编辑导读：跟着“数智化”时代的到来,我们糊口中的方方面面都离不开数据,而你真的相识数据吗？本文将为你从头解读数据的观念和代价，以及数据的代价是如安在“数智化”时代下一步一步获得运用与升华的。因内容颇多，我将分几期为各人举办讲授。

一、媒介

我们日常糊口中常常会听到这样的问题：你有数据支撑吗？你的数据来历是哪儿？数据噪声大吗？

那么这里的“数据”毕竟是奈何的存在？

百度百科对数据界说很简朴：数据（data）是事实或调查的功效，是对客观事物的逻辑归纳，是用于暗示客观事物的未经加工的原始素材。

而仔细想想，我们日常中所指的数据真的是data吗？其实，我们更多指的是已经形成体系、有逻辑布局和实用性的“数据常识”。

所以，我们也不能把数据看成一个简朴的观念，但其实“数据”内里尚有许多学问。

下面先给各人引出四个“数据”相关的名词观念，后头我会别离叙述它们“代价变现”的要领论。

你真的相识data、information、kownledge、insight是什么吗？

data（菜市场买来的菜）：简朴的事实，未处理惩罚的，无组织的，原始的。

information（折菜、洗菜）：颠末布局化组织、处理惩罚的数据，要按照“情景和语境”使其具有相关性和实用性。

kownledge（下锅炒菜）：是通过进修和履历接洽在一起的信息舆图，具有预测和决定和归纳综合的本领。

insight（已经到能教别人做菜的水平）：精确而深刻地领略巨大问题或环境的本领（是可以借助东西实现的）。

本日，小陈就带各人看看数据的来历及其详细范例，究竟良知知彼，方能百战不殆，有了本日的铺垫我们才气在后头几期的进修中，能容易上手~

二、数据来历（菜市场）

假如说，data是我们烹调所需的原质料，那么确定命据来历就比如我们出去买菜之前要先确定去哪家菜市场买菜一样；并且“菜市场”也是术业有专攻的！买海鲜去海鲜市场、买家禽要去禽类市场…数据也是一个原理，要通过你所需的规模，详细筛选数据来历，究竟担保数据质量是烹调好菜的之一步~

就像前面所述，数据是一个复杂的观念，我们想要操作好，首先要知道数据的范例，按照范例再去判定来历和收集数据。

1. 凭据布局化水平区分数据来历

1）非布局化数据

非布局化数据，是数据的最简形式；我们身边每时每刻都有非布局化数据的身影且险些唾手可得，文字、图片、声音或视频都属于非布局化数据，这类数据凡是存储在文件存储库中（小白们，可以把它看作是计较机硬盘驱动器上一个组织精采的目次）。

但，从这种形状的数据中提取代价凡是是最坚苦的；因为我们首先需要从描写或抽象数据中提取布局化特性（譬喻，要利用文本，我们大概需要提取主题以及文本对主题的正面或负面评价，而一千个读者就会有一千个哈姆雷特，这类信息是极具主观色彩的）。

今朝，很是风行的文本挖掘技能，它的数据来历就是我们此地方说的非布局化数据。

2）布局化数据

布局化数据，顾名思义，是界说精采的表格数据（行和列），这意味着我们知道有哪些列以及它们包括什么范例的数据；这些数据凡是存储在数据库中，在数据库中，我们可以利用SQL语言举办布局化数据的筛选，并轻松建设数据集用于我们的数据科学办理方案。

3）半布局化数据

半布局化数据，介于非布局化和布局化数据之间，它固然界说了一致的名目，可是布局不是很严格，好比数据的一部门大概是不完整的可能是差异的范例；半布局化数据凡是存储为文件，可是，某些范例的半布局化数据（如 *** ON或XML）可以存储在面向文档的数据库中。

2. 凭据数据私密性区分数据来历

1）组织内的数据源（关闭数据源）

查找数据的之一个处所是组织内部，大大都企业今朝都有ERP、CRM、事情流打点等系统在运行，这类系统凡是利用数据库以布局化的 *** 存储数据；这些数据库包括大量的数据，您可以很容易地从中提取代价；譬喻，通过事情流打点系统，您可以轻松地相识业务流程中的瓶颈，可能通过利用来自ERP系统的数据，您可以举办销售预测。

2）果真的数据源（开源数据源）