到底什么是数据（data）？

什么是数据？

简单来说，数据是信息的一种载体。更严谨一点，我们也可以说，数据是客观世界中被记录、存储的原始符号或信息。

在目前我们所处的时代，通常所说的数据，都是指计算机系统里的那些文本、图片、音频、视频文件，那些二进制的 0 和 1。

整个计算机系统，甚至整个数字世界，都是围绕数据进行工作。CPU，计算数据。内存和硬盘，存储数据。通信网络，传递数据。

因此，在计算机科学中，数据被定义为：“所有能输入计算机并被程序处理的符号的总称”。

需要注意的是，数据本身是没有意义的，是未经加工的“原材料”。经过处理和分析之后，数据才能转化为有意义的信息。

也有人指出，信息是数据经过处理后的结果，是对数据的解释和赋予意义的产物。这句话虽然有点抽象（烧脑），但准确地表达了数据和信息之间的关系。

█ 数据的特性

数据有很多特性。小枣君初步统计了一下，就有 14 个，分别是 ——

符号性：数据以符号形式存在，例如数字，以及刚才提到的文字、图像、音频、视频等。

客观性：数据反映了现实世界事物的属性、状态、关系等情况。它是客观存在的，不随主观意志而改变。

量化性：数据通常以量化的形式存在，便于计数、测量和统计分析。

可比性：数据之间可以进行对比分析，通过比较可以揭示数据之间的关系和差异。

可传递性：数据可以通过各种方式进行传输，如电子文档、纸质报告等，使得信息能够在不同个体或组织间传递。

可存储性：数据可以被存储在数据库、文件系统或其他存储介质中，以便于未来的访问和使用。

可处理性：数据可以通过计算、分析、加工等手段进行处理，以提取有用信息或转化为知识。

多维度：数据可以从多个角度进行观察和分析，如时间、空间、类别等多个维度。

多样性：数据有多种多样的类别和形式，能够满足不同领域和需求。

时效性：数据可能随时间的推移而发生变化，某些数据在特定时间点之后可能失去价值或准确性。

可靠性：数据应该是可靠的，即数据的来源、收集方法和处理过程应该是可信的，以保证数据的准确性。

相关性：数据之间存在相关性，某些数据的变化可能会影响其他数据的表现。

可解释性：数据应该能够被解释和理解，其背后的意义和代表的现实世界情况应该清晰。

限制性：数据可能受到隐私、法律、伦理等因素的限制，使用数据时需要遵守相关规范。

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。

在 TB 之上，还有 PB、EB、ZB 等。

TB、GB、MB、KB 的关系，如下：

1 KB = 1024 B  (KB – kilobyte)

1 MB = 1024 KB (MB – megabyte)

1 GB = 1024 MB (GB – gigabyte)

1 TB = 1024 GB (TB – terabyte)

1 PB = 1024 TB (PB – petabyte)

1 EB = 1024 PB (EB – exabyte)

1 ZB = 1024 EB (ZB – zettabyte)

只是看这几个字母的话，貌似不是很直观。我来举个例子吧。

1TB，只需要一块硬盘可以存储。容量大约是 20 万张照片或 20 万首 MP3 音乐，或者是 20 万部电子书。

1PB，需要大约 2 个机柜的存储设备。容量大约是 2 亿张照片或 2 亿首 MP3 音乐。如果一个人不停地听这些音乐，可以听差不多两千年。

1EB，需要大约 2000 个机柜的存储设备。如果并排放这些机柜，可以连绵 1.2 公里那么长。如果摆放在机房里，需要 21 个标准篮球场那么大的机房，才能放得下。

阿里、百度、腾讯这样的互联网巨头，数据量据说已经接近 EB 级。目前全人类的数据量，是 ZB 级。

根据 IDC 的数据，在 2020 年，全球创建、捕获、复制和消耗的数据总量约为 64ZB。而到了 2025 年，全球数据总量可能会达到惊人的 163ZB。如果建一个机房来存储这些数据，那么，这个机房的面积将比 196 个鸟巢体育场还大。

