從零開始，認識大數據定義，分析工具
日期：2020-12-18在資訊發達的現代化社會中，數據愈來愈受到人們的重視。各個企業、機構，甚至政府部門都積極運用各種儀器設備去收集所需要的數據。數據早已充斥我們的日常生活，包括平日消費、上網等，都是數據之一。
然而數據為甚麼會愈來愈得到人們的重視?「大數據」這個詞相信連行外人士都耳熟能詳。對企業而言，他們最重視的不外乎是成本及收益，數據正可以協助他們分析市場，了解客戶的需求、口味、習慣，以制定合適的商業策劃，有效地利用資源以避免不必要的開支。
不同分析層面，發展出不同數據分析工具
全球多個科技企業都推出多款數據分析工具以滿足市場需要，而當中這些工具又能分劃出幾個功能類別，當中常見的包括有資料庫系統工具，即用於存取、查詢、及管理資料，例如有SQL server, MySQL 等；其次有資料視覺化工具，即涉及圖形、統計、報表等，常見的軟件有Tableau、PowerBI等；而資料分析工具則用於整理數據，再將它轉化成資料模型，從而幫助人們了解資料間的關係和結構，繼而作出各種決策。以下會簡單介紹及比較三種常用的資料分析工具，分別為R, Python及SAS。
三大常用數據分析工具優缺點大比較
首先從價錢方面，R和Python都是開放源碼，費用全免。相反SAS是由軟體公司專門開發的商業分析軟件，價錢比較昂貴。因此不少初學者都會選擇以R或Python入門。
學習難度方面，Python的語言法較為簡單易明，學習難度不高，適合對數據分析有興趣的初學者作入門語言去學習。而R對缺乏Programming 經驗的人會較難上手，因為它的語法較Python長及複雜。最後SAS語言易於學習，加上SAS提供圖形用戶界面(GUI)，用戶只需剔選界面中的按鈕，配合簡單的Code便能使用各種分析工具，因此亦適合缺乏Programming 經驗的人使用。
功能方面，現今的數據量愈來愈龐大，因此各分析工具的運算速度就十分重要。Python和SAS都能夠處理大量的數據；R因為只在RAM運行，因此在處理大量數據時會相對慢，不過在有了plyr和Dplyr等packages後，數據處理亦變得更為容易。而在數據圖像化方面，R由於設有Lattice, ggplot, RGIS等packages，可以輕易地將數據圖像化。這些packages甚至可以用動畫製作包將數據轉化為動態圖表。與R相比，Python的繪圖則略為遜色，但自從引用Seaborn後，Python的繪圖功能亦得以提升。而SAS與Python及R相比之下的製圖功能彈性較低，難用以製作出互動式及自定義的繪圖。
最後在客戶服務及網上資源方面，由於Python和R是免費，用戶眾多，因此網上有大量應用例子供參考及技術交流。加上有如Kaggle等網頁，R及Python用戶可以就不同的題目去分析數據並分享成果，令初學者更容易學習和上手。而SAS是一個商業軟件，官方會提供專門的客戶服務，以協助用家解決疑難。
除了強大的數據分析軟件外，當然數據才是最不可或缺的核心部分，而當中的人口數據能夠反映出人口的特徵、現象等，幫助人們將研究對象分類，更深入地了解不同組別人士的特徵。總括而言，人口數據協助人們更深入了解、預測社會市場，因此它與數據分析及研究有着密不可分的關係。
中原樓市大數據提供人口及樓市資料，幫助觀察樓市趨勢
中原地圖自2003年起一直致力與政府統計處合作，於網站提供人口普查資料，去年更推出中原樓市大數據 (http://hk.centanet.com/opendata2019/
)向大眾提供樓市片區的人口普查數據，包括人口數量、年齡結構、性別、收入等資訊外，更有房屋、住宅庫存、登記成交等數據，只要選擇所需要資料的參數，網站便會以表格的形式列出你需要的資料，方便你下載使用。
除了表格，網站亦提供有關樓市資料的走勢圖，包括私人住宅的存庫量、成交量及住宅面積等，以便用家觀察樓市趨勢。
