到底什么是數(shù)據(jù)（data）？

什么是數(shù)據(jù)？

簡單來說，數(shù)據(jù)是信息的一種載體。更嚴謹一點，我們也可以說，數(shù)據(jù)是客觀世界中被記錄、存儲的原始符號或信息。

在目前我們所處的時代，通常所說的數(shù)據(jù)，都是指計算機系統(tǒng)里的那些文本、圖片、音頻、視頻文件，那些二進制的 0 和 1。

整個計算機系統(tǒng)，甚至整個數(shù)字世界，都是圍繞數(shù)據(jù)進行工作。CPU，計算數(shù)據(jù)。內存和硬盤，存儲數(shù)據(jù)。通信網(wǎng)絡，傳遞數(shù)據(jù)。

因此，在計算機科學中，數(shù)據(jù)被定義為：“所有能輸入計算機并被程序處理的符號的總稱”。

需要注意的是，數(shù)據(jù)本身是沒有意義的，是未經加工的“原材料”。經過處理和分析之后，數(shù)據(jù)才能轉化為有意義的信息。

也有人指出，信息是數(shù)據(jù)經過處理后的結果，是對數(shù)據(jù)的解釋和賦予意義的產物。這句話雖然有點抽象（燒腦），但準確地表達了數(shù)據(jù)和信息之間的關系。

█ 數(shù)據(jù)的特性

數(shù)據(jù)有很多特性。小棗君初步統(tǒng)計了一下，就有 14 個，分別是 ——

符號性：數(shù)據(jù)以符號形式存在，例如數(shù)字，以及剛才提到的文字、圖像、音頻、視頻等。

客觀性：數(shù)據(jù)反映了現(xiàn)實世界事物的屬性、狀態(tài)、關系等情況。它是客觀存在的，不隨主觀意志而改變。

量化性：數(shù)據(jù)通常以量化的形式存在，便于計數(shù)、測量和統(tǒng)計分析。

可比性：數(shù)據(jù)之間可以進行對比分析，通過比較可以揭示數(shù)據(jù)之間的關系和差異。

可傳遞性：數(shù)據(jù)可以通過各種方式進行傳輸，如電子文檔、紙質報告等，使得信息能夠在不同個體或組織間傳遞。

可存儲性：數(shù)據(jù)可以被存儲在數(shù)據(jù)庫、文件系統(tǒng)或其他存儲介質中，以便于未來的訪問和使用。

可處理性：數(shù)據(jù)可以通過計算、分析、加工等手段進行處理，以提取有用信息或轉化為知識。

多維度：數(shù)據(jù)可以從多個角度進行觀察和分析，如時間、空間、類別等多個維度。

多樣性：數(shù)據(jù)有多種多樣的類別和形式，能夠滿足不同領域和需求。

時效性：數(shù)據(jù)可能隨時間的推移而發(fā)生變化，某些數(shù)據(jù)在特定時間點之后可能失去價值或準確性。

可靠性：數(shù)據(jù)應該是可靠的，即數(shù)據(jù)的來源、收集方法和處理過程應該是可信的，以保證數(shù)據(jù)的準確性。

相關性：數(shù)據(jù)之間存在相關性，某些數(shù)據(jù)的變化可能會影響其他數(shù)據(jù)的表現(xiàn)。

可解釋性：數(shù)據(jù)應該能夠被解釋和理解，其背后的意義和代表的現(xiàn)實世界情況應該清晰。

限制性：數(shù)據(jù)可能受到隱私、法律、倫理等因素的限制，使用數(shù)據(jù)時需要遵守相關規(guī)范。

以上這么多的特性，在現(xiàn)實情況中，并不能都滿足。

例如，在追求數(shù)據(jù)時效性的同時，可能需要犧牲部分可存儲性。因為實時數(shù)據(jù)的收集和處理，需要更高的空間和成本。

同樣，為了提高數(shù)據(jù)的可靠性，可能需要投入更多的資源進行數(shù)據(jù)驗證和清洗，這可能會增加數(shù)據(jù)處理的復雜性和時間成本。

總之，能夠盡可能地滿足更多特性的數(shù)據(jù)，就會被認為是高質量的數(shù)據(jù)。數(shù)據(jù)的價值，也就更大。在實際應用中，我們需要根據(jù)具體場景和需求，權衡數(shù)據(jù)的各個特性，加以利用。

█ 數(shù)據(jù)的分類方式

剛才在說數(shù)據(jù)特性的時候，提到數(shù)據(jù)有多樣性的特點，也就是有多種形式和類別。

對數(shù)據(jù)有很多種分類方式。例如，現(xiàn)在最常用的，就是按結構進行分類，包括結構化數(shù)據(jù)、半結構化數(shù)據(jù)和非結構化數(shù)據(jù)。

