هدایای ویژه طراحی سایت

انواع اولیه داده چیست؟

وحید اکبری
بدون کامنت
بروزرسانی: ۳۰ شهریور, ۱۴۰۲

اگر این مقاله را دوست دارید، لطفا آن را با دوستان خود به اشتراک بگذارید.

داده ها مجموعه ای از اطلاعاتی است که متخصصان به منظور تجزیه و تحلیل یا مرجع استفاده می کنند. اکثریت قریب به اتفاق صنایع به دلایل مختلفی از داده ها به شکل یا شکلی استفاده می کنند. اگر به طور منظم با داده ها کار می کنید، ممکن است درک چندین دسته مختلف از داده ها مفید باشد تا بدانید هر نوع چگونه می تواند برای شما یا کسب و کار شما مفید باشد.

در این مقاله از ایوسی، انواع مختلف داده ها را به همراه نحوه استفاده از داده ها در محل کار مورد بحث قرار می دهیم.

انواع داده ها

از آنجایی که متخصصان از داده ها برای چندین هدف مختلف استفاده می کنند، مهم است که داده ها را به دسته های مختلف تقسیم کنیم. این می تواند به افرادی که با مجموعه داده های خاص کار می کنند کمک کند تا داده ها را به طور مفید مدیریت کرده و به درستی استفاده کنند.

در اینجا چند نوع داده به همراه تعریف و مثال آنها آورده شده است:

کمی

داده‌های کمی، داده‌هایی هستند که متخصصان می‌توانند آن‌ها را کمیت یا با اعداد اندازه‌گیری کنند. داده های کمی رایج ترین نوع داده در تجزیه و تحلیل آماری هستند، زیرا ساده ترین شکل داده برای نمایش در نمودارها و استفاده در فرمول ها هستند. به عنوان مثال، می توانید داده های کمی را روی یک نمودار نمایش دهید یا همبستگی آن را با داده های دیگر تعیین کنید.

چند نمونه از داده های کمی عبارتند از:

قد یک فرد
دماها
سرعت یک قطار
مدت زمان لازم برای تکمیل یک کار
نمرات آزمون

مطالب مرتبط: درباره تحلیلگر داده بیاموزید

کیفی

برخلاف داده های کمی، متخصصان نمی توانند داده های کیفی را با اعداد اندازه گیری یا نمایش دهند. در عوض، داده های کیفی شامل مواردی مانند کلمات، نمادها یا تصاویر است. داده های کیفی به عنوان داده های طبقه بندی نیز شناخته می شوند، زیرا می توانید این داده ها را در دسته های مختلف گروه بندی کنید. هدف داده‌های کیفی به‌جای پاسخ دادن به سؤالاتی است که به پاسخ عددی نیاز دارند، تعیین کنند که چگونه یا چرا اتفاقی افتاده است.

نمونه های رایج داده های کیفی عبارتند از:

نام ها
کشورها
رنگ ها
روزها و ماه ها
غذا و نوشیدنی

مرتبط: نمونه ها و انواع داده های کیفی

اسمی

داده های اسمی نوع محدودتری از داده های کیفی هستند. اساساً نامی را برای چیزی اطلاق می کند یا آن را در یک دسته بندی برچسب گذاری می کند. با داده های اسمی، هیچ راهی برای سفارش دادن چیزها از بالاترین به پایین ترین وجود ندارد. نمونه ای از داده های اسمی رنگ مو است. این متغیر اسمی ممکن است دارای چند دسته باشد، مانند قهوه ای، بلوند و قرمز، که هیچ راهی برای مرتب کردن آنها به صورت سلسله مراتبی وجود ندارد.

نمونه های دیگر از داده های اسمی عبارتند از:

جنسیت ها
ژانرهای موسیقی
حیوانات مورد علاقه

ترتیبی

داده‌های ترتیبی شامل داده‌هایی می‌شوند که دارای ترتیب خاصی هستند. با این حال، نمی‌توانید این داده‌ها را متفاوت تغییر دهید یا محاسبه کنید زیرا داده‌های ترتیبی فقط یک دنباله را نمایش می‌دهند. داده های ترتیبی ترکیبی از داده های اسمی و کمی است. یک ترتیب متمایز مانند داده های کمی وجود دارد، اما ترتیب اساساً مانند یک برچسب مانند داده های اسمی عمل می کند. به عنوان مثال، نتایج یک مسابقه داده های ترتیبی هستند. این موقعیت ها اعداد هستند اما پس از پایان مسابقه ثابت می مانند.

