数据世界的大门：什么是数据？
第 1 章：数据世界的大门：什么是数据？
"小奇，快来吃晚饭啦！"妈妈在楼下喊了一声。
小奇却没有听见。他正趴在书桌上，盯着面前那张皱巴巴的作文纸发呆。纸上画着一个大大的问号，旁边还歪歪扭扭地写着三个字："是什么？"
今天在学校的信息课上，老师问了一个问题："同学们，什么是数据？"
小奇举起了手，自信地说："数据就是数字！"
老师笑了笑，摇摇头说："数字只是数据的一种。数据可比数字大得多呢。"
小奇回来之后，越想越糊涂：不是数字，那数据到底是什么呢？它藏在我们生活的哪些地方？它为什么这么重要？
如果你也和当初的小奇一样好奇，那么请跟着我，一起推开这扇"数据世界的大门"吧。
一、什么是数据？——被记录下来的信息
让我们从一个最简单的场景开始。
今天早上，你睁开眼睛，看到窗外的天空是蓝色的。你看到了什么？
"我看到了蓝天。"你可能会这样说。
可是，如果你把这个画面告诉你的好朋友，你会怎么做呢？你可能会这样说："今天早上的天空是蓝蓝的，像大海一样。"
你瞧，你的这句话，已经把"早上天空是蓝色"这件事记录下来了。你用嘴巴把信息传给了别人。
但如果我们想让"今天天空是蓝色"这件事，被记住很久很久，怎么办呢？
第一种方法：用文字记录
你可以在日记本上写下："X 月 X 日，星期 X，天气晴，天空是蓝色的。"
这些写在纸上的字，就成了数据。
第二种方法：用数字记录
你也可以这样写："X 月 X 日，星期 X，气温 25℃，天空颜色：蓝。"
你看，数字也加入进来了。25℃，是数字；蓝色前面的"1"（表示有 1 种颜色），也是数字。
第三种方法：用照片记录
你还可以拿起手机，"咔嚓"拍一张照片。照片里，蓝色的天空被记录下来了。
这张照片，也是一种数据。
第四种方法：用声音记录
你甚至可以用手机录一段声音："今天是 X 月 X 日，天气晴朗，天空蓝蓝的！"
这段声音，也是数据。
所以，你发现了吗？无论是文字、数字、照片，还是声音，只要它们记录了某件事情，它们就都是数据。
我们来给"数据"下一个简单的定义吧：
> 数据，就是被记录下来的信息。
注意，这里有两个关键词：记录和信息。
"信息"是无处不在的。小鸟在树上唱歌，这是信息；妈妈做的红烧肉很香，这是信息；你考了 100 分很高兴，这也是信息。但是这些信息如果只是停留在你的脑袋里，过一会儿就会忘记。
当你把这些信息"记录"下来——无论是写在纸上、画在画里、拍成照片，还是录成声音——它们就变成了"数据"。
记录，是数据最重要的一步。就像魔法师需要把魔法刻在魔法书上，魔法才能被保存下来一样，人类需要把信息"记录"下来，信息才能变成数据，被保存、被分享、被反复使用。
小奇想起了小时候的一件事。那时候他还不会写字，但是他特别喜欢画画。他画了一张"今天的天气"——上面有一个大大的太阳，底下是绿色的草地，旁边还有几朵白云。
他把这张画贴在了冰箱上，每天都会画一张新的。
妈妈说："小奇，你这是在做'数据记录'呢。"
当时小奇还不懂什么是数据，现在他终于明白了：原来那些画，也是一种数据呀！
所以你看，记录的方式可以非常多样——不需要写字，不需要会算术，只要你愿意把"看到的事情"留下来，你就已经开始和"数据"交朋友了。
二、数据的两大家族——结构化数据和非结构化数据
数据虽然种类繁多，但它们大致可以分成两个"大家族"。
一个是结构化数据家族，它们就像整齐列队的士兵，每一个都有自己的位置，每一个都有自己的编号。
另一个是非结构化数据家族，它们就像天上的云朵，想变成什么形状就变成什么形状，自由自在。