結構化數(shù)據(jù)，是指可以用預先定義的數(shù)據(jù)模型表述，或者，可以存入關系型數(shù)據(jù)庫的數(shù)據(jù)。例如，一個班級所有人的年齡、一個超市所有商品的價格，這些都是結構化數(shù)據(jù)。

結構化數(shù)據(jù)

非結構化數(shù)據(jù)，指網(wǎng)頁文章、郵件內容、圖像、音頻、視頻等。

半結構化數(shù)據(jù)，介于結構化和非結構化數(shù)據(jù)之間。如 XML、JSON 等格式的數(shù)據(jù)，它們有一定的組織形式，但不如結構化數(shù)據(jù)那樣嚴格。

目前，非結構化數(shù)據(jù)的占比是最高的。例如，在互聯(lián)網(wǎng)領域里，非結構化數(shù)據(jù)的占比已經超過了 80%。

根據(jù)數(shù)據(jù)的來源，也可以分類。

例如，企業(yè)所產生的營銷數(shù)據(jù)、業(yè)務系統(tǒng)數(shù)據(jù)、生產數(shù)據(jù)等，互聯(lián)網(wǎng)行業(yè)所產生的社交內容數(shù)據(jù)、訂單數(shù)據(jù)、用戶數(shù)據(jù)等，政府部門所產生的社會治理數(shù)據(jù)、地理數(shù)據(jù)、經濟數(shù)據(jù)，等等。

根據(jù)數(shù)據(jù)的性質，還可以分為定位數(shù)據(jù)（描述空間位置，如坐標）、定性數(shù)據(jù)（描述事物屬性，如“陰雨天氣”）、定量數(shù)據(jù)（反映數(shù)量特征，如長度、重量）、定時數(shù)據(jù)（記錄時間特征，如日期、時刻）等。

總之，每種分類方式都有其特定的應用場景和價值。

了解數(shù)據(jù)的分類，有助于我們更好地理解數(shù)據(jù)的本質，以及如何在不同場景下有效地管理和利用數(shù)據(jù)。

█ 數(shù)據(jù)的度量方式

前面我們也提到，數(shù)據(jù)具有量化性的特點。也就是說，數(shù)據(jù)是可以度量的。

我們通常度量數(shù)據(jù)的單位，大家應該比較熟悉，就是 KB、MB、GB、TB 等。

我們傳統(tǒng) PC 和手機處理的數(shù)據(jù)，是 GB / TB 級別。例如，我們的硬盤，現(xiàn)在通常是 1TB / 2TB / 4TB 的容量。

在 TB 之上，還有 PB、EB、ZB 等。

TB、GB、MB、KB 的關系，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)

只是看這幾個字母的話，貌似不是很直觀。我來舉個例子吧。

1TB，只需要一塊硬盤可以存儲。容量大約是 20 萬張照片或 20 萬首 MP3 音樂，或者是 20 萬部電子書。

1PB，需要大約 2 個機柜的存儲設備。容量大約是 2 億張照片或 2 億首 MP3 音樂。如果一個人不停地聽這些音樂，可以聽差不多兩千年。

1EB，需要大約 2000 個機柜的存儲設備。如果并排放這些機柜，可以連綿 1.2 公里那么長。如果擺放在機房里，需要 21 個標準籃球場那么大的機房，才能放得下。

阿里、百度、騰訊這樣的互聯(lián)網(wǎng)巨頭，數(shù)據(jù)量據(jù)說已經接近 EB 級。目前全人類的數(shù)據(jù)量，是 ZB 級。

根據(jù) IDC 的數(shù)據(jù)，在 2020 年，全球創(chuàng)建、捕獲、復制和消耗的數(shù)據(jù)總量約為 64ZB。而到了 2025 年，全球數(shù)據(jù)總量可能會達到驚人的 163ZB。如果建一個機房來存儲這些數(shù)據(jù)，那么，這個機房的面積將比 196 個鳥巢體育場還大。

█ 數(shù)據(jù)的產生階段

人類社會的數(shù)據(jù)體量不僅大，增長速度也很快 —— 每年增長 50%。也就是說，每兩年就會增長一倍多。

為什么會如此之快？

說到這里，就要回顧一下人類社會數(shù)據(jù)產生的三個重要階段。

第一個階段，是 1940-1990 年。

計算機和數(shù)據(jù)庫被發(fā)明之后，數(shù)據(jù)管理的復雜度大大降低。各行各業(yè)開始產生了計算機數(shù)據(jù)，并記錄在數(shù)據(jù)庫中。這時的數(shù)據(jù)，以結構化數(shù)據(jù)為主（待會解釋什么是結構化數(shù)據(jù)）。數(shù)據(jù)的產生方式，是被動的。

第二個階段，是 1990-2010 年。

伴隨著互聯(lián)網(wǎng)的爆發(fā)，網(wǎng)絡內容開始迅速增長，增加了很多的專業(yè)輸出內容（PGC）。Web2.0 出現(xiàn)后，人們開始使用博客、facebook、youtube 這樣的社交網(wǎng)絡，輸出大量的用戶原創(chuàng)內容（UGC），從而主動產生了大量的數(shù)據(jù)。移動智能終端時代的到來，也加速了該階段數(shù)據(jù)的產生。

