中五 ICT｜大數據與數據分析流程（3V／清洗／MapReduce）備課指引（導師用）

中五 ICT｜大數據與數據分析流程（3V／清洗／MapReduce）備課指引（導師用）｜45 分鐘流程、講解腳本、常見錯誤

2026-11-15

學生聽到「大數據」就想到一堆新名詞，但一問清洗之後剩幾多行、並行快幾多倍就停手。這一堂把流程變成五步流水線，每一步只做加減乘除。

本堂目標　本堂完結時學生能夠：（1）講出收集、清洗、儲存、分析、呈現五步各自做咩，同每一步數據量點變；（2）由 500 萬行乘 240 bytes 算出 1.2 GB，並講出 3V 分別指體量、速度、多樣性；（3）由缺失 4%（200,000 行）同重複 1.5%（75,000 行）算出清洗後 4,725,000 行，再算出 6 個分片每片 787,500 行；（4）由 4 個 map 各 25 分鐘加 reduce 10 分鐘算出順序 110 分鐘、並行 35 分鐘、加速 3.14 倍，並講出相關唔等於因果。

01　先備知識（開課前 3 分鐘快檢）

以下任何一項未過關，本堂就會卡住，先補該項：

技能	快檢題	過關標準
百分比	500 萬行的 4% 是幾多行	答 200,000 行
單位換算	1,200,000,000 bytes 是幾多 GB	答 1.2 GB
除法	4,725,000 行平均分 6 個分片	答 787,500 行
速率	每日 1,000 萬事件，每秒幾多事件	答 115.74 事件

02　課堂流程（45 分鐘）

時間	環節	導師做什麼	學生做什麼
0–6 分鐘	起點快檢	問 4% 行數、1.2 GB、每片行數、每秒事件，答案寫白板右邊	口頭答，算式寫在紙上
6–16 分鐘	第一幕：五步流水線，每步都在縮	畫五個箭頭，箭頭上寫數據量：5,000,000 行 → 4,725,000 行 → 1.134 GB → 分片	學生指出邊一步開始縮細
16–26 分鐘	第二幕：3V 同清洗是減法	volume 1.2 GB、velocity 115.74 事件／秒、variety 三種格式；缺失同重複逐層減	學生算出 4,725,000 同 787,500
26–36 分鐘	第三幕：MapReduce 與呈現	4 個 map 各 25 分鐘：順序 110 分鐘、並行 35 分鐘、加速 3.14 倍；呈現要問第三個變量	學生算出 3.14 倍並講出為何唔是 4 倍
36–42 分鐘	題型示範與換數字練習	換成 800 萬行、缺失 5%、8 個 map，示範四種問法	學生跟做一題並寫出單位（行、GB、秒）
42–45 分鐘	離場檢查	三題口頭，錯的記下是哪一幕	三題全對

03　講解腳本（照著說就可以）

第一幕：第一幕：五步流水線，每一步都在縮細數據

「數據分析唔是一個程式，是一條流水線。第一步收集：感應器、網站日誌、交易紀錄，每日 1,000 萬個事件。第二步清洗：缺失值、重複值、格式錯的值全部要處理，這一步只會變少，唔會變多。第三步儲存：放進數據庫或分散式檔案系統，通常按 key 分片，6 個分片就每片一份。第四步分析：計平均、分組、找趨勢，數據量大就拆成 map 同 reduce 兩段。第五步呈現：儀表板、圖表、報告。做題目時，題目問「幾多行」就要由源頭逐層減，問「幾多 GB」就要行數乘每行 bytes，五步唔可以跳。」

「清洗之後的行數，有可能多過原本 500 萬行嗎？為咩？」

第二幕：第二幕：3V 是三個方向，清洗是減法

「大數據的三個 V：volume 體量，500 萬行乘每行 240 bytes，等於 1,200,000,000 bytes，即 1.2 GB，用二進位講就大約 1.12 GiB；velocity 速度，每日 1,000 萬事件除 86,400 秒，大約每秒 115.74 個，所以要用串流而唔是一次過入庫；variety 多樣性，同一個系統有結構化的交易表、半結構化的日誌、非結構化的文字評論。清洗就是減法：缺失 4% 是 500 萬乘 0.04，等於 200,000 行；重複 1.5% 等於 75,000 行；兩者一齊移走，剩 5,000,000 減 200,000 減 75,000，等於 4,725,000 行，容量由 1.2 GB 降到 1.134 GB，6 個分片每片 787,500 行。」

