欢迎来到我们为期一月的“数据解密”系列第二篇。作为数据素养月的一部分，本系列将厘清数据世界中的关键概念，回答那些您可能不太好意思问的问题，并在此过程中保持趣味性。若您想从头开始，请先阅读本系列的第一篇：什么是数据集？
在这篇文章中，我们将探讨不同类型的数据、它们在实际中的应用示例，以及您如何开始使用它们。
两类数据
了解您手头拥有什么样的数据，对于确定最佳的分析与解读方法至关重要。常见的分类方式是将数据分为定量数据与定性数据。
- 定量数据是可以计数或测量的数据。通常，这意味着以数字形式度量。
- 定性数据是可以描述的数据。通常，这意味着以文本形式呈现。
在处理各类数据任务时，您很可能同时遇到定量与定性数据。以下各节将提供一些示例，展示在同一项任务中如何与这两种数据类型交互。
分析视频数据
假设您是一名营销分析师。公司正在开展一项新的社交媒体活动，希望您分析一些现有视频素材的表现，为同事们应创作何种内容提供数据驱动的灵感。
您可能首先会考虑与视频相关的定量数据进行分析。这包括：
- 视频时长。
- 视频的总曝光次数。
- 视频的总点击次数。
- 视频本身的点击率（即点击人数除以总曝光次数）。
- 点赞视频的人数。
- 视频的评论数。
这些数据点都是数字。视频时长以秒为单位测量；点击率是一个百分比；其余数据是计数，因此是整数。
您也可以从视频内容中提取定性数据。与每个视频相关的定性数据可能包括：
- 视频主题。
- 视频的审美风格。
- 视频的语气基调。
- 视频脚本。
视频的主题、审美和制作水准很难量化为数字，用文字描述会容易得多。例如，“该视频讲的是学习数据科学；使用了蒸汽波（vaporwave）美学；整体基调轻快”。
请注意，给定性属性赋值时往往带有一定主观性。两位观看者可能会对基调是否愉快存在分歧，这也是为什么为定性数据收集制定清晰的指引至关重要。
视频脚本很有意思，尽管它同样是定性数据（由文字而非数字构成），但与其他定性数据有两点不同：
- 首先，它并不主观，因为视频里说了什么是事实而非意见。
- 其次，常常可以使用自然语言处理（NLP）技术从脚本中提取定量数据。
一种名为情感分析的 NLP 技术可以用于量化脚本用词的正负倾向。例如，如果像“awesome”“fantastic”这样的词比“bad”或“terrible”出现得更频繁，情感分析会给该脚本一个正向的情感分数。这在需要分析几十甚至上百条视频时尤其有用。
分析调查数据
调查数据是另一种经常同时出现定量与定性数据的情形。让我们把时间快进几个月。听取了您对现有视频分析所带来的诸多洞见后，公司为社交媒体活动制作了一条新视频。在正式发布前，他们邀请一些人观看，并向其发送问卷以获取反馈。您被指派去分析这份调查结果。
调查中的一个问题是“您看了这条视频多少次？”。这是一个定量数据点，因为答案是数字。
另一个问题是“您最喜欢视频的哪个部分？”。这是一个定性数据点，因为答案是文字。
第三个问题是“您会给这条视频打几星（1 到 5 星）？”。这是定量数据，因为答案是数字，但与我们之前讨论的示例略有不同。由于评分是意见表达，其取值具有主观性。
一个常见的误解是定量数据总是明确无歧义，而定性数据总是主观的。正如脚本示例所示，定性数据并不一定是主观的，反过来也成立——定量数据也可能是主观的。
用户访谈与焦点小组
您在用户访谈与焦点小组中也会同时遇到定性与定量数据。
例如，假设您希望获取一些关于产品的反馈。您决定开展一个焦点小组，采访若干用户，请他们提出意见。任务简述要求您采访那些使用您的服务超过一年、保持定期活跃但尚不算“深度用户”的人。
为筛选参与者，您会进行定量分析。也就是查看如下数字型指标：
- 用户注册至今的时长
- 每月在平台的活跃小时数
- 不同使用会话的数量
在焦点小组会上，您会提出许多问题，用户也会展开讨论。由于对话自由流动，内容很难量化。不过，您可以摘录他们认为对产品重要的观点。这些引语属于定性数据，因为它们描述了参与者的想法，但不涉及数字。
您还可能在焦点小组中发起一些投票，让参与者为他们认为最重要的即将推出的功能投票。投票结果属于定量数据，因为功能的排序是数值化的。
