資料同理心:飛奔的資料科學如何變成「易讀好用」的人類新資源? (電子書)

資料同理心:飛奔的資料科學如何變成「易讀好用」的人類新資源? (電子書) pdf epub mobi txt 电子书 下载 2025

菲爾.哈維
图书标签:
  • 資料科學
  • 數據分析
  • 使用者體驗
  • 資訊視覺化
  • 資料素養
  • 人機互動
  • 電子書
  • 商業智慧
  • 設計思考
  • 溝通技巧
想要找书就要到 小特书站
立刻按 ctrl+D收藏本页
你会得到大惊喜!!

具体描述

  它不僅改變了我們知道什麼,也改變了我們知道的方式

  大數據資料是人類最重要的新資源。它不僅對企業很重要,對每個人也很重要。這種新資源能讓我們對世界的方方面面、這個星球和整個宇宙產生新的認知。

  和歷史上的其他技術革命一樣,我們對大量資料的結果了解得越多,就越了解我們自己、我們的世界以及如何改變它。然而,這種寶貴的新資源目前還沒有被充分利用、甚至被濫用或完全被忽視。

  當前資料科學及延伸的數據分析正蓬勃發展,但有個大問題是我們反而忘記了人性──「構成資料的人」、「使用資料的人」以及「期望了解結果的人」三者之間經常存在鴻溝。在資料數據化的世界中,同理心是一種強大的聯絡工具,將我們對資料的理解從純粹的技術實踐提升到可以為人類做出持久和重要貢獻的東西。

  本書源於兩位作者過去10年從事資料數據工作的經驗,以及資料同理心的講授和研究,內容包含他們與數百位跨領域資料科學、數據工程與數據哲學實作者合作得到的見解。本書將呈現良好和不良的資料使用與設計行為示例,也提供我們思考和處理資料的新方法及練習。

  資料非常重要、非常有價值,
  而我們卻常亂搞一通

  你是否發現以下類似情境:
  ★ 深諳資料科學及其技術的人,「不太在乎其他部門的人」(因為他們不懂)
  ★ 經理人會希望技術部門人員「總之就是按照吩咐去做」
  ★ 每天都要處理龐雜形式的資料,卻懷疑海量資料帶來的「新工作」是否帶來進步與效率?
  ★ 恨透了組織內部某種檔案格式,因為它既醜又難用。

  ──當科技愈聰明,算力愈強,資料也就更可能被誤用與浪費。
  資料科學家+人工智慧實作者 聯手解決當世「資料不適症」

  資料是人類最重要的新資源,它能為我們人生的所有面向帶來洞見──甚至關乎地球與宇宙。資料不僅改變了我們的知識,也改變了我們獲取知識的方式。如同過去多次科技革命那般,資料的價值能精進我們作為人類的存在,且程度可能更勝以往。

