数据挖掘【2】什么是数据？

        什么叫数据，在上一篇中，一直在说数据这个，数据那个的，那么到底什么是数据？其实往往越是这种特别基础的概念，反而不好定义，什么是数据，很难有一个准确的定义，那它大概的定义就是一些定量的或者定性的属性值。

        一个人站在这里，身高多少，体重多少，年龄，性别，婚姻状况，这些都是一些属性，这些东西就构成了所谓的数据。

        数据是最底层的一种表现形式，我们经常听到“信息”这个词，那么信息和数据是不一样的，信息是高一层面的东西，数据要做一些处理之后，才能称之为信息，这一点需要特别注意。

        简单介绍数据相关的一些概念：

        数据有各种各样的类型，连续（Continuous），二元（Binary），离散（Discreate），字符串（String），符号（Symbolic）。

        从存储方式讲，在物理上，数据存在硬盘上都是0与1，不管声音、图像、文字概莫能外，而逻辑上，有二维表，立方体，网络等诸多结构。

        目前数据中存在的问题，一来，五花八门的数据，种类不同，需要转化。二则，真实数据往往存在很多错误数据或者不完整的数据。

        在当今这个年代，讲数据就不能不讲大数据，Gartner公司认为，满足高数据量（high-volume），高产生速度（high-velocity），高数据种类（high-variety）这三个特点的，才能称之为大数据，Mckinsey公司从另一个角度进行了定义，认为传统方式无法去存储、处理的数据既是大数据。