第二节 数据特征

1、数据特征

（1）种类，数据类型的多样性；

      针对不同的应用，我们采集到的数据类型丰富多样，包括表格数据、HTML网页文件、XML文件、RDF（Resource Description Framework，资源描述框架）数据、文本数据、图（社交网络）数据、多媒体数据（音频／视频／图像）等。这些数据可以划分成结构化数据、非结构化数据和半结构化数据等不同类型。

结构化数据，可以从名称中看出，是高度组织和整齐格式化的数据。结构化数据可以轻易放入表格和电子表格中的数据类型，典型的比如使用关系型数据库表示和存储，表现为二维形式的数据。一般特点是：数据以行为单位，一行数据表示一个实体的信息，每一行数据的属性是相同的。

     半结构化数据是结构化数据的一种形式，它并不符合关系型数据库或其他数据表的形式关联起来的数据模型结构，但包含相关标记，用来分隔语义元素以及对记录和字段进行分层。因此，它也被称为自描述的结构。

         非结构化数据，数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据。

  典型的人为生成的非结构化数据包括：

• 文本文件：文字处理、电子表格、演示文稿、电子邮件、日志。

• 电子邮件：电子邮件由于其元数据而具有一些内部结构，我们有时将其称为半结构化。但是，消息字段是非结构化的，传统的分析工具无法解析它。

• 社交媒体：来自新浪微博、微信、QQ、Facebook，Twitter，LinkedIn等平台的数据。

• 网站： ***，Instagram，照片共享网站。

• 移动数据：短信、位置等。

• 通讯：聊天、即时消息、电话录音、协作软件等。

• 媒体：MP3、数码照片、音频文件、视频文件。

• 业务应用程序：MS Office文档、生产力应用程序。

（2）速度，指获得数据的速度；

      速度，即及时性，是指能否在需要的时候获到数据，数据的及时性与企业的数据处理速度及效率有直接的关系，是影响业务处理的关键指标。

（3）真实性，数据的质量；

（4）复杂性，数据量巨大，来源多渠道。

2、按性质分为

①定位的，如各种坐标数据；
②定性的，如表示事物属性的数据（居民地、河流、道路等）；
③定量的，反映事物数量特征的数据，如长度、面积、体积等几何量或重量、速度等物理量；
④定时的，反映事物时间特性的数据，如年、月、日、时、分、秒等。

3、按表现形式分为

①数字数据，如各种统计或量测数据。数字数据在某个区间内是离散的值；
②模拟数据，由连续函数组成，是指在某个区间连续变化的物理量，又可以分为图形数据（如点、线、面）、符号数据、文字数据和图像数据等，如声音的大小和温度的变化等。

4、按记录方式分为

地图、表格、影像、磁带、纸带。按数字化方式分为矢量数据、格网数据等。在地理信息系统中，数据的选择、类型、数量、采集方法、详细程度、可信度等，取决于系统应用目标、功能、结构和数据处理、管理与分析的要求。