结构化数据家族——整齐的表格先生
让我们先认识一下"表格先生"。
表格先生有一个特别的本领：他喜欢把所有的东西都整理得井井有条。
比如，你每次考试后，老师都会发一张"成绩单"给你。成绩单上，第一列是学号，第二列是姓名，第三列是语文成绩，第四列是数学成绩，第五列是英语成绩……每一行都是一个同学的信息，每一列都是一种"项目"。
这种整齐的、像表格一样的数据，就叫做结构化数据。
它的特点是什么呢？
1. 有固定的格式：每一行每一列是什么意思，都是提前规定好的。 2. 可以用表格来表示：行是"一条记录"，列是"一个属性"。 3. 查找起来很方便：因为排列整齐，所以想找什么信息，一下子就能找到。
我们再来看几个例子：
- 超市里的商品清单：商品名称、价格、库存数量、进货日期……整整齐齐。
- 班级里的座位表：第几排第几列、坐的是谁……一目了然。
- 你手机里的通讯录：姓名、电话号码、生日……分类清晰。
这些都是结构化数据。
小奇的爸爸是一名图书馆管理员。小时候，小奇经常跟爸爸去图书馆玩。爸爸的电脑里有一个系统，可以查到每一本书的编号、名字、作者、出版社、出版日期、库存数量。所有这些信息都被放在一个巨大的表格里。
小奇问爸爸："为什么要用表格呢？"
爸爸说："因为书太多了，有几十万本。如果不用表格把它们整理好，我要找一本《哈利·波特》，可能要找一个星期。用了表格，我只要敲几下键盘，几秒钟就能找到。"
小奇点了点头。他突然明白了：结构化数据的最大优点，就是方便查找和分析。
非结构化数据家族——自由的云朵小姐
讲完了"表格先生"，我们再来说说"云朵小姐"。
云朵小姐最爱自由了。她不喜欢被关在表格里，她想飘就飘，想变成什么形状就变成什么形状。
什么是非结构化数据呢？让我们看几个例子：
- 你拍的照片
- 你录的视频
- 你唱的歌、你录的语音消息
- 你写的作文（除了标题和字数外，内容是自由发挥的）
- 你画的一幅画
- 一部电影、一段舞蹈、一段钢琴曲
这些数据，它们没有一个固定的"格式"。你不能用"几行几列"来描述一张照片，也不能用表格来记录一首歌。
但是，这些数据却包含了大量的信息。一张照片里，可能藏着你的笑脸、背景里的风景、当时穿的衣服、还有天气是阴是晴。一段视频里，可能藏着你的动作、说话的声音、还有背景音乐。
所以，非结构化数据的优点是：信息丰富、形式多样、充满人情味。
小奇最喜欢的，就是和"云朵小姐"交朋友。他有一本相册，里面装着他从出生到现在的所有照片。每一张照片都是一段回忆：第一次上幼儿园、第一次掉牙、第一次骑自行车、第一次看大海……
这些照片，没有办法用表格来整理。但是每次看到它们，小奇都会笑出声来。
它们谁更重要？
你可能会问：表格先生和云朵小姐，谁更重要呢？
答案是：它们都很重要，没有谁比谁更重要。
在我们这个时代，结构化数据和非结构化数据都在飞速增长。
科学家们做过统计：在全世界所有的数据里，非结构化数据大约占 80%，结构化数据大约占 20%。这说明什么呢？说明我们这个时代产生的照片、视频、语音、文件等等，要比表格、清单之类的数据多得多。
但是，结构化数据依然非常重要。为什么呢？因为很多工作，比如图书馆管理、银行记账、医院看病，都需要把数据"结构化"，这样才能高效地查找和分析。
所以，最好的办法是：让表格先生和云朵小姐成为好朋友，一起为我们服务。
小奇想：原来数据世界这么热闹啊！表格先生负责严谨，云朵小姐负责自由，两者结合，才能让我们这个数据世界变得既丰富又有条理。
三、数据的三元素——内容、形式和含义
接下来，我们要认识数据的"三元素"。
