流，但在長遠時間軸的對照下，這段期間實在是太微不足道了。如今，現在的我們很難去想像生活中少了這些事物會是如何，而且每件事物都在產出數據。那網路呢？網路甚至更晚，它在一九九○年初成為主流，到了一九九○年末才真正走紅。如今，無論是工作還是生活本身，網路都幾乎無所不在。由於個人電腦的成長，科技也加速發展，急起直追。我們不斷地見證數位世界的創新、發展和諸多不同面向逐步進化、擴充，而這些全都會直接衝擊我們的人生、生活方式等等。尤其是我們即將討論的主題，也都會對生活和數據的力量帶來影響。

當網路成為主流，人們便更頻繁地使用網路，它改變了組織、學校和生活的運作方式，我們的生活方式不但變了，還大幅改善，網路讓我們以前所未有的速度自我提升、自我學習並自我發展。一旦結合了網路和個人電腦—甚至是更強大、我們稱之為「智慧型手機」的個人電腦—個人和家庭就能把電腦的力量帶入家中。就再也不需要挨戶拜訪的銷售業務，就能把比起整套《大英百科全書》（Encyclopedia Britannica）還要更豐富的事物帶入生活。不僅如此，人們還能更快地找出問題的解答，隨著《韋氏字典》（Merriam-Webster dictionary）把「google」（谷歌）納為動詞，今日已經演變成眾所皆知的谷歌時代！

隨著數位持續發展，我們看到電子商務的成長和亞馬遜（Amazon）等公司的問世改變了消費者的習慣，同時也造成市場壟斷；我們看到網路泡沫的消長，期間人們投入巨資，成立起業務性質空泛的網路新創公司，而其中一個主要案例就是Pets.com，它在一九九八年成立，二○○○年倒閉。隨著網路泡沫逐漸消退，各種不同網站陸續出現，網路也開始引進社群媒體。社群媒體開放了使用者的檔案，從自拍、美食照到喜愛的產品，向普羅大眾公開了他們在數位和數據中的世界。這些全都是個人和公司所能取得的可消耗數據，因為我們全都想要鎖定好的廣告內容替我們決定今晚要來點什麼！

除了社群媒體的問世及其為我們產出的有趣數據，二十一世紀還見證了一種新型科技在網路連線和數據蒐集上浮出檯面，變得舉足輕重—物聯網（Internet of Things, IoT）。物聯網的定義很簡單，也就是連通一切（connectedness of everything）。思考一下汽車或飛機上的感應器經由引擎或其它的零件蒐集現況的數據和資訊。在這邊我有個疑問：物聯網真是始於二十一世紀嗎？答案是否定的，而且許多人不知道這點。這個名詞是在一九九九年正式確認的，但我們能從一項簡易物件找出物聯網早期範例，多數人都是就這麼走過去，或是長年習慣就這樣擦身而過，那就是：可口可樂的投幣式自動販賣機。這種特殊的自動販賣機美國卡內基美隆大學（Carnegie Mellon University）過去就有一台，購買人可以透過網路連接到這種自動販賣機上的保鮮裝置，並在走去機台購買之前查出飲料是不是冰的。人們長年來一直都在思索如何比照這種方式，藉著連通—如物聯網—而使用數據做出更明智的決策，也就是說，我們如何運用蒐集中的數據和資訊提升生活及職場上的決策品質？思考一下亞馬遜或網飛（Netflix）之類的大企業：他們有多常蒐集我們的數據，以針對我們想要什麼而「提出推薦」？是經常蒐集……而且你知道嗎？他們所推薦的大多正中下懷，八九不十。

即便物聯網早在一九八○年代就開始成形，卻是直到近年才蓬勃發展成我們所瞭解的物聯網世界。比方說，請各位想像一下有一名越野跑者，他熱愛超級馬拉松，而這名跑者幾年前在路跑或越野跑時，我們周遭還沒有那麼多蒐集數據和資訊的科技，得以協助這名跑者提升實力……只能說是協助跑者略微「提升實力」而已。而我們是否真的需要一隻手錶，顯示出每次跑步所有的可能資訊，像是從海拔高度、速度到上下坡那樣包山包海？現今跑者眼前的數據可是提供了一頁又一頁的資訊等著他們左右滑看，擷取到的資訊也比原來可能需要的還多！手錶的數據是我們能夠研讀並討論的有趣案例，但現今世上所發生的一切事物都有一項關鍵要素，那就是我們周遭網路的連線及科技的進展正在生活中產出越來越多的數據。物聯網的其它實際範例是怎樣的呢？我們見證科技的進步或事物的發展是朝著協助、形塑並決定我們人生的方向演進，而有關的範例又是如何？