「如果缺失同重複有重疊，直接相減會唔會算多咗？點補救？」

第三幕：第三幕：MapReduce 的加速有上限，呈現要問因果

「分析階段的並行，用 4 個 map 任務做例：每個 map 25 分鐘，如果一部機順序做，4 個要 100 分鐘，再加 reduce 10 分鐘，總共 110 分鐘；如果 4 部機同時做 map，25 分鐘就做完，之後仍然要 10 分鐘 reduce，所以總共 35 分鐘。加速比是 110 除 35，大約 3.14 倍，唔是 4 倍，因為 reduce 唔可以並行，而且開機、傳資料都有成本。最後一步呈現要小心：圖表顯示雪糕銷量同溺斃人數一齊升，唔代表雪糕導致溺斃，兩者都跟天氣走。分析流程的價值在於問「有冇第三個變量」。」

「如果 map 任務加到 8 個，加速比會不會變成 6 倍以上？為咩？」

04　必教題型與步驟

題型	例子	步驟	答案
算清洗後行數	5,000,000 行，缺失 4%、重複 1.5%	分別算出兩類行數，再逐層相減	4,725,000 行
換算容量	5,000,000 行乘每行 240 bytes	相乘後除 1,000,000,000 得 GB，除 2 的 30 次方得 GiB	1.2 GB（約 1.12 GiB）
算吞吐量	每日 1,000 萬個事件	除以 86,400 秒；反過來乘 86,400 可以驗算	約 115.74 事件／秒
算並行加速	4 個 map 各 25 分鐘、reduce 10 分鐘	順序總時間除並行總時間	110 除 35 約 3.14 倍

合理性檢查（一定要教）：四個覆核：（1）清洗後行數一定少過原本，多過就代表你加了；（2）GB 用 10 億 bytes，GiB 用 2 的 30 次方，題目寫邊個就跟邊個，兩個數都對但唔可以互換；（3）每秒事件數乘 86,400 要回到每日總數，回不到就是除錯數；（4）加速比一定細過 map 任務數，4 個 map 出 4 倍就代表你當 reduce 免費。

05　獨立練習三題

題目	答案	想觀察什麼
5,000,000 行，缺失 4%，有幾多行要移走？	200,000 行	看學生有冇用 5,000,000 乘 0.04 而不是乘 4
清洗後 4,725,000 行分 6 個分片，每片幾多行？	787,500 行	4,725,000 除 6，唔是用原本 500 萬除
4 個 map 各 25 分鐘、reduce 10 分鐘，加速幾多倍？	約 3.14 倍（110 除 35）	分母要包含 reduce 的 10 分鐘

06　學生常見錯誤與糾正句

錯誤	學生通常這樣寫	導師這樣說
清洗當成加法	答 5,000,000 加 200,000 加 75,000	缺失同重複是要移除的行，所以是減。加就等於把壞數據當成新數據，越洗越多。
GB 同 GiB 混用	1.2 GB 寫成 1.2 GiB	1.2 GB 大約 1.12 GiB。兩個數都對，但單位唔可以互換，題目寫明就跟題目。
MapReduce 當成全部免費並行	答 35 分鐘但唔計 reduce，或者直接寫 4 倍	並行只發生在 map 階段，reduce 仍然要 10 分鐘，所以是 110 除 35 約 3.14 倍。
相關當因果	見到雪糕銷量同溺斃人數一齊升就話雪糕導致溺斃	兩者都跟天氣走，是共同原因。呈現之前要問有冇第三個變量，這一步唔寫，報告就會誤導人。

07　家課建議（直接指到練習卷題號）

中學 ICT 備課指引：大數據與數據分析流程章節（題型示範與章末練習）　章末練習第 1 至 4 題

08　離場檢查（最後 5 分鐘）

題目	答案	判定
500 萬行、缺失 4%、重複 1.5%，清洗後幾多行？	4,725,000 行	錯：重教第二幕，兩類都要相減
4 個 map 各 25 分鐘、reduce 10 分鐘，並行總時間幾多？	35 分鐘	錯：重教第三幕，map 並行但 reduce 要加返
圖表兩條線一齊升，可唔可以直接話有因果？	唔可以，要問有冇第三個變量	錯：重教第三幕，相關與因果

09　導師常問

中五學生需要識寫 MapReduce 程式嗎？

唔需要。DSE 考的是流程概念同算術：邊一步做咩、數據量點變、並行快幾多倍。會用文字講 map 同 reduce 的分工就夠。

這一章同中四試算表的數據處理有咩分別？

中四是在一部機上處理幾百行，公式、篩選、樞紐分析表就夠；這一章是幾百萬行，所以要講分片、串流、並行。同一個加總動作，規模變了，方法就跟住變。

1.2 GB、4,725,000 行、3.14 倍是真實數據嗎？

唔是，全部是教學數字，設計成可以口算同整除。真實系統的清洗比例同加速比差別很大，重點是每一步的算法同單位。

立即免費搵導師導師登記 →

本頁為 TutorZone 導師備課指引，內容由 TutorZone 團隊編寫；題目與流程為原創，並非任何學校或出版社的教材。

本頁內容版權屬 TutorZone 所有 · www.tutorzone.com.hk · 僅供個人學習及教學使用