【小白扫盲】到底什么是数据（data）？

正文

请到「今天看啥」查看全文

以上这么多的特性，在现实情况中，并不能都满足。

例如，在追求数据时效性的同时，可能需要牺牲部分可存储性。因为实时数据的收集和处理，需要更高的空间和成本。

同样，为了提高数据的可靠性，可能需要投入更多的资源进行数据验证和清洗，这可能会增加数据处理的复杂性和时间成本。

总之， 能够尽可能地满足更多特性的数据，就会被认为是高质量的数据。 数据的价值，也就更大。在实际应用中，我们需要根据具体场景和需求，权衡数据的各个特性，加以利用。

█ 数据的分类方式

刚才在说数据特性的时候，提到数据有多样性的特点，也就是有多种形式和类别。

对数据有很多种分类方式。例如，现在最常用的，就是 按结构进行分类 ，包括结构化数据、半结构化数据和非结构化数据。

结构化数据，是指可以用预先定义的数据模型表述，或者，可以存入关系型数据库的数据。例如，一个班级所有人的年龄、一个超市所有商品的价格，这些都是结构化数据。

结构化数据

非结构化数据，指网页文章、邮件内容、图像、音频、视频等。

半结构化数据，介于结构化和非结构化数据之间。如XML、JSON等格式的数据，它们有一定的组织形式，但不如结构化数据那样严格。

目前，非结构化数据的占比是最高的。例如，在互联网领域里，非结构化数据的占比已经超过了80%。

根据数据的来源 ，也可以分类。

例如，企业所产生的营销数据、业务系统数据、生产数据等，互联网行业所产生的社交内容数据、订单数据、用户数据等，政府部门所产生的社会治理数据、地理数据、经济数据，等等。

根据数据的性质 ，还可以分为定位数据（描述空间位置，如坐标）、定性数据（描述事物属性，如“阴雨天气”）、定量数据（反映数量特征，如长度、重量）、定时数据（记录时间特征，如日期、时刻）等。

总之，每种分类方式都有其特定的应用场景和价值。

了解数据的分类，有助于我们更好地理解数据的本质，以及如何在不同场景下有效地管理和利用数据。

█ 数据的度量方式

前面我们也提到，数据具有量化性的特点。也就是说，数据是可以度量的。

我们通常度量数据的单位，大家应该比较熟悉，就是KB、MB、GB、TB等。

我们传统PC和手机处理的数据，是GB/TB级别。例如，我们的硬盘，现在通常是1TB/2TB/4TB的容量。

请到「今天看啥」查看全文