第三個階段，是 2010 年至今。

隨著物聯(lián)網(wǎng)的發(fā)展，各種各樣的感知層節(jié)點（例如遍布各個角落的傳感器、攝像頭）開始自動產生大量的數(shù)據(jù)。企業(yè)的數(shù)字化轉型，構建了大量的系統(tǒng)，沉淀和管理這些數(shù)據(jù)。人類的數(shù)據(jù)總量，再次躍升。

經過了“被動-主動-自動”這三個階段的發(fā)展，最終導致了人類數(shù)據(jù)總量的爆炸式膨脹。

值得一提的是，如今，隨著我們逐漸進入 AI 智能時代，很可能會迎來第四次數(shù)據(jù)暴增階段。以 AIGC 為代表的智能機器生產內容，正在急劇增加。

█ 數(shù)據(jù)的作用和意義

數(shù)據(jù)是信息的載體。它的最基礎作用，就是記錄和表征。

例如，考勤數(shù)據(jù)，記錄了員工每天的上下班時間、請假、遲到、早退等信息。這些數(shù)據(jù)不僅幫助我們了解員工的出勤情況，還能進一步分析員工的工作效率、團隊協(xié)作以及可能存在的管理問題。

再例如，體檢數(shù)據(jù)，記錄了我們的身高、體重、血壓、血糖等各項生理指標。這些數(shù)據(jù)不僅有助于我們了解自身的健康狀況，還能及時發(fā)現(xiàn)潛在的健康問題，為預防和治療疾病提供重要依據(jù)。

除了個人工作和生活領域之外，在科學、商業(yè)和公共管理領域，都有對應的系統(tǒng)和數(shù)據(jù)。這個數(shù)據(jù)的體量更大，甚至達到了大數(shù)據(jù)的級別。

通過深入挖掘和分析海量的數(shù)據(jù)，企業(yè)和政府部門可以找到隱藏在數(shù)據(jù)背后的規(guī)律和趨勢，為未來的發(fā)展和決策提供有力的支持。

在科學領域，實驗數(shù)據(jù)、觀測數(shù)據(jù)、模擬數(shù)據(jù)等構成了科學研究的基礎。這些數(shù)據(jù)不僅幫助科學家驗證理論、發(fā)現(xiàn)新現(xiàn)象，還能推動科學技術的進步和創(chuàng)新。

例如，天文學中的天文觀測數(shù)據(jù)，記錄了星系的運動、恒星的誕生和消亡等宇宙現(xiàn)象，這些數(shù)據(jù)為理解宇宙的起源和演化提供了重要線索。

在商業(yè)領域，銷售數(shù)據(jù)、客戶數(shù)據(jù)、市場數(shù)據(jù)等是企業(yè)運營和決策的重要依據(jù)。通過分析這些數(shù)據(jù)，企業(yè)可以了解市場需求、優(yōu)化產品設計、提升客戶滿意度，從而制定更為精準的市場策略和商業(yè)計劃。

例如，電商平臺通過分析用戶的購買歷史和瀏覽行為，可以為用戶推薦更為符合其需求的商品，提升用戶的購物體驗和平臺的銷售額。

在公共管理領域，政府數(shù)據(jù)、公共服務數(shù)據(jù)、社會調查數(shù)據(jù)等是政策制定和實施的基礎。這些數(shù)據(jù)不僅幫助政府了解社會現(xiàn)狀、預測發(fā)展趨勢，還能為政策評估和優(yōu)化提供依據(jù)。

例如，通過分析交通流量數(shù)據(jù)，政府可以合理規(guī)劃交通路線、優(yōu)化公共交通服務，從而緩解城市交通擁堵問題。

█ 最后的話

總而言之，數(shù)據(jù)在目前這個時代，已經變成了重要的無形資產，也被稱為“新石油”。

從個人生活到全球治理，數(shù)據(jù)都扮演著不可或缺的角色，已成為驅動效率提升、科學發(fā)現(xiàn)和社會進步的核心資源。

最近幾年愈演愈烈的 AI 浪潮，進一步推動了數(shù)據(jù)的價值提升。人工智能的三要素，其中一項，就是數(shù)據(jù)（另外兩個是算力和算法）。數(shù)據(jù)作為 AI 的“燃料”，其質量和數(shù)量直接決定了 AI 系統(tǒng)的性能和準確性。

未來，隨著數(shù)據(jù)規(guī)模的指數(shù)級增長和技術的持續(xù)突破，數(shù)據(jù)的價值將進一步釋放。

好啦，以上就是關于數(shù)據(jù)的基本常識。大家都搞明白了嘛？

本文來自微信公眾號：鮮棗課堂（ID：xzclasscom），作者：小棗君