什么是"三元素"呢？就像一个汉堡包有面饼、肉饼、生菜三层一样，一个完整的数据，也有三个重要的元素：内容、形式、含义。
让我们用一个小例子来说明。
小奇今天上学迟到了，他记录下了这条信息："今天我迟到了 5 分钟。"
第一个元素：内容
内容，就是数据"说了什么"。
这条数据的内容是："小奇今天上学迟到了。"
内容是数据的"骨头"。如果没有内容，数据就像一个没有灵魂的空壳。
第二个元素：形式
形式，就是数据"长什么样子"。
小奇记录这条数据，可以有很多种形式：
- 写成文字："今天我迟到了 5 分钟。"
- 画成图画：一个闹钟指着 7:55，旁边是一个跑得飞快的男孩。
- 录成声音："咳咳，我迟到了 5 分钟。"
- 用符号：⏰ + 🏃♂️ = 😓（7:55 + 跑 = 迟到）
形式不同，但说的都是同一件事。
这就是数据的一个神奇之处：同样的内容，可以有不同的形式。
就像你同样要告诉妈妈"我爱您"，你可以用中文说"我爱您"，可以用英文说"I love you"，也可以画一张画，画上一颗大大的爱心，旁边写着"妈妈我爱你"。
形式虽然不同，但爱是一样的。
第三个元素：含义
含义，就是数据"告诉我们什么"。
小奇记录了"今天我迟到 5 分钟"，这件事告诉我们什么呢？
含义 1：他今天早上可能睡过头了，所以迟到了。 含义 2：他可能吃早饭吃得太慢了。 含义 3：他可能路上遇到了红灯。 含义 4：他今天运气不太好。
你看，同一条数据，不同的人可能会读出不同的含义。
这就是数据另一个神奇的地方：同一条数据，对不同的人有不同的含义。
比如，"今天下雨了"这条数据。
- 对小奇来说，含义是："哎呀，不能出去玩啦！"
- 对农民伯伯来说，含义是："太好了，庄稼有水喝啦！"
- 对卖雨伞的阿姨来说，含义是："太好了，今天可以多卖几把伞！"
所以，含义不是数据本身固有的，而是人赋予的。
数据就像一面镜子，每个人看镜子，都会看到自己想看到的东西。
三元素缺一不可
如果一个数据只有内容，没有形式，那它就像一个没有身体的灵魂，我们没办法把它保存下来。
如果一个数据只有形式，没有内容，那它就像一个没有灵魂的身体，只是一个空壳。
如果一个数据没有含义，那它就像一个没有故事的人，没有人知道他想说什么。
所以，一个完整的数据，必须同时具备内容、形式和含义。
这就像一个好的故事，必须有情节（内容）、有讲述方式（形式）、有寓意（含义），三者缺一不可。
小奇在自己的小本子上写下了这句话："一个好的数据 = 内容 + 形式 + 含义。"他觉得，这句话可以成为他学习数据的"第一条咒语"。
四、AI 是数据的"美食家"——数据是怎么变成 AI 的食材的？
讲到这里，你可能要问了：数据这么重要，那它到底有什么用呢？
要回答这个问题，我们要请出今天的主角之一——人工智能（AI）。
什么是 AI 呢？AI 的英文全称是 Artificial Intelligence，中文意思是"人工制造的智能"。简单来说，AI 就是一种让机器"学会思考"的技术。
但是，机器不会自己思考。机器要学会思考，就需要"学习"。而机器学习的"课本"，就是数据。
AI 就像一个"美食家"，而数据就是它的"食材"。
美食家的故事
让我给你讲一个关于美食家的故事。
从前，有一个叫"小爱"的美食家。她非常喜欢吃美味的食物。但是，她有一个问题：她不知道哪些食物好吃，哪些不好吃。
怎么办呢？她的师傅告诉她："小爱呀，你要去尝遍天下的食物。每尝一种，你就记下来：这种食物叫什么名字，长什么样子，吃起来是什么味道，是好吃还是不好吃。慢慢地，你就能分辨出什么是美食了。"