进一步了解数据类型
希望您喜欢这篇关于数据类型的短导读。在“数据解密”的下一篇中，我们将拆解数据工作的不同要素，并概述数据科学、机器学习、深度学习与人工智能等常见术语之间的区别。若您想立即开启数据学习之旅，请查看以下资源。
欢迎来到我们为期一月的“数据解密”系列第二篇。作为数据素养月的一部分，本系列将厘清数据世界中的关键概念，回答那些您可能不太好意思问的问题，并在此过程中保持趣味性。若您想从头开始，请先阅读本系列的第一篇：什么是数据集？
在这篇文章中，我们将探讨不同类型的数据、它们在实际中的应用示例，以及您如何开始使用它们。
两类数据
了解您手头拥有什么样的数据，对于确定最佳的分析与解读方法至关重要。常见的分类方式是将数据分为定量数据与定性数据。
在处理各类数据任务时，您很可能同时遇到定量与定性数据。以下各节将提供一些示例，展示在同一项任务中如何与这两种数据类型交互。
分析视频数据
假设您是一名营销分析师。公司正在开展一项新的社交媒体活动，希望您分析一些现有视频素材的表现，为同事们应创作何种内容提供数据驱动的灵感。
您可能首先会考虑与视频相关的定量数据进行分析。这包括：
这些数据点都是数字。视频时长以秒为单位测量；点击率是一个百分比；其余数据是计数，因此是整数。
您也可以从视频内容中提取定性数据。与每个视频相关的定性数据可能包括：
视频的主题、审美和制作水准很难量化为数字，用文字描述会容易得多。例如，“该视频讲的是学习数据科学；使用了蒸汽波（vaporwave）美学；整体基调轻快”。
请注意，给定性属性赋值时往往带有一定主观性。两位观看者可能会对基调是否愉快存在分歧，这也是为什么为定性数据收集制定清晰的指引至关重要。
视频脚本很有意思，尽管它同样是定性数据（由文字而非数字构成），但与其他定性数据有两点不同：
一种名为情感分析的 NLP 技术可以用于量化脚本用词的正负倾向。例如，如果像“awesome”“fantastic”这样的词比“bad”或“terrible”出现得更频繁，情感分析会给该脚本一个正向的情感分数。这在需要分析几十甚至上百条视频时尤其有用。
分析调查数据
调查数据是另一种经常同时出现定量与定性数据的情形。让我们把时间快进几个月。听取了您对现有视频分析所带来的诸多洞见后，公司为社交媒体活动制作了一条新视频。在正式发布前，他们邀请一些人观看，并向其发送问卷以获取反馈。您被指派去分析这份调查结果。
调查中的一个问题是“您看了这条视频多少次？”。这是一个定量数据点，因为答案是数字。
另一个问题是“您最喜欢视频的哪个部分？”。这是一个定性数据点，因为答案是文字。
第三个问题是“您会给这条视频打几星（1 到 5 星）？”。这是定量数据，因为答案是数字，但与我们之前讨论的示例略有不同。由于评分是意见表达，其取值具有主观性。
一个常见的误解是定量数据总是明确无歧义，而定性数据总是主观的。正如脚本示例所示，定性数据并不一定是主观的，反过来也成立——定量数据也可能是主观的。
用户访谈与焦点小组
您在用户访谈与焦点小组中也会同时遇到定性与定量数据。
例如，假设您希望获取一些关于产品的反馈。您决定开展一个焦点小组，采访若干用户，请他们提出意见。任务简述要求您采访那些使用您的服务超过一年、保持定期活跃但尚不算“深度用户”的人。
为筛选参与者，您会进行定量分析。也就是查看如下数字型指标：
在焦点小组会上，您会提出许多问题，用户也会展开讨论。由于对话自由流动，内容很难量化。不过，您可以摘录他们认为对产品重要的观点。这些引语属于定性数据，因为它们描述了参与者的想法，但不涉及数字。
您还可能在焦点小组中发起一些投票，让参与者为他们认为最重要的即将推出的功能投票。投票结果属于定量数据，因为功能的排序是数值化的。
进一步了解数据类型
希望您喜欢这篇关于数据类型的短导读。在“数据解密”的下一篇中，我们将拆解数据工作的不同要素，并概述数据科学、机器学习、深度学习与人工智能等常见术语之间的区别。若您想立即开启数据学习之旅，请查看以下资源。