按数据的属性与结构进行分类

定量数据（量的データ）表示用数值测出的大小，是 相加或求平均 有意义的数据。

像身高、销售金额、来店人数那样，用带单位的数来记录。合计、平均、标准差等计算可以直接使用，还能用直方图或散点图查看分布和相互关系。

类比就像体重秤上的刻度。60kg 和 70kg 算出「平均 65kg」「相差 10kg」，计算结果本身就有意义。

记法英语是 quantitative，与 quantity（量）同一词根，可以理解为回答「有多少」的数据。

定性数据（質的データ）表示 种类或区分，是相加或求平均没有意义的数据。

像血型、职业、满意度等级（不满、一般、满意）那样，记录的是属于哪个区分。汇总时统计各区分的件数或比例，多用饼图或百分比堆积条形图来展示构成比。

类比就像运动会的分组。红队和白队加在一起得不出任何东西，能数的只是每队的人数。

记法英语是 qualitative，与 quality（性质）同一词根，可以理解为回答「是哪一种」的数据。

一手数据（1次データ）是为了眼下要解决的目的，由自己新收集 的数据。

通过自行开展的问卷、访谈、店头观察或实验等方式获得。调查的项目和对象可以自己设计，因此容易贴合目的，但收集需要时间和费用。

类比就像自己去地里摘回来的蔬菜。可以挑想要的品种，但很费工夫。

记法「1次」指第一手获得，与「第一手信息」和英语 primary data 是同一个思路。

二手数据（2次データ）是把 为其他目的已经收集好 的数据，借用到自己的分析中。

国家或地方政府的统计、行业协会的报告、调查公司的公开资料等都是例子。它能快速、低成本地拿到，但调查时期或项目定义可能与自己的目的有偏差，所以使用前要先确认它是怎样做出来的。

类比就像从店里买回来的熟食。马上就能吃，但口味没法自己选。

结构化数据（構造化データ）是按照事先定好的 项目（列），整理成行列表格形式的数据。

关系数据库中的表、电子表格软件里的销售清单是典型例子。哪个值属于哪个项目是确定的，所以按条件检索、按项目合计或排序都能直接交给机器处理。

类比就像印好填写栏的申请表。姓名写在姓名栏，日期写在日期栏，所以即使有几百张，也能用同样的步骤汇总。

非结构化数据（非構造化データ）是装不进固定项目的 文章、图像、声音、视频 等数据。

电子邮件正文、社交网络服务（SNS）上的帖子、监控摄像头的影像、通话录音等都是例子。它无法直接像表格那样检索或汇总，因此要先通过从文章中提取词语的处理或图像识别等方式取出特征，再用于分析。

类比就像问卷的自由填写栏。每个人写的内容和长度都不同，不读一遍把内容挑出来就没法统计。

元数据（メタデータ）不是数据的内容，而是说明该数据 属性（创建时间、作者、格式等）的数据。

它也被称为「关于数据的数据」。不用打开数据本体，也能借助元数据来检索、分类和管理想要的数据。在数据库中，规定各项目名称、类型、单位的定义也属于元数据。

类比就像贴在图书馆藏书上的分类标签。不用读正文，凭书名、作者和分类号就能从书架上找到。

记法「元」对应英语的 meta，它源自希腊语，意思是「超越……、高一层的」。从数据的上一层来说明这份数据。

时间序列数据（時系列データ）是 沿着时间推移 反复记录同一对象的数据。

每天的气温、每月的销售额、每年的人口等都是例子，按时间顺序排列后可以看出增减趋势和季节性波动。查看变化过程时常用折线图。

类比就像在柱子上刻下的孩子身高记号。每年量的都是同一个孩子，所以能看出长高的过程。

记法「系列」是依次相连的排列。按字面理解，就是按时间顺序排成的一列值。

该术语的过去问 1 题 時系列データ →

截面数据（クロスセクションデータ）是截取 某一时点，把多个对象并排收集的数据。

同一个月各店的销售额、某一年各地区的人口等都是例子，适合比较对象之间的差异。在上面的表中，纵向读一列（某个月）就是截面数据，横向读一行（某家店）就是时间序列数据。

类比就像某天早上拍的全班合影。能把那一刻的所有人并排比较，但之后的变化没有拍进去。

记法cross section 是「截面」。可以记成把时间之流横切开的一个切面。