于是，小爱开始到处去吃。每吃一种食物，她都认真记录下来：
- 食物 1：红烧肉。颜色：红褐色。味道：咸甜。评分：9 分。
- 食物 2：清炒白菜。颜色：白绿色。味道：清淡。评分：6 分。
- 食物 3：糖醋排骨。颜色：金黄色。味道：酸甜。评分：8.5 分。
吃了几千几万种食物之后，小爱积累了一本厚厚的"美食笔记"。这本笔记，就是数据。
现在，每当有人问她："这是什么菜？好吃吗？"小爱就能根据她的"美食笔记"做出判断。
比如，你拿一道菜给她看，她看了一眼，说："这是番茄炒蛋，根据我的笔记，评分大约是 7.5 分，是一道比较受欢迎的家常菜。"
小爱是怎么做到的呢？因为她有一个"美食大脑"——这个"美食大脑"，就是人工智能。
AI 学习的三步骤
从美食家的故事里，我们可以总结出 AI 学习数据的三个步骤：
第一步：收集数据（食材采购）
就像小爱到处去吃食物一样，AI 需要大量的数据。比如：
- 想让 AI 认识猫，就要给它看成千上万张猫的照片。
- 想让 AI 听懂人说话，就要给它听成千上万段人类的对话。
- 想让 AI 下围棋，就要让它看成千上万盘人类对弈的棋谱。
第二步：训练模型（学习烹饪）
收集到数据之后，AI 需要"学习"。学习的过程就像小爱总结"哪种食物好吃"一样，AI 会从数据里找出规律。
比如，看了一万张猫的照片之后，AI 会总结出："猫一般有尖尖的耳朵、长长的胡子、柔软的毛、会发光的眼睛……"
这种"总结出来的规律"，在 AI 里叫做模型。
第三步：做出预测（上菜）
训练好模型之后，AI 就可以"上菜"了。
你给它一张新的照片，它能告诉你："这是猫。" 你给它一段话，它能告诉你："这是一个很开心的人。" 你给它一个棋局，它能告诉你："下一步最好下这里。"
这就是 AI 的工作流程：吃数据 → 学规律 → 做预测。
数据是 AI 的"燃料"
你还记得吗？我们刚才说，数据是"被记录下来的信息"。
现在我们要再加一句话：数据是 AI 的"燃料"，没有数据，AI 就跑不起来。
就像汽车需要汽油才能跑一样，AI 需要数据才能"聪明"。
而且，AI 需要的不是一点点数据，而是海量的数据。就像小爱不能只吃 10 种食物就成为美食家一样，AI 也不能只看 10 张照片就学会认识猫。
现在的 AI 之所以这么厉害，是因为它"吃"了很多很多的数据。
比如，有一种 AI 叫做"图像识别 AI"，它"吃"了几亿张图片，学会了认识一万多种物体。另一种 AI 叫做"语言 AI"，它"吃"了几千亿个文字，学会了写文章、回答问题、翻译语言。
所以，下次你看到一个很厉害的 AI 时，要记得：它之所以厉害，是因为它"吃"了很多数据。
小奇听到这里，恍然大悟：原来 AI 和数据的关系，就像厨师和食材的关系。厨师做得再好吃，没有食材也做不出菜；AI 再聪明，没有数据也学不会知识。
小奇决定，以后要好好"喂养"他的 AI 朋友。怎么"喂养"呢？就是要多多收集数据，多多记录数据。
让我们用一个流程图来看看，数据是怎么从生活变成 AI 的"食材"的：
```mermaid flowchart LR A[生活中的现象] --> B[用文字或数字记录] B --> C[变成数据] C --> D[收集到数据库] D --> E[AI 学习这些数据] E --> F[AI 学会新本领] F --> G[AI 帮助人类解决问题] ```
你看，从我们每天看到的东西，到 AI 的本领，中间经历了好几个步骤。每一步都很重要，每一步都和"数据"有关。
五、小奇的一周天气实验——数据是怎么产生的？
