[[389288]]

數(shù)據(jù)分析師的工作中最離不開的就是數(shù)據(jù)，業(yè)務(wù)中所有的情況都離不開數(shù)據(jù)這個(gè)載體，今天就來(lái)看下數(shù)據(jù)的都有哪些類型以及它們有什么特點(diǎn)。

數(shù)據(jù)是用某種計(jì)量尺度對(duì)事物測(cè)度的結(jié)果，采用不同的計(jì)量尺度會(huì)得到不同類型的數(shù)據(jù)，數(shù)據(jù)包括：各種數(shù)字、文字、圖像、音頻、視頻及它們的組合等多種格式。

1.數(shù)據(jù)的分類

由于事物有簡(jiǎn)單和復(fù)雜的，如用戶的外貌高矮等特征較直觀，用戶的偏好則不直觀;有的差異可以用數(shù)量度量，有的則只能用分類度量。所以統(tǒng)計(jì)量就有定性、定量之分，對(duì)統(tǒng)計(jì)數(shù)據(jù)的屬性、特征進(jìn)行分類、標(biāo)示和計(jì)算叫度量，分類見下圖：

(1)定性數(shù)據(jù)，又叫分類數(shù)據(jù)。它用于確定數(shù)據(jù)的屬性，不支持算術(shù)運(yùn)算，只用于說(shuō)明事物的品質(zhì)，可能是文字或數(shù)字，可以細(xì)分為兩類：

①無(wú)序數(shù)據(jù)。如：人的性別可以分為：男，女，未知3類，也可以把它們記為0，1，2;學(xué)生的成績(jī)可以分為：及格，不及格……為了便于理解，一般可按慣例來(lái)定義，也可以按具體的業(yè)務(wù)需求等。該類數(shù)據(jù)的用數(shù)字表示時(shí)僅表示不同類別的品質(zhì)是什么，而不表示量的順序或大小，該類數(shù)據(jù)尺度的數(shù)學(xué)特征是“=”或“≠”。

②順序數(shù)據(jù)，無(wú)序分類數(shù)據(jù)不要求有順序，順序數(shù)據(jù)是有序的。如：空氣污染可以分為：優(yōu)，良，輕度污染，中度污染，重度污染，其中后面一級(jí)都比前面一級(jí)的程度更嚴(yán)重，也可以用1，2，3，4，5來(lái)標(biāo)識(shí)這幾種分類;學(xué)生的成績(jī)也可以分為：優(yōu)秀，良好，及格，不及格，后面一級(jí)的數(shù)據(jù)也都比前面的更差。此時(shí)的尺度不能表明級(jí)別的量，僅能表明其等級(jí)差異，該類數(shù)據(jù)尺度的數(shù)學(xué)特征是“>”或“<”。

(2)定量數(shù)據(jù)，又稱為數(shù)值型數(shù)據(jù)，用于說(shuō)明事物的數(shù)量，形式是數(shù)字，也可以分為兩類，主要按數(shù)值是否連續(xù)劃分：

①離散型數(shù)據(jù)，離散型是通過(guò)計(jì)數(shù)得到的，增長(zhǎng)量不固定，比如：北京市上月的空氣質(zhì)量有20天是優(yōu)，本月共10天優(yōu);北京市去年凈流出200萬(wàn)人，今年凈流出100萬(wàn)人。它不僅能對(duì)事物區(qū)分不同的類型，還能對(duì)其排序，做數(shù)學(xué)運(yùn)算。

②連續(xù)型數(shù)據(jù)，這是一直疊加上去的，增長(zhǎng)量可以劃分為固定的單位。如：人的年齡是1歲，1.2歲，1.5歲，2歲......人的身高1.5米，1.51，1.52......

不管是什么類型的數(shù)據(jù)，定義數(shù)據(jù)時(shí)，有邏輯地劃分、表達(dá)更易讓人理解、方便計(jì)算。

定性與定量數(shù)據(jù)的關(guān)系：定性數(shù)據(jù)與定量數(shù)據(jù)相互補(bǔ)充，定性是定量的前提、依據(jù)，定量使定性更加具體、準(zhǔn)確，結(jié)合使用才能通過(guò)比較來(lái)分析、說(shuō)明問(wèn)題。這四類數(shù)據(jù)的層次一類比一類高。

