数据解密：数据究竟是什么？

欢迎来到我们为期一个月的“数据解密”系列第一部分。作为数据素养月的一部分，本系列将为您厘清数据世界中的核心概念，解答那些您或许不太好意思问的问题，并在过程中收获乐趣。

在本文中，我们将界定数据究竟是什么，以及如何开始使用数据。

什么是数据？

数据是事实或信息片段。它们常常是测量结果（"Maria 身高 165cm"）、观察结果（"骰子掷出了 6"），或观点（"我给这款电子游戏打 4 星（满分 5 星）"）。通常，数据被收集起来用于分析，以便发现洞见、得出结论或做出决策。

尽管我们经常把数据与数字联系在一起，但数据还有其他类型。

• 可以为真或假的数据称为逻辑型（"Mohammed 通过了考试"）。
• 可以取若干命名值的数据称为分类型数据（"Anna 的头发是金色；Wei 的头发是黑色"）。
• 日期和时间也是一种数据类型。

文本也可视为数据，例如产品评价。由于许多数据分析需要数字而非文字，文本数据通常需要在分析中进行处理，以将其转换为数字。

类似地，图像也可视为数据，不过它们通常需要处理成数字后才能进行分析。

什么是数据集？

如果您曾使用过Excel 电子表格，那您就接触过数据集。简而言之，数据集是一组数据。更具体地说，是若干条相同类型的数据。在第一个例子中，我们只有一个身高测量值。如果我们有多个人的身高测量值，那就可以视为一个数据集。

看看下表，第一列是四个人的姓名，第二列是他们的身高，第三列是他们的发色。这就是一个数据集。

这种矩形格式是最常见的数据集结构。对于这种形状的数据集有两个常见称呼。数据库用户称之为“表”（tables）。而数据科学家则称之为“数据框”（data frames）。事实上，DataCamp 的DataFramed播客名称就源于此。

无论您怎么称呼，这类矩形数据集都有一些值得了解的特征。

• 每一行代表一个人的详细信息。行有时也称为“观测”或“记录”。
• 每一列代表观测的某个属性。列有时也称为“变量”或“特征”。
• 同一列中的每个数值应具有相同的数据类型。例如，所有身高都是数字。
• 不同的列可以有不同的数据类型。例如，姓名和发色列包含文本数据，而身高是数值数据。

数据无处不在

数据之美在于它无处不在！企业会拥有关于其用户或客户是谁、他们购买了什么、花了多少钱、公司资金状况、员工信息、公司资产，以及许多其他方面的数据集。

在日常生活中，您可能会使用天气预报应用、通过地图应用获取路线，或用聊天应用与亲友交流。所有这些应用都由数据驱动，并会使用多个数据集。

您使用的任何产品都产自某个会收集该产品生产数据的地方。您购买它的商店也会收集谁在什么时候购买了该产品等数据。

事实上，几乎对于您能想到的任何问题，几乎都能找到一个数据集来帮助您解答。

从今天开始使用数据

希望您喜欢这篇关于数据的简要介绍。在接下来的“数据解密”中，我们将了解不同类型的数据，从定量到定性、再到图像与文本数据等。如果您想从今天就开启数据学习之旅，请查看以下资源。

• 了解我们为数据素养月安排了什么
• 从我们的“理解数据主题”技能路径开始
• 订阅 DataFramed 播客
• 查看我们的即将举行的活动
• 阅读“数据解密”系列下一篇：不同类型的数据