  本書能幫助你瞭解如何正確運用資料、告訴你資料為什麼重要、以及現在企業與政府如何使用資料。本書以極具說服力的方式說明了同理心何以是理解資料的關鍵。提升對資料的理解能為你的事業、人生、甚至整個世界帶來持久而重要的貢獻。
好的,这是一本关于如何将复杂的科学数据转化为易于理解和有效利用的知识资源的书籍简介: --- 书名:《智慧的转化:从海量数据到人人可用的信息资产》 内容简介 在这个信息爆炸的时代,数据如同血液般流淌在各个行业和组织的脉络之中。我们每天都在生成和收集前所未有的海量数据,从天文数字般的传感器读数到用户行为记录,这些原始的“矿石”蕴藏着巨大的价值。然而,真正的挑战并非在于获取数据,而在于如何提炼、解读并最终让这些信息转化为能够指导决策、促进创新的“活水”。本书旨在深入探讨这个关键的转化过程,它不仅仅是关于技术工具的使用,更是关于一种思维模式的转变——如何将晦涩难懂的数字语言,翻译成清晰、直观、富有洞察力的“人类语言”。 第一部分:解码数据的“原始森林”——理解数据挑战的本质 我们首先会构建一个框架,用以理解现代数据环境的复杂性。这部分内容将带领读者穿越数据生成的源头,审视当前组织在处理数据时所面临的现实困境。 数据的“噪音”与“信号”: 探讨如何区分海量数据中的无效信息和真正有价值的模式。我们将分析常见的“数据陷阱”,比如测量偏差、数据孤岛以及背景信息缺失如何误导最初的分析方向。 技术鸿沟的现实: 很多时候,强大的数据分析工具(如机器学习模型)得出的结果往往是高度技术化的,这对业务决策者构成了巨大的理解障碍。本书将聚焦于这种技术与业务应用之间的“鸿沟”,探讨为什么即使是最准确的模型,如果其结果无法被非技术背景的利益相关者接受和信任,其价值也会大打折扣。 叙事的力量: 数据本身是沉默的。本章节将强调“数据叙事”(Data Storytelling)的重要性。如何构建一个引人入胜、逻辑清晰的故事线,将枯燥的图表和统计数字转化为能激发行动的有力论据,是转化的核心环节。 第二部分:建立共情的桥梁——以人为本的数据交互设计 数据转化为“人人可用”的关键,在于设计者必须对最终用户产生深刻的理解与同理心。这部分是本书的理论核心,重点关注“如何设计”让数据更容易被吸收和使用的机制。 受众画像与需求分析: 了解你的听众是谁至关重要。是需要实时仪表板的运营经理,是需要长期趋势预测的战略规划师,还是需要简单警告信号的现场操作员?我们将介绍如何针对不同受众的认知负荷能力、专业知识背景和决策目标,来定制数据呈现的深度和广度。 视觉化的认知科学: 书中将详细剖析视觉传达的底层原理。不再仅仅停留在“使用柱状图还是饼图”的肤浅讨论,而是深入探讨人类视觉系统如何处理颜色、形状、空间关系和动态信息。我们将介绍一些经过科学验证的原则,确保可视化设计能够最大程度地减少认知努力,直接引导用户发现关键洞察。 交互的艺术: 现代数据界面不应是静态的报告。本部分会讨论如何设计富有弹性的交互界面,允许用户“深入挖掘”(Drill Down)或“宏观概览”(Zoom Out)。这种双向的、可控的交互性,赋予用户对数据掌控感和信任感,从而提高信息的采纳率。 第三部分:流程的重塑——从脚本到系统的转化实践 理论必须落地为可操作的流程。本部分将探讨如何将前两部分的原则系统化地嵌入到组织的数据生命周期中。 “可解释性”的工程化: 面对日益复杂的AI和统计模型,如何将其内部运作逻辑,即使是简化版,也有效地传达给终端用户?我们将探讨可解释性AI(XAI)的初步应用,以及如何设计“透明度层级”,使用户在需要时可以访问更深层次的解释,而在日常使用中保持界面的简洁。 构建“数据资产库”: 数据不应仅仅是分析师的私有工具。本书提倡建立一个中央化的、经过清洗和注释的“数据资产库”。关键在于如何为每个数据集添加“元数据注释”——这些注释必须以业务语言而非技术术语来描述数据的来源、清洗标准、局限性以及推荐的应用场景。 持续反馈与迭代: 将数据转化为有效资源是一个持续优化的过程。我们将介绍如何建立快速的用户反馈回路,定期评估信息资产的“可用性”和“有效性”。每一次用户报告“看不懂”或“找不到想要的信息”都是一次宝贵的优化机会。 总结:迈向数据素养的新阶段 《智慧的转化》不是一本针对数据科学家的技术手册,而是写给所有参与数据驱动决策的专业人士的指南。它倡导一种新的工作哲学:数据准备的最终目的,不是为了得到一个复杂的模型,而是为了产生一个清晰、可靠且易于行动的“人类资源”。通过掌握这些转化技巧,组织可以将散乱的电子表格和高深莫测的算法,塑造成真正能够赋能每位成员、推动业务向前飞奔的强大信息资产。本书将引导读者,从数据的“生产端”思维,转向用户“消费端”的共情设计,最终实现数据的真正价值最大化。 ---