█ 数据的产生阶段

人类社会的数据体量不仅大，增长速度也很快 —— 每年增长 50%。也就是说，每两年就会增长一倍多。

为什么会如此之快？

说到这里，就要回顾一下人类社会数据产生的三个重要阶段。

第一个阶段，是 1940-1990 年。

计算机和数据库被发明之后，数据管理的复杂度大大降低。各行各业开始产生了计算机数据，并记录在数据库中。这时的数据，以结构化数据为主（待会解释什么是结构化数据）。数据的产生方式，是被动的。

第二个阶段，是 1990-2010 年。

伴随着互联网的爆发，网络内容开始迅速增长，增加了很多的专业输出内容（PGC）。Web2.0 出现后，人们开始使用博客、facebook、youtube 这样的社交网络，输出大量的用户原创内容（UGC），从而主动产生了大量的数据。移动智能终端时代的到来，也加速了该阶段数据的产生。

第三个阶段，是 2010 年至今。

随着物联网的发展，各种各样的感知层节点（例如遍布各个角落的传感器、摄像头）开始自动产生大量的数据。企业的数字化转型，构建了大量的系统，沉淀和管理这些数据。人类的数据总量，再次跃升。

经过了“被动-主动-自动”这三个阶段的发展，最终导致了人类数据总量的爆炸式膨胀。

值得一提的是，如今，随着我们逐渐进入 AI 智能时代，很可能会迎来第四次数据暴增阶段。以 AIGC 为代表的智能机器生产内容，正在急剧增加。

█ 数据的作用和意义

数据是信息的载体。它的最基础作用，就是记录和表征。

例如，考勤数据，记录了员工每天的上下班时间、请假、迟到、早退等信息。这些数据不仅帮助我们了解员工的出勤情况，还能进一步分析员工的工作效率、团队协作以及可能存在的管理问题。

再例如，体检数据，记录了我们的身高、体重、血压、血糖等各项生理指标。这些数据不仅有助于我们了解自身的健康状况，还能及时发现潜在的健康问题，为预防和治疗疾病提供重要依据。

除了个人工作和生活领域之外，在科学、商业和公共管理领域，都有对应的系统和数据。这个数据的体量更大，甚至达到了大数据的级别。

通过深入挖掘和分析海量的数据，企业和政府部门可以找到隐藏在数据背后的规律和趋势，为未来的发展和决策提供有力的支持。

在科学领域，实验数据、观测数据、模拟数据等构成了科学研究的基础。这些数据不仅帮助科学家验证理论、发现新现象，还能推动科学技术的进步和创新。

例如，天文学中的天文观测数据，记录了星系的运动、恒星的诞生和消亡等宇宙现象，这些数据为理解宇宙的起源和演化提供了重要线索。

在商业领域，销售数据、客户数据、市场数据等是企业运营和决策的重要依据。通过分析这些数据，企业可以了解市场需求、优化产品设计、提升客户满意度，从而制定更为精准的市场策略和商业计划。

例如，电商平台通过分析用户的购买历史和浏览行为，可以为用户推荐更为符合其需求的商品，提升用户的购物体验和平台的销售额。

在公共管理领域，政府数据、公共服务数据、社会调查数据等是政策制定和实施的基础。这些数据不仅帮助政府了解社会现状、预测发展趋势，还能为政策评估和优化提供依据。

例如，通过分析交通流量数据，政府可以合理规划交通路线、优化公共交通服务，从而缓解城市交通拥堵问题。

█ 最后的话

总而言之，数据在目前这个时代，已经变成了重要的无形资产，也被称为“新石油”。

从个人生活到全球治理，数据都扮演着不可或缺的角色，已成为驱动效率提升、科学发现和社会进步的核心资源。

最近几年愈演愈烈的 AI 浪潮，进一步推动了数据的价值提升。人工智能的三要素，其中一项，就是数据（另外两个是算力和算法）。数据作为 AI 的“燃料”，其质量和数量直接决定了 AI 系统的性能和准确性。

未来，随着数据规模的指数级增长和技术的持续突破，数据的价值将进一步释放。

好啦，以上就是关于数据的基本常识。大家都搞明白了嘛？

本文来自微信公众号：鲜枣课堂（ID：xzclasscom），作者：小枣君

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。

文章来源于互联网:IT之家-到底什么是数据（data）？