英國汽車大廠勞斯萊斯（Rolls-Royce）正是公司善用網路連線、數位化及數據產出的其中一例。勞斯萊斯不再是一家僅僅生產傑出引擎的大公司，如今已經成為一個強大、數據驅動的組織，運用物聯網及網路連線傳送，產出屬於公司必要資產的數據。勞斯萊斯善用數據力量的範例之一，就是他們用來監控引擎維修的預測法。藉著利用感應器及產出的資訊，勞斯萊斯充分掌握了如何預測、預期任何航空引擎所可能產生的問題，同時確保飛機航行無虞。另一個透過連結一切事物，以強化個人生活的主要範例則是醫療保健。病患在預約物理治療的門診後，經由門診產出的數據和資訊並加以利用，便可提供病患更加完善且符合個別需求的物理治療計畫。隨著醫療保健的成本日益高漲，有越來越多直接指定的服務能夠協助個人逐漸康復、遠離病痛。

另一個透過數據與分析法而迅速發展且大幅成長的領域即是運動。有多少人聽過或看過由迷倒眾人的布萊德．彼特（Brad Pit t）所主演的電影《魔球》（Moneyball）？這部電影顯示出數據與分析法能夠大幅影響一支球隊，幫助他們在規模較小的棒球市場中贏得勝利。我們也可以在國際上的籃球運動—尤其是美國國家籃球協會（National Basketball Association, NBA）—找到另一則絕佳的範例。NBA的球隊幾乎都雇有數據專家與數據分析師，而這些專家肩負的任務，就是在他們所正蒐集的資訊中找出模式、趨勢，以用來找出實力被低估的球員、建立商機和其它選項等等。NBA球隊還會利用數據和科技監測球員的疲勞程度和睡眠深淺，讓他們瞭解到如何調整訓練內容、預防運動傷害等等。另外NBA在利用數據與分析法時，其中很有趣的方式之一，就是透過舉辦年度黑客松（hackathon）幫助他們找出天賦異稟的新分析師；而且你知道聯盟裡三分線投籃命中率的增加可是要大大歸功於數據分析嗎？

有趣的不只NBA。像是智慧型手錶、智慧型手機、洗碗機、冰箱、冷暖空調、汽車車輛還有更多的日常事物也都能夠利用數據的力量。除了所有這些產品和工具，有不少其它領域也正以超乎想像的速度產出數據。想像一下經由瀏覽社群媒體的網站、造訪亞馬遜或eBay 這類電子商務網站、刷付信用卡等等所產出的全部資訊。整體而言，以下這些驚人數字正是每天所產出的數據，世界經濟論壇（World Economic Forum, WEF）指出，在二○一九年：每天發出了五億條推特；送出了兩千九百四十億封電子郵件；每輛連線的汽車創造了4TB（terabytes）的數據；截至二○二五年，預計全球每天將創造出463EB（exabytes）的數據。

我們若不是觀看網飛，而是仍像以前一樣看DVD，那就相當於212,765,957片DVD那麼多。哇喔，這樣的數據量真是令人難以置信！這意味著什麼？意味著我們無法看完所有由數據所創造出的DVD。那麼，我們該如何處理這些資訊才好？

個人和組織一定正在利用這項神奇的數據資產，對吧？組織顯然不會欠缺數據，而且擁有足夠的洞察力做出明智、受到數據啟發（data informed）的決策，不是嗎？事實卻不是這麼回事，研究和數據所呈現出的真實狀況是：數據的世界裡有極大的技能差距，正在損害組織「透過本身難得可貴的數據資產和分析投資而取得成功」的能力。

第一章 數據的世界
你有想過這些問題嗎：未來是什麼模樣？就業市場會變成怎麼樣，機器人與高科技真的會包辦一切，然後取代我的工作嗎？會有什麼發明等著我們，還有—或許也是最重要的—我的飛天汽車（flying car）何時才會抵達？未來總是充滿未知，那些勾勒出未來的發明，一定是我們想都想不到，甚至是連個影子都還沒有的。未來會出現人們無從想像的工作職務，這點無庸置疑。即使面對著這些迥異的未知，我們仍然清楚有件事會在未來佔有一席之地，而且它已經出現了，那就是數據（data）。未來勢必掀起一波波的發明潮、產生許多令人興奮的新...