著者信息

作者簡介

菲爾.哈維 Phil Harvey


  在英國多塞特郡長大,並於薩塞克斯大學(University of Sussex)取得人工智慧學士學位。他從事的大多是資訊產業工作,從地板下配線、電腦建置、到十五年的程式設計職涯,其中五年身為新創公司的技術創辦人暨技術長。菲爾是一項認證專利發明人,目前並擔任微軟公司的資料與人工智慧雲端解決方案架構師。

諾莉雅.希門尼斯.馬丁尼茲 博士 Dr. Noelia Jiménez Martínez

  出生於阿根廷,天文物理學家。她曾在倫敦擔任資料科學顧問,與多家大公司與各種中小型企業合作,也曾在歐洲的數間大學擔任天文物理學研究員,並在Unbound 出版社擔任資料科學與天文科學主任。她在拉普拉塔大學取得了應用於星系形成與化學演化的計算天文物理學博士學位。她利用空閒時間探討如何用運人工智慧的解決方案避免氣候與生態的崩潰。

譯者簡介

廖崇佑


  臺灣大學翻譯碩士學位學程畢業,譯有:《多極世界衝擊》、《真的好奇怪:希臘神話》、《貓咪問題全攻略》、《無法測量的領導藝術》等書。現為自由譯者及英語學習粉絲頁「賓狗單字」共同創辦人。

图书目录

前言
本書用意
導讀
氣候危機
演化知識論體系
深入資料
深入同理心
深入觀點
交給各位

附錄一:給科技建構者的深度技術案例
附錄二:給資料旅程初心者的資料擘劃指南
致謝


 

图书序言

  • ISBN:9789579689816
  • EISBN:9789579689984
  • 規格:普通級 / 初版
  • 出版地:台灣
  • 檔案格式:EPUB流動版型
  • 建議閱讀裝置:手機、平板
  • TTS語音朗讀功能:無
  • 檔案大小:8.6MB

图书试读

前言(兩位合著者的話)

  菲爾的話

  「科技是簡單的部分;困難的部分是人。」

  我不曉得這句話從哪裡聽來的,不過我整個職涯都應證了此言不假。早在學生時期,當大多數的理工宅都迷戀著微軟系統,而我則不幸地著迷於麥金塔電腦時,我就開始遊走於人與科技之間了。這常常使我陷入窘境。舉例來說,選擇大學預科考試課程時,我選的是計算機科學、數學以及傳播學。這種不尋常的組合會使我在預科學院難以排課,所以我被逼著放棄讀離散數學(discrete mathematics),改而讀統計學。面對大學學系的選項時,我選擇人工智慧學系的文學士學位,而不是計算機科學暨人工智慧學系的理學士學位。職涯發展諮詢師聽到這個決定,神態糾結地說:「你讀這個科系會找不到工作,雇主都只看計算機科學學位。」即便上了大學,我在大三仍選修日本語言文化與社會,而不是更技術性的課程。與人類學家當朋友是一大樂事。

  我在試圖成為3D繪圖藝術家時,遇到了同樣的問題。政府的職涯諮詢專員透過電話直截了當地對我說:「你沒有受過藝術訓練,你是技術人員。找一份能夠運用科技幫助藝術家的工作吧。」

  我先是做了「非工程師」工作(試著當一位3D繪圖人員),接著成為工程師(幫助3D繪圖藝術家),繼而創辦新創公司、擔任技術長。經歷這些年後,我才真正與資料有意義地邂逅。我發現資料是一種資源,能完美支持我們對世界與世人的新理解。歷經五年,科技對我而言變得清晰了,透過科技,我能在資料中看見世界。

  我遊走在科技與人之間好些日子了,如今這些經驗變得明朗透澈,我希望這些經驗值得分享。對我來說,這些經驗能夠以資料同理心(data empathy)的概念呈現。

  在資訊產業把快速創新作為不間斷的養分,造成產業過度膨脹且偏執之際,我認為顯而易見的是:資訊產業缺乏人文技能。這種不平衡是有害的。我發現,資料與科技方面的同理心缺乏,正阻擋著人類向前進。證據俯首即是。