نمونه های دیگر از داده های ترتیبی عبارتند از:

رتبه بندی فیلم ها در مقیاس یک تا پنج
نمرات نامه
موقعیت یک تیم ورزشی در رده بندی تقسیمی یا کنفرانسی آن

گسسته

داده‌های گسسته نوعی از داده‌های کمی است که متخصصان نمی‌توانند آن‌ها را به بخش‌هایی تقسیم کنند. این فقط با اعداد صحیح کامل کار می کند. به عنوان مثال، جمعیت یک شهر داده های گسسته است. افراد را نمی توان با کسری از هم جدا کرد، بنابراین این داده ها گسسته هستند.

برخی از نمونه های دیگر از داده های گسسته عبارتند از:

تعداد مشتریانی که یک کسب و کار در یک ماه دریافت می کند
تعداد ایمیل های موجود در صندوق ورودی شما
تعداد گل های زده شده در یک مسابقه فوتبال

مطالب مرتبط: تجزیه و تحلیل داده چیست؟

مداوم

برخلاف داده‌های گسسته، متخصصان می‌توانند داده‌های پیوسته را به کسری یا بخش‌های دیگر تقسیم کنند اما همچنان معنای آن را حفظ کنند. نمونه ای از داده های پیوسته اندازه گیری زمان است. می توانید زمان را بر حسب سال اندازه گیری کنید یا می توانید آن را به بخش های کوچکتر مانند ماه، هفته، روز، ساعت یا دقیقه تقسیم کنید.

چند مثال دیگر از داده های پیوسته عبارتند از:

ارتفاع یک درخت
سرعت یک هواپیما
چقدر طول می کشد تا یک سفر جاده ای کامل شود
هزینه یک آیتم

فاصله

داده های بازه ای هم ترتیب متغیرها و هم تفاوت بین آنها را شامل می شود. داده های فاصله ای فاصله بین دو قطعه داده را اندازه گیری می کند. به عنوان مثال، اندازه گیری دمای بیرون در روزهای مختلف داده های بازه ای را در اختیار شما قرار می دهد. اگر دمای روز اول ۶۵ درجه و روز دوم ۷۰ درجه باشد، عدد بازه ۵ درجه دارید. با این حال، اگر از ۷۰ درجه شروع کنید و به ۶۵ درجه کاهش دهید، پس از آن یک عدد فاصله ۵- درجه خواهید داشت.

در مثال قبلی، هم مقدار متغیر و هم ترتیب بر داده‌های بازه تأثیر می‌گذارند. یکی دیگر از ویژگی های مهم داده های بازه ای این است که فاصله بین هر بازه به همان اندازه از یکدیگر است.

نمونه های دیگر عبارتند از:

نمرات در طول یک ترم
رتبه بندی یک تیم در طول یک فصل
نمرات تست هوش

نسبت

داده های نسبت مشابه داده های بازه ای هستند اما با دو تفاوت عمده. داده‌های نسبت به مقادیر صفر اجازه می‌دهند، که داده‌های بازه‌ای این امکان را ندارند. علاوه بر این، داده های نسبت نمی توانند مقادیر منفی را شامل شوند. نمونه ای از داده های نسبت قد یک فرد است زیرا یک فرد نمی تواند قد منفی داشته باشد.

نمونه هایی از داده های نسبت عبارتند از:

وزن یک فرد
تعداد ساعاتی که روزانه ورزش می کنید
سن یک فرد

چه کسی از داده ها در محل کار استفاده می کند؟

از آنجایی که داده ها کاربردهای مختلفی را در بر می گیرند، صنایع مختلف به دلایل مختلف از تجزیه و تحلیل داده ها استفاده می کنند. به عنوان مثال، یک مدیر بازاریابی ممکن است از داده ها برای تعیین برداشت هایی که یک پست رسانه اجتماعی ایجاد می کند استفاده کند. همچنین، کپی رایترها اغلب اطمینان حاصل می کنند که محتوای آنها با الزامات تعداد کلمات مطابقت دارد و هنرمندان اندازه بوم خود را اندازه می گیرند.

با این حال، برخی از نقش ها بیش از دیگران از داده ها استفاده می کنند. برخی از مشاغلی که به شدت بر استفاده از داده ها تمرکز دارند عبارتند از:

مطالب مرتبط: چگونه تجزیه و تحلیل داده ها می تواند تصمیم گیری را بهبود بخشد