因不同類型的數(shù)據(jù)采用的處理、分析的統(tǒng)計(jì)方法不同，所以區(qū)分度量的層次、數(shù)據(jù)的類型很重要。如，對(duì)無(wú)序數(shù)據(jù)，通常計(jì)算出各組的頻數(shù)或頻率，計(jì)算其眾數(shù)和異眾比率，進(jìn)行列聯(lián)表分析和x2檢驗(yàn)等;對(duì)順序數(shù)據(jù)，可以通過(guò)其中位數(shù)和四分位差，從而估計(jì)樣本數(shù)據(jù)的總體;對(duì)離散數(shù)據(jù)還可以用更多的統(tǒng)計(jì)方法進(jìn)行處理，如計(jì)算各種統(tǒng)計(jì)量、進(jìn)行參數(shù)估計(jì)和檢驗(yàn)等。

適用于低層次測(cè)量數(shù)據(jù)的統(tǒng)計(jì)方法，也適用于較高層次的測(cè)量數(shù)據(jù)，因?yàn)楹笳呔哂星罢叩臄?shù)學(xué)特性，但前者不具備后者的特性，所以反之不成立。如：描述數(shù)據(jù)的集中趨勢(shì)時(shí)，對(duì)無(wú)序數(shù)據(jù)通常計(jì)算眾數(shù)，對(duì)順序數(shù)據(jù)通常是計(jì)算中位數(shù)，但對(duì)連續(xù)、離散類的定量數(shù)據(jù)也可以計(jì)算眾數(shù)和中位數(shù)。反之，對(duì)于離散和連續(xù)數(shù)據(jù)可以計(jì)算平均數(shù)，但對(duì)于無(wú)序數(shù)據(jù)和順序數(shù)據(jù)則不能計(jì)算平均數(shù)。理解這一點(diǎn)，則有助于分析時(shí)選擇合適的統(tǒng)計(jì)分析方法。

2.數(shù)據(jù)的質(zhì)量

數(shù)據(jù)質(zhì)量的好壞甚至能決定我們分析的成功與否。評(píng)價(jià)數(shù)據(jù)的質(zhì)量主要從內(nèi)容質(zhì)量、表述質(zhì)量、約束標(biāo)準(zhǔn)三方面著手。

(1)內(nèi)容質(zhì)量

內(nèi)容質(zhì)量是數(shù)據(jù)最基本的特征，包括相關(guān)性、準(zhǔn)確性、及時(shí)性，這是數(shù)據(jù)質(zhì)量的基本特征，缺少其中一個(gè)，數(shù)據(jù)就失去了轉(zhuǎn)化為信息的作用。

①相關(guān)性

相關(guān)性指數(shù)據(jù)是否正是用戶感興趣的統(tǒng)計(jì)數(shù)據(jù)，它反映了數(shù)據(jù)滿足需求的程度，相關(guān)性與可用數(shù)據(jù)是否是用戶最關(guān)心的主題有關(guān)。由于對(duì)相關(guān)性的評(píng)價(jià)是主觀的，會(huì)隨用戶需求目標(biāo)的改變而改變，所以要平衡不同用戶的需求目標(biāo)，在給定的資源條件限制下，盡可能滿足大部分用戶的大部分需求。

②準(zhǔn)確性

準(zhǔn)確性指觀測(cè)值或估計(jì)值與未知的真實(shí)值之間的距離(接近程度)，通常用統(tǒng)計(jì)誤差來(lái)衡量，它是數(shù)據(jù)質(zhì)量的基礎(chǔ)和核心。一般地，誤差分為系統(tǒng)誤差和隨機(jī)誤差。因可能會(huì)受到成本、環(huán)境等各種限制，完全準(zhǔn)確幾乎是不可能的。所以只要是誤差已降低到用戶可以接受的地步即可。

③及時(shí)性

與用戶需求相關(guān)且準(zhǔn)確的數(shù)據(jù)如果沒(méi)有在用戶做出決策之前傳遞給他，那么該數(shù)據(jù)對(duì)用戶來(lái)說(shuō)就是沒(méi)用的。所以，及時(shí)性也是統(tǒng)計(jì)數(shù)據(jù)能否滿足用戶需求的重要特征。如果要統(tǒng)計(jì)的現(xiàn)象變化較快，則對(duì)該類統(tǒng)計(jì)數(shù)據(jù)的及時(shí)性要求高;如果該現(xiàn)象變化較緩慢，則對(duì)及時(shí)性要求不高。

