导语：数据是什么？读懂数据、信息与知识的关系是科技数码中的重要话题，本文将为您详细介绍相关知识，内容丰富、通俗易懂，适合日常学习。本文发布于2026年10月11日。

数据到底是什么？

数据（英文 data，台湾地区常称作“资料”），说白了就是人们通过观测得到的一组数字性特征或信息。更专业一点讲，数据是关于一个或多个人、对象的定性或定量变量。它并不神秘，可以是一堆杂志、一叠报纸、一次开会的记录，也可以是病人的病历记录——凡是能被记录、被保存下来的描述性内容，都可以算作数据。

理解数据的关键，在于它是“记录下来的事实”，而不是经过判断的结论。它可以是数字，比如身高 175 厘米；也可以是类别，比如性别、血型、城市名称。正因为它形态多样，数据才成为今天各行各业最基础的原材料。

数据不等于信息：一条常被混淆的界线

生活中，“数据”和“信息”这两个词经常被混着用，但它们的含义其实完全不同。在很多通俗读物里，当数据被放到具体情境中审视、或者经过分析之后，它就变成了信息。

一般来说，数据经过处理称为信息，从信息中分析出的内容称为知识，再通过不断行动与验证，逐渐沉淀为智慧。这条从数据到智慧的链条，常被形象地称作“知识金字塔”。

举个贴近生活的例子：单独一个“37.5”只是数据，它本身说明不了什么；当它被标注为“某人体温 37.5℃”，就变成了信息；结合医学知识判断“这个人可能发烧了”，这是知识；而医生根据多年经验，综合症状、病史和体温做出准确判断并给出处理方案，这就是智慧。可见，同样的数字，处在不同层次，价值完全不同。

不过在严谨的学术论述中，数据往往只被看作“信息的单元”。在经济领域，这种区分也带来了不同的分支：信息衍生出信息经济，数据则衍生出数据经济。大数据兴起之后，数据科学这门学问变得格外重要。

数据的几种常见类型

按照加工程度，数据可以分成不同类别。

原始数据，指一组未经过纠正的数字或特征。它们往往杂乱、含有噪声，需要先做清洗，比如移除异常值和明显的仪器误差或录入误差。一个经典的例子是：温度计在北极户外却测出了热带温度，这显然是设备故障或记录失误，必须剔除。

数据处理通常分成若干阶段，而阶段之间是相对的：某个阶段产出的“已处理数据”，在下一个环节里可能又成了“原始数据”。

现场数据，指在不受控制的“原位”环境中收集的原始数据，比如野外生态观测、街头人流统计。它的优点是真实，缺点是干扰因素多。

实验数据，则是在科学研究情境中，通过有控制的观测和记录产生的数据。相比现场数据，它更规范、更可重复，也更容易用于验证假设。

数据用在哪些地方？

几乎一切有组织的人类活动都离不开数据。科学研究依靠数据验证理论；商业管理依靠销售数据、收入、利润、股价来决策；金融行业依靠数据定价和风控；政治与公共治理则关注犯罪率、失业率、识字率等指标；就连非营利组织，也会通过流浪者人口调查这类数据来安排援助。

正因为用途如此广泛，数据才被称为新时代的“石油”。

从表格到图表：让数据看得见

数据要产生价值，通常要经历测量、收集、报告和分析几个环节。为了让人更容易看懂，它常常被可视化，用图表、图像或其他分析工具呈现。常见的可视化形式包括饼图、条形图、直方图、散点图、箱形图、雷达图、趋势图、茎叶图等。

而在日常工作中，数据最普遍的呈现方式仍是“表格”，并借助试算表软件来处理。本质上，数据是关于已存在的信息或知识的一种一般性概念，人们会把它编码成更方便利用和处理的形式，让它在不同场景中发挥作用。

为什么今天更需要懂数据

在大数据时代，数据量、数据种类和处理速度都远超以往。数据科学因此成为一门关键学问，它把统计、计算和领域知识结合起来，帮助人们从海量记录中提取有价值的信息。对普通人来说，理解“数据—信息—知识—智慧”这条链条，能让我们在面对铺天盖地的数字时保持清醒：数字本身不会说话，只有被正确收集、清洗和解读，它才真正有意义。