讲到这里，小奇已经迫不及待地想试一试了。
他决定做一个小实验：记录一周的天气。
实验准备
在开始实验之前，小奇先做了一些准备：
1. 准备一个小本子，封面写上"小奇的天气数据本"。 2. 在第一页画了一个表格，表格里有这些项目：
- 日期（X 月 X 日）
- 星期（星期 X）
- 天气（晴/多云/阴/雨/雪）
- 最高气温（℃）
- 最低气温（℃）
- 备注（比如：今天风很大 / 今天有雾 / 今天出彩虹了）
实验过程
接下来的一周，小奇每天早上、中午、晚上都会去看一眼窗外的天气，然后在表格里记下来。
下面是这一周的数据记录：
| 日期 | 星期 | 天气 | 最高气温 | 最低气温 | 备注 | |------|------|------|----------|----------|------| | X 月 1 日 | 一 | 晴 | 28℃ | 18℃ | 风不大 | | X 月 2 日 | 二 | 多云 | 26℃ | 17℃ | 下午有云 | | X 月 3 日 | 三 | 雨 | 22℃ | 15℃ | 下了 2 小时雨 | | X 月 4 日 | 四 | 阴 | 24℃ | 16℃ | 没看到太阳 | | X 月 5 日 | 五 | 晴 | 30℃ | 20℃ | 很热 | | X 月 6 日 | 六 | 多云转晴 | 27℃ | 19℃ | 上午多云，下午晴 | | X 月 7 日 | 日 | 雨 | 21℃ | 14℃ | 一整天都在下雨 |
实验发现
记完一周的数据后，小奇发现了几个有趣的事情：
发现 1：数据是可以"看见"的规律。
他翻开表格数了数，发现这一周晴天天数是 2 天，多云 2 天，阴天 1 天，雨天 2 天。如果再继续记录一周、一个月、一年，他就可以算出"今年晴天比雨天多"这样的结论。
发现 2：数据是会"说话"的。
他发现，下雨那两天的气温都比晴天低。这说明"下雨天往往比较凉快"。这是一个小小的"规律"！
发现 3：数据不一定完美。
他突然想起来，X 月 4 日那天，他其实忘记了看最高气温，写的是"24℃ 左右"。这个"左右"，不是准确的数字。这就是数据有时候会"不准确"的地方。
发现 4：数据需要坚持记录。
记了第一天后，小奇觉得很有趣。但到了第三天，他就有点懒了，忘记看最高气温。第五天，他差点忘了记录。幸好他想起了实验的目标，才坚持下来。
小奇在实验日记里写道："原来收集数据不是一件简单的事呀！要每天记得记录，还要尽量准确。这让我明白了一个道理：好的数据，是用耐心换来的。"
实验的延伸思考
小奇做完这个实验后，又想到了几个问题：
1. 如果再多记录几周，能不能发现"每周的天气有什么规律"？ 2. 如果记录一整年的数据，能不能算出"哪个月最热"、"哪个月最冷"？ 3. 如果和去年同期的天气数据做对比，能不能知道"今年是不是比去年热"？
这些问题，都需要更多的数据才能回答。
小奇决定，把这个实验一直做下去，做满一年，然后看看能发现什么。
这就是小奇的一周天气实验。你看，做实验的过程，本身就是一个收集数据的过程。实验做得好不好，很大程度上取决于数据收集得好不好。
六、实践时间——制作你的"数据收集小本子"
读到这里，你是不是也想动手试一试呢？
现在，就让我们一起制作一本属于自己的"数据收集小本子"吧。
第一步：准备材料
你需要准备这些东西：
- 一个空白的小本子（A5 大小比较合适，方便携带）
- 几支不同颜色的笔
- 一把尺子（用来画表格）
- 一个橡皮擦（写错了可以修改）
- 你的眼睛和耳朵（用来观察和倾听