  我想盡點心力,有鑑於我過往的尷尬科技經驗,我想我可以帶來幫助。

  諾莉雅的話

  我生長於阿根廷北部薩爾塔省(Salta)的首都。我在那裡長大,過程中盡可能抵抗以男性為尊的文化,並在十八歲那年離開家鄉,到布宜諾斯艾利斯的拉普拉塔大學(University of La Plata)讀天文學。在那裡,男性為尊的文化固然沒有消散,不過沒那麼嚴重。

  我擁有計算天文物理學(Numerical Astrophysics)博士學位,也在學術界工作多年。我運用不同的解決方案和技術(包括不同的星系化學演化模組),編寫大規模宇宙模擬程式,並進行分析工作。高品質教育在阿根廷是免費的,所以我在大學時期也研修我有興趣的芭蕾舞和拉丁美洲歷史課程。

  我實屬幸運,曾到世界各地遊覽,並居住過許多不同國家,這不但要拜我的博士後職位所賜,也多虧了我住在薩爾塔時所屬的合唱團(我們很熱衷於參賽)。

  最後,某年隆冬,在蘇格蘭美好的聖安德魯斯鎮(St Andrews)工作時,我意識到自己必須改變,於是搬到倫敦成為一名資料科學顧問。我十分幸運地再次得以與一大群來自不同背景的資料科學家共事;不同產業都在試圖以資料作為驅動力,或是優化已經由資料所驅動的程序。我目前任職於Unbound出版社,我很榮幸能擁有這份夢想中的工作。我喜愛閱讀、書本以及出版世界,也對Unbound出版社的使命充滿熱情。

  我和菲爾是在資料科學訓練認識並成為朋友的。第二年後,我們都指導有分析專長的博士生執行資料科學專案。他當時問我有沒有興趣幫忙寫一本關於資料與同理心的書。

  我答應了,因為我有一個非常重要且源於個人經驗的訊息要傳達。我來自地球的另一邊,一個北半球少有耳聞的地方,我受教於一群最睿智、最聰明、長期受苦的人。他們都是為了躲避二戰的後果而移居阿根廷的移民。我後來也體認到與家人遠渡重洋遷移所必須付出的代價。幾個世代後,我也開始重視穩定、關係網絡與教育,開始明白數個世紀的壓迫、殘害與貪婪,對生靈萬物造成了何等折磨。

  我想透過訴說我在南美洲的兒時故事來介紹自己。那裡的天空舉世最美,儘管貧窮,我們有森林、有自然澄淨的空氣、有每夜都能看見完整銀河輪廓的壯闊星空,無論誰皆能享受其中。我想傳遞一種尊敬之感,一種對大自然、對我們有幸能與其共處的萬物、對宇宙中除了我們自己與其它已知生物外的「其他」生命的尊敬。我的母親是一名生物學家,我從小就生活在微觀世界裡。她賦予我對於生靈萬物的細膩感受。她引導我深思每片葉子與每隻昆蟲的存在,其複雜與美麗,並對我訴說這些生物神祕安靜的世界與互動。因為她,這些生物在我眼中變得神聖。

  我敬仰自然。我熱愛它。我尊敬它的程度勝過許多人所謂的「神聖」事物。我與自然有深刻的連結,這或許是為什麼我對地球上的野生動物、美麗景貌以及生態多樣性現在的慘況感到極為憤怒,對未來的黑暗前景感到憂傷。

  就個人層面而言,這本書的撰寫過程十分困難。我只能從深沉的抑鬱中出發,爬梳哀傷的情緒,然後重新觸碰憤怒和悲傷─這是我書寫的唯一辦法。

  我在尋找社群時,找到了寬慰和希望。我發現深深擔心氣候和生態崩潰的不只有我。我必須不斷重複發揮同理心,陪伴社群的新成員理解這個現實;社群裡有年輕家長、有被忽視的科學家、有孩子⋯⋯我能感受他們目睹未來正在被少數貪婪的(白種)男人偷走的痛苦與憤怒。

  同時我也意識到自己的觀點與別人頗為不同,甚至在同道之人中也如此;因為我來自低度開發世界,通常每十年會有一次經濟或社會崩潰,這種摧殘加深了我的無助。我們被排除在決定重大事務的談判之外。

