1. 데이터와 정보란? - 빅데이터 분석기사 정리

목차

 

정형 데이터와 비정형 데이터

데이터의 정의

데이터는 통찰력, 지식 및 정보를 추출하기 위해 수집, 저장 및 처리되는 원시 정보를 의미합니다. 숫자, 텍스트, 이미지, 오디오 및 기타 형태의 디지털 및 아날로그 정보의 형태일 수 있습니다. 데이터는 스프레드시트와 같이 구조화되거나 텍스트 문서와 같이 구조화되지 않을 수 있습니다. 정보는 수집되는 맥락과 목적에 따라 질적이거나 양적이거나 수치적이거나 범주적일 수 있습니다. 데이터는 의사 결정, 과학적 연구 및 많은 기술 발전을 위한 기반이며 AI, 기계 학습 및 세상을 변화시키는 기타 기술의 원동력입니다.

데이터의 특징

• 데이터는 정성적(텍스트, 이미지) 또는 정량적(숫자, 통계)일 수 있습니다. 
• 구조적(특정 형식으로 구성됨) 또는 비구조적(특정 형식으로 구성되지 않음)일 수 있습니다. 
• 데이터는 연속적(모든 값을 가질 수 있음) 또는 불연속적(제한된 값 집합)일 수도 있습니다. 
• 데이터는 기본 데이터(연구원이 수집한 데이터) 또는 보조 데이터(이미 존재하는 데이터)일 수도 있습니다.

데이터의 구분

정량적 데이터	양적 데이터는 측정하고 비교할 수 있는 수치 데이터입니다.통계 및 연구 조사에 자주 사용됩니다. 예를 들면 연령, 소득 수준, 시험 점수 등이 있습니다.
정성적 데이터	정성적 데이터는 특성이나 속성을 설명하는 비숫자 데이터입니다. 이러한 유형의 데이터는 종종 주제에 대한 더 깊은 이해를 얻기 위해 사용되며 사회학, 심리학 및 인류학과 같은 분야에서 일반적으로 발견됩니다. 예를 들면 개방형 설문 조사 응답, 인터뷰 녹취록 및 민족지학적 관찰이 포함됩니다.

데이터의 유형

정형 데이터	구조화된 데이터는 테이블이나 스프레드시트와 같은 특정 형식으로 구성된 데이터입니다. 특정 스키마를 따르며 SQL과 같은 도구를 사용하여 쉽게 쿼리하고 분석할 수 있습니다. 예로는 관계형 데이터베이스, CSV 파일 및 Excel 스프레드시트가 있습니다.
반정형 데이터	반구조화된 데이터는 특정 형식의 요소가 전부는 아니지만 일부 포함된 데이터입니다.  데이터의 형식은 유추할 수 있지만 항상 엄격한 스키마를 따르는 것은 아닙니다. 예를 들면 데이터 저장을 위한 특정 형식이 있지만 엄격한 스키마를 따르지 않을 수 있는 XML 및 JSON 파일이 있습니다.
비정형 데이터	구조화되지 않은 데이터는 특정 형식이나 스키마가 없는 데이터입니다.  조직화되지 않고 분석하기 어려운 경우가 많습니다. 텍스트 문서, 이미지, 오디오 및 비디오 파일을 예로 들 수 있습니다. 이러한 유형의 데이터에는 자연어 처리 또는 컴퓨터 비전과 같은 분석을 위한 특수 도구 및 기술이 필요할 수 있습니다.

데이터의 근원

가역 데이터	가역 데이터는 변형 또는 조작된 후 원래 상태로 복원 또는 복구될 수 있는 데이터를 의미합니다.이는 변환된 데이터에서 원본 데이터를 재구성할 수 있음을 의미합니다. 가역 데이터의 예로는 품질 손실 없이 원본 이미지를 압축 이미지에서 재구성할 수 있는 무손실 이미지 압축이 있습니다.
비가역 데이터	비가역 데이터(irreversible data)는 변형이나 조작 후에 원래 상태로 되돌릴 수 없는 데이터를 말한다. 이는 원본 데이터가 손실되거나 변환된 데이터에서 재구성할 수 없음을 의미합니다. 비가역 데이터의 예로는 이미지가 압축될 때 원래 이미지 품질이 손실되고 원본 이미지로 정확하게 재구성할 수 없는 손실 이미지 압축이 있습니다.