「謊言有三種：謊言、該死的謊言，還有統計數據。」

這句不幸被許多人—包括馬克．吐溫（Mark Twain）—所誤會的引言，實實在在道出了我們現在的生活。我們所在的世界透過分享統計資料、數據、資訊、數字、文字和許多林林總總的其它事物（偶爾還包括圖片）來告訴我們事情的始末，同時傳遞訊息。對我們而言，要瞭解定期呈現在我們面前的所有數據和資訊容不容易？很遺憾地，這些數據和資訊經常受到誤用，成效也遭到扭曲。而我們能夠為此做點什麼嗎？

我是在二○一六年六月正式踏上了數據素養（data literacy）之旅，但早在這之前，我就有些初步想法了。人們私底下一向稱呼我是「數據素養教父」
（Godfather of Data Literacy）、書呆長（Chief Nerd Officer，我真的很愛這個稱呼），而我是在經過了一段時間後，才逐漸培養、提升並慢慢發展出個人在數據素養的想法以及思考過程。本書傳達了我的想法，並為你們在數據素養和數據與分析法的旅途上提供協助。

本書所採用的方法，可能和你原先預期探討數據與分析法這類主題的其它書籍有別。對多數人而言，這些主題談不上是令人感到興奮或刺激的頭號選項，但對我來說它們令我深深著迷。我希望向各位傳達，你們將能更深入地瞭解數據素養的世界，同時還能有所作為，以參與這個令人興奮、實由數據驅動（data driven）的時代。感謝各位撥冗和我一起討論，期盼我能激發你們對數據素養的熱愛與好奇，進而真正對你們將來的生活帶來更正面的影響—一如它所曾為我帶來的影響那樣。

「謊言有三種：謊言、該死的謊言，還有統計數據。」

這句不幸被許多人—包括馬克．吐溫（Mark Twain）—所誤會的引言，實實在在道出了我們現在的生活。我們所在的世界透過分享統計資料、數據、資訊、數字、文字和許多林林總總的其它事物（偶爾還包括圖片）來告訴我們事情的始末，同時傳遞訊息。對我們而言，要瞭解定期呈現在我們面前的所有數據和資訊容不容易？很遺憾地，這些數據和資訊經常受到誤用，成效也遭到扭曲。而我們能夠為此做點什麼嗎？

我是在二○一六年六月正式踏上了數據素養（data literacy）之旅，但早在這之前，我就...

序
第一章 數據的世界
數據：我們所處的世界
數據：技能差距
數據：為何會有技能差距？
數據：接下來呢？
本章摘要

第二章 分析法的四大層次
數據與分析法：有四大層次？
分析法的四大層次
層次一：描述性分析法
層次二：診斷性分析法
層次三：預測性分析法
層次四：指示性分析法
分析法四大層次的實際範例
本章摘要

第三章 定義數據素養
特點一：讀取數據
特點二：用數據工作
特點三：分析數據
特點四：用數據溝通
本章摘要

第四章 數據素養之傘
數據與分析策略
數據素養與數據科學
數據素養與數據視覺化
數據素養與管理團隊
數據素養與文化
數據素養與數據品質
數據素養與數據治理
數據素養與倫理規範
本章摘要

第五章 讀取並訴說數據的語言
讀取數據
數據暢流
數據字典
讀取數據及數據暢流的策
組織範例
本章摘要

第六章 結合數據素養及分析法四大層次
數據素養及描述性分析法
數據素養及診斷性分析法
數據素養及預測性分析法
數據素養及指示性分析法
數據素養及分析法的四大層次——整體拼圖
本章摘要

第七章數據素養的學習步驟
領導者的角色及數據素養的學習
數據與分析策略及數據素養學習的角色
數據素養的學習架構及方法
為數據素養的四大特點而學習
為強大的數據素養文化而學習
學習數據素養的其它領域及重點
本章摘要

第八章 數據素養的三個C
數據素養的第一個C：好奇心
數據素養的第二個C：創意
數據素養的第三個C：批判性思考
讀取數據
用數據工作
分析數據
用數據溝通
本章摘要

第九章 數據啟發的決策
受到數據啟發的決策架構之相關步驟
步驟一：提問
步驟二：取得
步驟三：分析
步驟四：整合
步驟五：決策
步驟六：重覆
本章摘要及範例探討

第十章 數據素養和數據與分析策略
數據驅動的文化
商業智慧
人工智慧
機器學習與演算法
大數據
嵌入式分析法
雲端
邊際運算分析法
地理空間分析法
本章摘要

第十一章 展開數據與分析法之旅
COVID-19和數據與分析法
建立食譜
著重主動式分析法，而非反應式分析法
從基礎開始
數據與分析法的遊戲化
找出感興趣的事，與其並肩同行
找出「原因」
本章摘要

序
第一章 數據的世界
數據：我們所處的世界
數據：技能差距
數據：為何會有技能差距？
數據：接下來呢？
本章摘要

第二章 分析法的四大層次
數據與分析法：有四大層次？
分析法的四大層次
層次一：描述性分析法
層次二：診斷性分析法
層次三：預測性分析法
層次四：指示性分析法
分析法四大層次的實際範例
本章摘要

第三章 定義數據素養
特點一：讀取數據
特點二：用數據工作
特點三：分析數據
特點四：用數據溝通
本章摘要

第四章 數據素養之傘
數據與分析策略
數據素養與數據科學
數據素養與數據視覺化...