Cursus
Data Science begrijpen
2 uur
877.3K
Welkom bij het eerste deel van onze maandlange serie Data ontrafeld. Als onderdeel van Data Literacy Month legt deze serie kernbegrippen uit de wereld van data helder uit, beantwoordt vragen die je misschien niet durfde te stellen en zorgt we onderweg voor wat plezier.
In dit deel definiëren we wat data nu eigenlijk is en hoe je ermee aan de slag gaat.
Wat is data?
Data zijn feiten of stukjes informatie. Het zijn vaak metingen ("Maria is 165 cm lang") of observaties ("de dobbelsteen rolde een zes"), of meningen ("ik geef dit computerspel 4 van de 5 sterren"). Meestal worden data verzameld om te analyseren en zo inzichten te vinden, een conclusie te trekken of een beslissing te nemen.
Hoewel we bij data vaak aan cijfers denken, zijn er ook andere datatypen.
- Data die waar of onwaar kunnen zijn, heten logisch ("Mohammed slaagde voor het examen").
- Data die meerdere benoemde waarden kunnen aannemen, heten categorische data ("Anna’s haar is blond; Wei’s haar is zwart").
- Data kunnen ook uit datums en tijden bestaan.
Tekst kan ook als data worden beschouwd, bijvoorbeeld productreviews. Omdat veel data-analyses getallen in plaats van woorden vereisen, moeten tekstdata meestal worden bewerkt om ze tijdens de analyse om te zetten in getallen.
Op dezelfde manier kunnen afbeeldingen als data worden beschouwd, al hebben ze doorgaans bewerking nodig om te worden omgezet in getallen die geanalyseerd kunnen worden.
Wat is een dataset?
Als je ooit een Excel-spreadsheet hebt gezien, heb je een dataset gezien. Kort gezegd is een dataset een verzameling data. Meer specifiek: meerdere stukjes van hetzelfde type data. In het eerste voorbeeld hadden we één lengtemeting. Als we meerdere metingen van iemands lengte hebben, spreekt men van een dataset.
Bekijk deze tabel, met in de eerste kolom de namen van vier personen, in de tweede kolom hun lengte en in de derde kolom hun haarkleur. Dit is een dataset.
|
Naam |
Lengte (cm) |
Haarkleur |
|
Maria |
165 |
rood |
|
Mohammed |
182 |
zwart |
|
Anna |
173 |
blond |
|
Wei |
160 |
zwart |
Dit rechthoekige formaat is de meest voorkomende datasetstructuur. Er zijn twee gangbare benamingen voor een dataset met deze vorm. Databasegebruikers noemen zulke datasets "tabellen". Data scientists noemen ze daarentegen "dataframes". Daar komt trouwens ook de naam van DataCamp’s DataFramed-podcast vandaan.
Hoe je ze ook noemt, deze rechthoekige datasets hebben een paar kenmerken die handig zijn om te kennen.
- Elke rij staat voor de gegevens van één persoon. Rijen worden ook wel "observaties" of "records" genoemd.
- Elke kolom staat voor een eigenschap van de observaties. Kolommen worden ook wel "variabelen" of "features" genoemd.
- Elke waarde in een kolom moet van hetzelfde datatype zijn. Zo zijn alle lengtes getallen.
- Verschillende kolommen kunnen verschillende datatypen hebben. Zo bevatten de kolommen met naam en haarkleur tekstdata, maar de lengtes zijn numerieke data.
Data is overal
Het mooie van data is dat het overal is! Bedrijven hebben datasets over wie hun gebruikers of klanten zijn, wat ze kopen, hoeveel ze uitgeven, hoeveel geld het bedrijf heeft, wie de medewerkers zijn, welke activa het bedrijf heeft, en nog veel meer.
In het dagelijks leven gebruik je misschien een weerapp, krijg je routebeschrijvingen via een kaartapp of stuur je berichten naar vrienden en familie via een chatapp. Al deze apps worden aangedreven door data en gebruiken meerdere datasets.
Elk product dat je gebruikt, is ergens gemaakt waar data worden verzameld over hoe dat product tot stand is gekomen. De winkel waar je het kocht, heeft data verzameld over wie dat product koopt en wanneer.
Voor vrijwel elke vraag die je kunt bedenken, is er zelfs wel een dataset die je kan helpen die te beantwoorden.
Ga vandaag nog aan de slag met data
We hopen dat je deze korte introductie tot data leuk vond. In het volgende deel van Data ontrafeld bekijken we de verschillende soorten data, van kwantitatief tot kwalitatief, tot beeld- en tekstdata, en meer. Wil je vandaag nog beginnen met leren over data? Bekijk dan de volgende bronnen.
Onderwerpen
