课程的第一模块，是感知数据，共有六讲。
昨天到现在，学习了本模块的后四讲。
一、如何去探索数据背后隐藏的信息？
数据本身并不会开口说话，不会告诉面对数据的你，它里面都包括了什么内容。那么，只能是依靠面对数据的人，对数据进行挖掘分析，以此来得到数据背后隐藏的秘密。
作者提到三个方法。数学推断，逻辑推理，切换角度。关于逻辑推理，作者特意指出一个自我训练提高的方式，就是多做数独题目。
巧了，这段时间，为了让儿子提高对数学的学习兴趣，给他买了几本数独方面的手册，由易到难进行练习。儿子没看多少，我倒是有时间了就翻翻，真的做了些训练。
其实，对数据的感知，是一个复杂过程，也绝非作者指出的那几个方面。要想提高自己这方面的能力，也绝不是朝夕就能实现的，只有从多方面入手，把数据思维当成自我提高的一个重要方面，才会在实践中不断进步。
二、不同的人对同样数据的感知是不一样的。
其实这一点非常好理解。人与人之间本来就有很大差异，同样是一个老师在教，成绩却会差的很远，这很常见。
最终一个人对数据的处理水平，就会体现出来，其中的差异，大概就是成就的差异吧。
针对这一点，作者提出对这个现象，既要看到其常见性，也要引起警惕。不要用自己对数据的认识来代替别人的。其实不仅仅在面对数据得出结论这件事上，在任何一个方面，也都要用人与人有差异这个事实，来警惕自己。
三、要敢于不精确。
这里最重要的一点，是数据的精确，是有代价的，并且有时代价会大到让人无法承受。
对这个理由，我有深刻的体会。在机械设计上，有一个重要的事情，就是配合尺寸的公差选择。比如轴与孔的配合，如果是一个手摇设备，孔的直径比轴大上个0.1甚至0.2毫米（仅仅是为了大致说明，这里没有考虑轴孔的基准尺寸）都无所谓，反正手摇速度，不可能太快，人的手还具备灵活的适应性，使用起来完全没问题。
要是用在自行车轱辘上，这个轴孔直径的间隙，就有点大了。就算一开始感觉不明显，时间一长，这个间隙引起的磨损也会非常严重，直接影响使用年限，很快就报废了。所以这时间隙就要控制到0.01到0.02毫米左右，才能保证自行车的正常使用。
其实，自行车跟自行车也不一样。市面上几百元一辆的那些，刚才提出的间隙是合理的，如果是几千元上万元的那种，间隙就更要小，有时几乎不能留有间隙，甚至让间隙是个负数，通过特殊手段进行装配才行。
为什么要有这样大的差异？核心因素就是经济性。生产任何零件，都不可能把尺寸做的一丝不差，只能是保持在某一个范围内，这个范围越小，代价越高，所以虽然是同样材料同样大小同样形状的一个零件，如果在尺寸限定范围上有较大差异，那么其价格，也将出现天差地远的情况。
作者提到美国正在生产的太空望远镜：
据报道，这个望远镜的镜面加工精度是10纳米，也就是几十个原子的宽度。到现在，这个项目已经花了100亿美元以上，最近消息说它将在2021年3月发射。
10纳米是什么概念？0.00001毫米！那么大的基准尺寸，要达到这样的加工精度，以我的知识，是理解不了的——先不说钱，就是加工方法，我也想不到。已经花了100亿美元以上，自有它的道理。
所以作者提出一个非常重要的概念：精度，是通过目的来确定的。
关于估算，我是赞成的，但是作者提出的两个说法，我有些疑惑。
一是估算的精度，作者说估算值与真实值的差异只要在真实值的十倍以内就可以。假如真实值是10，那么估算值如果是100，或者估算值是1，都符合这个要求，可是两个估算值的差异，那就不是十倍关系了。
当然，作者的核心意思，强调的是估算方法的正确性，超过估算值的准确性。同时也指出，只有不断学习，不断修正估算能力，才会让自己的估算水平，更接近真实值。
二，就是估算成本的付出，使用1%法则。比如评估一个需要用掉100个小时的工作值不值得去做，只需要用一个小时就可以，否则就有些不合算。这个1%，自己也是不太赞成的。
不过，我相信作者这么说，也绝不是让作为读者的我，机械的来学习与使用这些方法，所以，我提出这样的质疑，其实是多余的。
四、什么是数据？
这可是个大问题。学习数据思维课，如果连什么是数据都搞不清楚，还谈什么学习呢？
不过，实事求是的说，这个定义，还真不好下。
作者提出了映射理论，元数据概念，还有葡萄酒理论，要求一定要把数据、数据容器、数据所蕴含的信息区别开来。
为了说清楚，作者用葡萄酒做了生动的比喻。酒，就是那个数据，酒瓶，是数据容器，酒瓶上的标签，是元数据，而喝酒时体味品尝到的那些，才是数据蕴含的信息。
这些数据中蕴含什么信息，是数据使用者的创造，甚至可以说，是在数据使用者与数据之间的互动中出现的。
换句话说，数据仅仅是潜在的信息提供者，处于一种未经处理的原始状态。只有找到各种描写它们特征的办法，你才能让数据开口说话。
以上两段，作者特意用不同的颜色，不同的字体进行了敲黑板，也是作者要表达的重要思想。
实际上，这也再次提出了学习数据思维课的重要性。我们普通人，本来就缺乏对数据的敏感性，更缺乏理解数据，分析数据的能力。可是，数据思维是一个非常有效的方法论，在这方面进行提高，绝对有助于帮助自己提高解决实际问题的能力，所以，一定要加强数据思维方面的学习，以便自己在工作生活中，能更游刃有余。
更广泛的一点理解：所有的信息，其实都是广义的数据，如何透过现象看本质，才是所谓数据思维的真实目的。
网友评论