데이터의 기능

암묵지	암묵지은 표현하거나 전달하기 어려운 지식을 의미합니다.  그것은 종종 "노하우" 또는 "노우 댓"으로 묘사되며 개인적인 경험, 직관 및 기술을 기반으로 합니다. 암묵적 지식의 예에는 자전거 타기, 식사 요리 또는 언어 구사 능력이 포함됩니다. 암묵적 지식은 종종 데모, 견습 또는 협업을 통해 공유됩니다.
형식지	형식지는 쉽게 표현되고 전달될 수 있는 지식을 말합니다. 그것은 종종 "알고 있는 것"으로 묘사되며 사실, 개념 및 이론을 기반으로 합니다. 명시적 지식의 예로는 과학적 법칙, 수학 공식 및 역사적 사건이 있습니다. 명시적 지식은 종종 책, 기사 또는 강의와 같은 서면 또는 구두 커뮤니케이션을 통해 공유됩니다.

지식창조 메커니즘

공통화	이 메커니즘은 개별 암묵적 지식을 공유된 명시적 지식으로 전환하는 것을 포함합니다. 공통화는 개인이 개인적인 경험과 통찰력을 공유할 수 있도록 하는 커뮤니케이션과 협업을 통해 촉진됩니다.
표출화	이 메커니즘은 암묵적 지식을 명료화 및 표현 과정을 통해 명시적 지식으로 전환하는 것을 포함합니다. 이 프로세스를 통해 개인은 자신의 지식을 다른 사람과 공유하고 전달할 수 있는 형태로 외부화할 수 있습니다.
연결화	이 메커니즘은 새로운 지식을 생성하기 위해 서로 다른 명시적 지식의 통합을 포함합니다. 결합은 새로운 통찰력과 이해를 창출하기 위해 서로 다른 관점과 전문성의 결합에 의해 촉진됩니다.
내면화	이 메커니즘은 흡수와 동화 과정을 통해 명시적 지식이 암묵적 지식으로 전환되는 것을 포함합니다. 이 과정을 통해 개인은 새로운 지식을 내면화하여 개인적인 경험과 이해의 일부로 만들 수 있습니다.

지식의 피라미드 

지식의 피라미드

지식의 피라미드는 조직 내의 다양한 지식 수준을 설명하는 모델입니다. 그것은 Nonaka와 Takeuchi가 저서 "The Knowledge-Creating Company"에서 제안했으며 네 가지 수준으로 구성됩니다.

데이터	데이터는 아직 지식으로 변환되지 않은 가공되지 않은 원시 정보를 나타냅니다.
정보	정보는 의미 있고 유용한 형식으로 구성되고 처리된 데이터입니다.
지식	지식은 해석되고 이해된 정보입니다. 내재화된 데이터와 정보의 조합으로 의사결정에 활용할 수 있습니다.
지혜	지혜는 전략적이고 전체론적인 방식으로 지식을 적용하는 능력을 나타냅니다. 큰 그림을 보고 조직에 가장 이익이 되는 결정을 내리는 능력입니다.

지식의 피라미드는 지식의 진정한 가치는 적용하고 공유할 수 있는 능력에 있음을 강조합니다. 또한 지식의 공유와 창출을 장려하는 조직 문화 조성의 중요성을 강조합니다.

 

---

다음 글

 

정보의 호텔에는 미래의 데이터 전문가가 되실 분들을 위해 빅데이터분석, 데이터분석에 관한 글을 아래의 페이지에 정리해 놓았습니다. 

'자격증/빅데이터분석기사' 카테고리의 글 목록

위 페이지는 빅데이터분석기사 / 데이터분석전문가 / 데이터분석준전문가 모두 유용하게 사용하실 수 있습니다.