  於是,我答應寫這本書,我要透過這個機會說清楚一件事,那就是無論如何我們都必須記得:我們就是自然,彼此相互連結。無論是身為科技專家、資料科學家或純粹作為人類的我們,都必須明白自然不能被金錢化操作。誰能為穩定的氣候、乾淨的空氣、健康的土壤、海洋、老虎、無尾熊、大象、花朵、鳥類或細菌定價呢?我們無法用金錢換得或創造這些生態。我們對這些經歷數百萬年演變的複雜系統與人類之間的精密關係了解甚少。

  人類把自然當作理所當然。最屈居弱勢的生態正面臨危險。然而,我也相信人們有改變結構和改善世界的力量。在第四次工業革命之初,我們有了新工具(如資料)以及新挑戰。

  這是我將在本書中探討的訊息。作為一個群體,人類正面臨有史以來最重要的任務,而「同理心」是執行這項任務的關鍵概念。我從父親那裡學到這點,他教會我要先為他人著想,永遠要以慷慨的心胸理解他人的感受,並先預期他人的需要。

  我也想幫忙。

  我肯定自己能幫上忙。

  本書用意

  本書的書寫對象是那些心底明白資料很重要的人。

  本書某些部分固然會涉及技術專業,但這不是只設計給專業人士看的專業書籍。如果某些段落讀起來太費勁,儘管略過。我們希望走在技術與人之間,希望促使人更親近科技,讓科技專家更親近人。最重要的是,我們希望促成兩方之間的對談。

  讀完這本書後,你會有新的想法、技能與工具來幫助你運用資料同理心取得更大的成功。

  可嘆的是,某些能受到本書幫助的人們不會主動拿起它。某些曾參與形塑本書基礎的講座和討論的人們並不懂這本書。我們可以從他們的回饋中聽出來。

  然而,某些人如我們希望的,主動地閱讀了這本書,並給了我們很美好的回饋。有些人表示,我們這兩個硬派技術人如此深入探討「軟技能」以及科技中的環境議題,這令他們「極為耳目一新」。我們正目睹科技產業的巨變。開始有一股力量驅策人們承擔責任。員工開始要求雇主正視科技決策的生態與社會限制。儘管無法立竿見影,這類行動卻正在引領一股科技使用的變革,其中的核心在於人們對同理心的重要性有了新體認。

  這本書證明了資料產業必須提升軟技能─把人考慮進去─而且是大幅度的改善。

  感謝正在讀此書的你。讀完後,請分享這些點子、分享這本書。我們想帶來幫助,而你也可以是其中一員。

  我們的產業可以更好,遠比現在好得多。

  齊心協力,我們將能成功。

用户评价

评分

这本书的封面设计就相当抓人眼球,那种深邃的蓝色背景配上跳跃的橙色字体,让人一眼就能感受到数据科学的活力与某种难以言喻的神秘感。我一开始还以为这会是一本技术手册,充满了晦涩的算法和复杂的数学公式,但翻开第一页我就意识到我的判断完全失误了。作者的叙事方式简直像是在讲述一个引人入胜的科幻故事,把“数据同理心”这个抽象的概念具象化了。他没有一味地堆砌专业术语,而是巧妙地穿插了一些生活中的小故事和类比,比如将数据处理比作整理一个巨大而杂乱的图书馆,每一个“读者”(用户)的需求都需要被精准理解。这种叙事上的亲和力,让原本高冷的 Data Science 瞬间变得平易近人。我特别喜欢其中探讨“数据偏见”的部分,作者没有用批判性的语言,而是温柔地引导读者思考:当我们收集数据时,我们也在无形中塑造了世界,而缺乏同理心的模型,最终只会固化已有的不公。这本书成功地搭建了一座桥梁,连接了冰冷的代码和温暖的人性,这本身就是一个了不起的成就。读完前几章,我感觉自己对“为用户服务”的理解上升到了一个全新的哲学高度,这远超我预期中对一本“技术相关”书籍的期待。

