
上QQ阅读APP看书,第一时间看更新
1.2 量性数据与质性数据
在了解数据类型之前,我们首先要理解何谓数据,如果将两个汉字拆开,我们得到以下的解释,见图1.2.1。假设你去超市购买了100元的商品,这100元就是消费金额。结账后,超市会提供发票,上面包括了购买商品的凭证,二者合一为数据。

图1.2.1
在上述例子中,100元仅是对数值的衡量,但如果要对其采取进一步有价值的分析,我们需要使用维度(凭据)。例如,100元消费中,有20元购买了啤酒、80元购买了尿布,这就是从商品维度对数值的描述;结账的时间为2018年10月10日,这是从时间维度对数值的描述。同理,我们还可以从客户维度、地理维度对数值进行描述。虽然无论从哪个维度去汇总,我们得出的汇总都是100元,但因分析维度不同,由分析结果所产生的行为也会不同。在数据分析中,数值和维度是同时存在的,不可分割的。分析的维度越多,分析洞察就越有价值,数据粒度越细腻,见图1.2.2。

图1.2.2
接下来,我们了解数据的类型。总体上,数据可分为两大类:质性数据与量性数据。质性数据又称为分类型数据,又可细分为名义型数据与定序型数据。量性数据又称为数值型数据,又可细分为离散型数据与连续型数据,见图1.2.3。

图1.2.3