(2)表述質(zhì)量

僅考慮數(shù)據(jù)內(nèi)容的質(zhì)量是不夠的，多個(gè)人一起做需求時(shí)，要想被人看到、看懂，必然離不開描述需求相關(guān)的多個(gè)數(shù)據(jù)，這時(shí)就要考慮表述的質(zhì)量問(wèn)題。如：?jiǎn)蝹€(gè)數(shù)據(jù)的內(nèi)容是正確的，但表述不清晰、不充分，就會(huì)影響整套數(shù)據(jù)的質(zhì)量，甚至引起誤解。統(tǒng)計(jì)數(shù)據(jù)的表述質(zhì)量包括可比性、可銜接性和可理解性，這些都是我們做需求、對(duì)外提供數(shù)據(jù)或分析報(bào)告時(shí)需要注意的點(diǎn)。

①可比性

可比性指同一項(xiàng)目的統(tǒng)計(jì)數(shù)據(jù)在時(shí)間上、空間上的可比程度。這要求統(tǒng)計(jì)的概念和方法要相對(duì)穩(wěn)定，使用統(tǒng)一的統(tǒng)計(jì)制度方法和分類標(biāo)準(zhǔn)，確保統(tǒng)計(jì)數(shù)據(jù)的口徑范圍、計(jì)算方法一致，可比較。

②可銜接性

可銜接性指同一統(tǒng)計(jì)機(jī)構(gòu)內(nèi)部不同項(xiàng)目、不同機(jī)構(gòu)及與國(guó)際組織間統(tǒng)計(jì)數(shù)據(jù)的銜接程度。這要求所有專業(yè)統(tǒng)計(jì)項(xiàng)目在統(tǒng)一的統(tǒng)計(jì)框架體系、 分類標(biāo)準(zhǔn)下，按統(tǒng)一的方法統(tǒng)計(jì)、調(diào)查、加工整理、使用統(tǒng)一的方法和程序，同時(shí)采用國(guó)際統(tǒng)計(jì)標(biāo)準(zhǔn)，如國(guó)際標(biāo)準(zhǔn)時(shí)間等。

③可理解性

可理解性指統(tǒng)計(jì)數(shù)據(jù)便于用戶正確理解、使用的程度。統(tǒng)計(jì)數(shù)據(jù)是提供給用戶使用的，如果用戶看不懂?dāng)?shù)據(jù)、分析報(bào)告，也就談不上使用數(shù)據(jù)。為了恰當(dāng)?shù)厥褂脧慕y(tǒng)計(jì)機(jī)構(gòu)得到的數(shù)據(jù)，用戶必須了解所獲得數(shù)據(jù)的性質(zhì)。這就要求統(tǒng)計(jì)機(jī)構(gòu)在提供統(tǒng)計(jì)數(shù)據(jù)時(shí)附帶提供對(duì)數(shù)據(jù)的補(bǔ)充說(shuō)明。如：提供隱含在有關(guān)概念下面的說(shuō)明、使用到的分類方法、數(shù)據(jù)收集和加工過(guò)程中使用的方法及統(tǒng)計(jì)機(jī)構(gòu)自身對(duì)數(shù)據(jù)質(zhì)量的評(píng)價(jià)等。

(3)約束標(biāo)準(zhǔn)

在實(shí)現(xiàn)統(tǒng)計(jì)數(shù)據(jù)目標(biāo)的過(guò)程中，除了注意統(tǒng)計(jì)數(shù)據(jù)的內(nèi)容質(zhì)量和表述質(zhì)量這兩方面外，還需注意以下兩項(xiàng)約束標(biāo)準(zhǔn)，這體現(xiàn)了數(shù)據(jù)的質(zhì)量特征。

①可取得性

可取得性是指用戶獲取數(shù)據(jù)的便利程度。對(duì)于有用的數(shù)據(jù)，用戶必然要考慮：能得到哪些數(shù)據(jù)，如何得到這些數(shù)據(jù)。因此，統(tǒng)計(jì)數(shù)據(jù)必須以一種用戶方便使用且能夠負(fù)擔(dān)的形式提供給用戶。這要求提供統(tǒng)計(jì)數(shù)據(jù)時(shí)，必須列明用戶從統(tǒng)計(jì)機(jī)構(gòu)可以取得的統(tǒng)計(jì)數(shù)據(jù)內(nèi)容，同時(shí)方便用戶獲取。

②有效性

有效性指利用統(tǒng)計(jì)數(shù)據(jù)所產(chǎn)生的效益要大于提供該數(shù)據(jù)的成本。如果相反，則提供這種數(shù)據(jù)對(duì)提供方和使用方來(lái)說(shuō)都是不值得的，這要求在統(tǒng)計(jì)數(shù)據(jù)的其他質(zhì)量不受大的影響的前提下，盡可能降低統(tǒng)計(jì)數(shù)據(jù)的生產(chǎn)費(fèi)用，提高效率。