评分

作为一个长期在甲方与乙方之间周旋的资深项目经理,我见过太多因为数据没有被“正确理解”而导致的项目彻底失败的案例。往往是技术团队拿出一堆漂亮的图表和高精度的预测模型,但业务部门完全无法采纳,不是因为不相信数据,而是根本看不懂这些数据和自己的日常工作有何关联。这本书简直像是一剂强心针,它清晰地阐明了沟通的痛点在哪里。我尤其欣赏作者对于“数据叙事”(Data Storytelling)的深入剖析。他强调的不是如何美化图表,而是如何构建一个逻辑清晰、情感共鸣的故事线,让那些坐在会议室里决策的人,能够“感受到”数据背后的真实世界。书里关于如何识别关键利益相关者的数据需求差异,并针对性地调整报告层次的论述,具有极强的实操价值。我立即在下个季度的启动会上尝试应用了书中的“三层解读法”,效果立竿见影,原本需要花费半小时解释的复杂模型,现在五分钟就能让高管抓住核心要点并表示赞同。这本书提供的不是理论,而是一套可以立即投入使用的沟通工具包,非常务实。

评分

整本书的结构组织得非常精妙,从宏观的哲学思辨,到中观的团队协作模式,再到微观的操作实践,层层递进,逻辑严密,读起来丝毫没有割裂感。我特别关注了书中关于“跨职能团队中的数据伦理沟通”这一章节。在大型组织中,数据科学家、产品经理、法务部门之间的“语言不通”是常态,而这本书提供了一套非常实用的“通用翻译框架”。它强调的不是让非技术人员去学习技术,而是让技术人员学会用非技术语言去表达技术决策背后的“人本价值”。作者举例说明了如何用一个简单的比喻,让法务人员理解“数据脱敏”的真正意义在于保护个体隐私的尊严,而非仅仅是合规要求。这种强调“共情驱动的协作”的理念,是我过去几年工作经验中一直缺乏的一个关键环节。这本书的价值不仅在于提升了数据科学家的技能,更在于它能够优化整个组织处理信息和决策的效率与温度,是所有希望数据驱动文化真正落地的管理者和执行者都应该细读的典范之作。

评分

这本书的阅读体验非常流畅,作者的文笔干净利落,充满了知识分子的那种特有的幽默感,不会让人感到枯燥乏味。我最欣赏的是它对“人性化数据流程”的构建提出了前瞻性的思考。在这个万物皆可量化的时代,我们似乎过度迷恋于量化本身,而忘记了数据终究来源于人的行为、选择和情感。书中有一段论述,探讨了如何设计用户界面(UI)和用户体验(UX),使其在收集数据的同时,不给用户带来“被监视”的压迫感,反而能让用户觉得自己的反馈是受到尊重的。这让我想起之前参与的一个App用户行为追踪项目,用户流失率极高,事后分析发现,原来是我们的数据埋点设计得过于隐蔽和繁复,让用户体验受到了极大干扰。这本书从“源头设计”的角度去审视数据生命周期,指出同理心必须植入到数据采集的每一个环节。它成功地将数据治理提升到了企业文化和道德建设的高度,这种深层次的洞察,在市面上充斥着速成指南的今天,显得尤为珍贵。

评分

我是一名刚毕业不久,正在努力适应行业节奏的新手数据分析师。面对海量的数据和期望值爆炸的上司,我时常感到不知所措,不知道自己的工作重心应该放在哪里。很多教科书教我如何搭建更快的模型,但我却不知道为什么要建,以及建成后给谁用。这本书仿佛是一盏指路明灯。它用一种非常平等的姿态与读者对话,而不是高高在上地指导。最让我受益匪浅的是关于“解释性模型”与“预测性模型”之间平衡的讨论。作者没有简单地宣扬可解释性AI(XAI)的优越性,而是辩证地指出,在某些场景下,一个高精度的“黑箱”模型带来的业务价值远大于一个低精度的“透明”模型,关键在于我们如何用同理心去“包装”和“监控”这个黑箱。这种务实且不教条主义的分析,极大地缓解了我对“必须完全透明化”的执念。它教会了我,在实际工作中,同理心意味着权衡利弊,找到对业务最负责任的解决方案,而不是盲目追求技术上的完美。

相关图书

本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度google,bing,sogou

© 2025 ttbooks.qciss.net All Rights Reserved. 小特书站 版权所有