数据究竟是什么？

我们搞大数据的，每天都在说“数据”这个词。但是数据究竟是什么？其准确的定义是什么？可能大多数人都没有思考过这个问题。

首先，我们来考察下数据这个词的起源。数据这个词在古汉语中是不存在的，而是近代以来，对英文“data”一词的翻译。而data，是“datum”这个词的复数形式。根据google的解释，英文的“数据”，也就是datum一词出现于18世纪中期，最初起源于拉丁文。datum既有数据的输入功能(something given)，翻译过来就是“被给予的事物”，这个翻译非常生涩，也包含有推理假设 (inference, hypothesis )的含义。根据这个定义，数据（datum）和数值（number）显然是不同的，后者只是前者的一部分。

接下来，我们再来看看百度百科对“数据”的解释。在百度百科上搜索“数据”一词，有两个义项，即两类不同的解释。

第一类是汉语词语。其表述为：

数据就是数值，也就是我们通过观察、实验或计算得出的结果。数据有很多种，最简单的就是数字。数据也可以是文字、图像、声音等。数据可以用于科学研究、设计、查证、数学等。

第二类是计算机术语。其表述为：

数据（data）是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的原始素材。数据可以是连续的值，比如声音、图像，称为模拟数据；也可以是离散的，如符号、文字，称为数字数据。在计算机系统中，数据以二进制信息单元0、1的形式表示。

计算机术语中对数据的定义为：

数据是指对客观事件进行记录并可以鉴别的符号，是对客观事物的性质、状态以及相互关系等进行记载的物理符号或这些物理符号的组合。它是可识别的、抽象的符号。

它不仅指狭义上的数字，还可以是具有一定意义的文字、字母、数字符号的组合、图形、图像、视频、音频等，也是客观事物的属性、数量、位置及其相互关系的抽象表示。例如，“0、1、2…”、“阴、雨、下降、气温”、“学生的档案记录、货物的运输情况”等都是数据。数据经过加工后就成为信息。

在计算机科学中，数据是所有能输入计算机并被计算机程序处理的符号的介质的总称，是用于输入电子计算机进行处理，具有一定意义的数字、字母、符号和模拟量等的通称。计算机存储和处理的对象十分广泛，表示这些对象的数据也随之变得越来越复杂。

再来看看国际数据管理协会（Data Asset Management Association，简称DAMA）对数据的定义。DAMA是数据管理领域的国际权威组织，其出版的《DMBOK》中对数据的定义为：

数据既是对其所代表对象的解释，也是必须解释的对象,这些解释数据通常记录在一种特殊类型的数据——元数据中。

从这个定义出发，DAMA描述了数据的一系列特征，如：数据是无形的，价值随时间而变化；难以设定数据的货币价值；数据是组织了解其自身的手段，等等。并定义了数据的生命周期，包括：计划、设计、创建或获取、存储与维护、使用、增强、处置等环节。

以上三种“数据”的定义，有异曲同工之妙。但难免比较学术化。如果回归生活常识，当我们谈起“数据”这个词，我们究竟在表达什么意思？比方说，我今天下午逛了一趟超市，买了纸巾、洗发水、薯片、可乐、橙子、鸡腿肉，一共花了153.58元，结账后，收银员给了我一张有商品明细和价格的小票。这就是一份完整的数据。当我爱人问我把钱花到什么地方去了，我就可以把这张小票拿给她看，对她说“给你看看数据”。那么，在这里，数据是什么意思？回归到现实生活中，作者更愿意把“数据”拆分成“数”和“据”两个字，分别探索其含义，再组成数据这个词完整的含义。

作者看来，“数”有两层含义：第一个层面，是用数字来记录事实，如一个人的身高、年龄，一棵树的高度，一片土地的面积，一件商品的价格，等等；第二个层面是用数学的方法来进行统计最终得到记录结果，如一个班级所有同学的平均年龄，一家公司某个年度的营业收入等，一次购物的总价，都是统计的结果。

再看“据”，作者将据理解为事件发生过程中产生的票据，也就是证明，换言之，票据证明发生过这件事实，是时间的一个切面，比如说超市的购物小票，因此「据」代表的是事实。

那么综合“数”和“据”，我们可以得出一个结论：所谓数据，就是事实的数字化凭据。这是一个简洁、有力的定义。从这个意义上说，中文的“数据”一词，远比英文的data更加形象，这也是一个非常传神，非常经典的翻译，展示了中文的博大精深。

既然数据是事实的数字化凭据，那么这个凭据本身就必须是可信赖，可追溯的，这就引出了数据为什么需要被良好地管理起来。这是后话。

另外一个需要说明的是数据、信息、知识、智慧之间的关系。很多人喜欢把这四者之间的关系用一张DIKM（Data，Information，Knowledge，Wisdom）模型图来表示。如下图所示：

在这张图中，数据、信息、知识、智慧是彼此区隔，逐层递进的。数据被加工成信息，信息被提炼成知识，知识运用成智慧。在实践中，有时候这个模型对我们的思考和工作相当有帮助，比如我们可以用它来思考应该如何向领导或客户汇报。最低的层次，汇报数据，发生了什么，比如这个月的销售额是多少；再上一层，汇报信息，这个月的销售额与上个月相比，增加或减少了多少；再往上一层，汇报知识，分析数据变化的原因；最优秀的员工输出智慧，不仅有数据，有对比，有分析，更有未来的预测和建议的措施。

但值得警惕的是，数据、信息、知识、智慧的这种金字塔模型，是一种高度抽象的模型，高度抽象也就意味着部分失真。实际上，DAMA也已经意识到这个问题。在DMBOK知识体系中，对于DIKW模型，特别强调了以下几点：

• 基于数据是简单存在的假设。但数据并不是简单存在，而是要被创造出来的。

• 人们数据到知识描述为一个自下而上的逐级序列，但未认识到创建数据首先需要知识。

• 金字塔模型意味着数据和信息是分开的，但事实上这两个概念是相互交织并相互依赖的。数据是信息的一种形式，信息也是数据的一种形式。

总结一下，我们搞大数据的，总得知道数据一词的含义究竟是什么。本节从词源、百度百科、DAMA组织、生活常识四个角度，解释了“数据”一词的不同定义。作者更喜欢的一个定义是最简洁的那个：数据是事实的数字化凭据。

最后，我们辨析了数据、信息、知识、智慧组成的DIKW模型。作者支持DAMA对使用这个模型的提醒，它们之间并不是泾渭分明的，而是互有包含。

作者信息：

蒋珍波，大数据专家，擅长为客户提供科学合理的大数据解决方案，尤其擅长数据治理、数据中台解决方案。曾先后供职于东南融通、普元信息、数澜科技、数梦工场等公司，负责过数据仓库、大数据平台、数据中台、数据治理等售前咨询工作，和技术团队的管理工作，有政府、大中型企业等多个行业经验。著有畅销专业书籍《数据中台》、《一本书讲透IT售前》。

欢迎同仁们商榷，加入知识星球“IT售前大本营”，星球号：46651559。共同探讨售前、大数据、数据治理、数据中台等相关领域的问题。