我们经常提到产品晃动数据统计，但所谓“数据”，有多少人能准确理解其含义？本文作者将为我们讲解，数据的完整概念究竟是什么。

我们为什么要讲数据？

《大数据时代》一书指出：数据目前未计入公司财务报表，但这种情况即将改变。

数据的价值不言而喻。

我们要如何认识数据？

从最根本处入手，明白源头，了解记载，逐步深入，把抽象的事物变得清晰可见。以周围的信息作为开端，加以梳理归纳。

那么，什么是数据？

从外在特征来看：资料是针对现实发生的事情所留下的标记，并且能够被识别出来，是关于现实事物的特征、情形以及彼此之间的联系等内容的记录，可以表现为具体的记号，或者是这些记号的集合。

它是一种能够被辨认的、概括性的标记。它不仅包含特定的数值，还可以是带有特定含义的文宇、字符、数字记号的拼合、图画、影像、声响等，同时也是实际事物的性质、多少、地点及其彼此间的联系的概括性体现。

从资源构成方面看：数据已经演变为数字经济发展中的关键资源。

我们称现在为“大数据时代”。

数据的种类有哪些？

不同的划分角度会有不同的类型。比较常用的是：

时间信息通常包含年份、月份、日期等要素。空间信息主要涉及位置坐标和地区说明，例如经度、纬度以及省、市名称。性质信息用来描述事物的特征。性质信息可以分成两类，一类是不存在增减顺序的数据科学与大数据技术就业前景分析，比如渠道编号、手机操作系统类型；另一类是存在增减顺序的，例如成绩优异者、表现中等者、成绩欠佳者。测量数值：表示物体大小或多少的数值，通常用于对比高低，例如年纪二十有八，身长一米八二。

举个栗子：

倩倩是某酒店的前台工作人员，她在2024年6月27日14:00这个时间点，于酒店大厅的位置，运用发票系统，为豆豆公司开具了三张发票，这三张发票的总金额为2000元。

那么，上述案例中

记录的时间为六月份的最后一天下午两点；采集的位置位于一家酒店的正门区域；涉及的软件系统包括票据管理平台以及豆豆企业法人信息；具体数量为三份文件；涉及金额为两千元整。

我们周围充斥着海量信息，各类信息对于不同个体而言价值各异，部分具有实际用途，部分则可能毫无用处。

因此，数据是有“质量”的。

那么，什么是“质量好”的数据呢？

优质的资料是有效的，经过适当的整理加工，可以带来相应的效益。

它们具有准确性、真实性、完整性、唯一性、一致性、关联性。

精确性即为稳定性，旨在判断并筛选出错误或无效的信息，不稳定的资料可能引发重大后果，进而导致欠缺妥当且欠佳的判断。

场景一：数据采集是否重复或遗漏。

场景二：字段是否拋送正确，比如手机号列中是否都是手机号。

数据应当确切地表现客观事物的实际状况或真实的业务活动，可靠的原始统计信息是统计工作的核心，是管理工作的根基，也是经营者做出正确经营抉择不可或缺的参考。

数据是否真实反映客观情况需要核实，例如要确认其中是否掺杂了测试产生的数据，是否混入了自充的数据贝语网校，是否还有机器人产生的数据。

核实信息真伪，因特定意图而进行的统计资料伪造行为，例如“人有多大胆，地有多大产”就是显著事例。

完整性：数据中想要分析的角度是否齐全，主要是事件或者维度。

该场景涉及事件完整性核查,比如针对支付服务测试环境生成的真实支付订单数据,需要确认是否已准确传送至数据中心。

场景二：检查信息是否齐全，比如银行流水，要确认发卡机构名称，同时也要看有无对应标记

独特性：旨在分辨并评估重复的、累赘的信息，倘若重复信息统计出的结果相同，尚可接受，倘若不一致，便会导致无休止的核对信息。

该事件是否具备唯一性，某个操作信息不应反复发送；例如，若客户完成了一次付款，但付款记录文档中却登记了两次。

场景二：字段是否具备唯一性特征。若在某个独立事件里，两个或更多字段在实质上指向同一个概念，为了提升数据操作的便捷程度，就必须舍弃其中某个字段。

一致性：所有系统的数据不存在信息含义及内容结构的冲突。

统计标准必须保持统一，针对相同数据，例如收入，某些统计时扣除手续费，另一些统计时则不扣除手续费。

场景二：表示相同内容但是字段名不一致，如，，。

关联性方面，数据关联问题表现为关联数据间的关系存在缺失或者不正确的情况

场景一：需要确认身份信息是否相同，比如玩家在游戏中登录和付费时，其账号编号是否为同一个。

场景二：需要确认各类用户信息是否相同，比如用户开始使用的途径编号数据科学与大数据技术就业前景分析，与完成登记的途径编号，以及进行支付的途径编号，这三者是否完全相同。

各类商品包含多种形式的信息记录。以面向个人用户的产品为例，涉及用户登记信息、身份验证记录、首次使用情况、账户启用记录、资金缴纳信息、会员身份资料等；而面向企业用户的产品，则涵盖客户注册情况、系统访问记录、机构构成资料、财务账户信息等相关内容。

数据类型多种多样，彼此关联，在辨识和使用数据时，通常要面临哪些难题？

以财务数据为例：

信息分散：各个系统自成体系，彼此之间缺乏连接，信息无法共享；不同系统间数据提取困难，需要人工逐一处理。统计标准不一：各项数据统计的标准不统一，同一个名称的指标，在不同系统中可能代表不同的含义和计算方式。数据质量低劣：数据在传输过程中没有有效的质量监控和校验机制，导致应用系统在使用前必须进行大量数据清理。数据需要脱离线上进行人工收集，过程中容易产生差错，这些差错又不容易被发现，因此需要返工重做的情况经常出现。收集的数据品质不高：各个业务部门分别进行数据采集，导致数据格式难以统一，提交上来的数据品质欠佳，给后续的汇总整理带来了繁重的负担。核心数据缺乏规范：核心数据没有进行集中管理维护，不同业务部门之间，以及业务部门与财务部门之间各自采用不同的数据标准。

这些困难要如何应对？

制定指标规范用以确立主数据准则，连接多个业务系统采集原始资料，并对资料执行清理工作，把清理完毕的资料借助映射关联变换为规范资料，再按照统计要求对规范资料实施归纳统计。

实现企业内外部数据的治理、采集、加工、应用全流程。

图源：中兴新云