Kapitel 2 - Daten und Datenverarbeitung

Kapitel 2 Teil 1 Konzepte von Daten, Informationen und Wissen

Teil 1: Konzepte von Daten, Informationen und Wissen

Aufbau der Wissenspyramide

Der Datenbegriff

Der Begriff Daten bezeichnet Informationen oder Werte, die in einer rohen oder verarbeiteten Form vorliegen und als Grundlage für Entscheidungen, Berechnungen oder Analysen dienen. Sie können Zahlen, Texte, Bilder, Audiodateien oder andere Formate annehmen und repräsentieren die Bausteine für Wissen, wenn sie in einen Kontext gestellt werden.

Merkmale von Daten

Neutralität: Daten sind zunächst neutrale Informationen ohne Interpretation oder Kontext

Beispiel: "25" ist ein Datenwert, der ohne Kontext keine Bedeutung hat.

Formate: Daten können in verschiedenen Formen vorliegen, z. B. als Zahlen, Buchstaben, Symbole, Bilder, Videos oder Töne.
Verwendung: Daten sind die Grundlage für Analysen, Berechnungen, Berichte und Entscheidungen.
Speicherung: Daten können digital (z. B. in Datenbanken, Dateien) oder analog (z. B. auf Papier) gespeichert werden.
Daten können in unterschiedliche Kategorien eingeteilt werden. Diese Klassifikationen helfen dabei, Daten besser zu verstehen, zu organisieren und zielgerichtet zu verwenden.

Datenklassifikationen

Data clissification

Nach Struktur

Strukturierte Daten

Daten, die einem festen Format oder Schema folgen, z. B. Tabellen mit Spalten und Zeilen.
Beispiele:

Tabellen in einer Datenbank
Excel-Tabellen
Sensorwerte (z. B. Temperatur: 22°C)

Unstrukturierte Daten

Daten ohne einheitliches Format oder Schema.
Beispiele:

Texte in Dokumenten
Bilder, Videos, Audiodateien
E-Mails

Semi-strukturierte Daten

Daten mit einer teilweise festen Struktur, oft durch Tags oder Schlüssel-Wert-Paare organisiert.
Beispiele:

XML- oder JSON-Dateien
Log-Dateien
HTML-Seiten

Nach Herkunft

Primärdaten

Daten, die direkt aus einer Quelle oder Beobachtung erhoben werden.
Beispiele:

Ergebnisse von Umfragen
Rohdaten aus Sensoren
Verkaufsdaten eines Kassensystems

Sekundärdaten

Daten, die bereits verarbeitet oder aus anderen Quellen gesammelt wurden.
Beispiele:

Berichte basierend auf Primärdaten
Daten aus öffentlichen Statistiken
Zusammengefasste Forschungsergebnisse

Nach Repräsentation

Numerische Daten

Daten, die durch Zahlen dargestellt werden.
Beispiele:

Alter (z.B. 25 Jahre)
Temperatur (z.B. 22,5°C)

Kategorische Daten

Daten, die in Gruppen oder Kategorien unterteilt werden können.
Beispiele:

Gender (männlich, weiblich, divers)
Farben (rot, grün, blau)

Textuelle Daten

Daten in Form von Text oder Sprache.
Beispiele:

Blogbeiträge
Kundenbewertungen
Bücher

Multimediale Daten

Daten in Form von Bildern, Videos oder Audiodateien.
Beispiele:

Fotos
Filme
Musikdateien

Nach Zugriffsweise

Statische Daten

Daten, die sich nicht oder selten ändern.
Beispiele:

Archivdaten
Gesetzestexte

Dynamische Daten

Daten, die sich häufig ändern oder in Echtzeit aktualisiert werden.
Beispiele:

Aktienkurse
Verkehrsdaten
Wettervorhersagen

Nach Nutzung

Transaktionale Daten

Daten, die in operativen Prozessen verwendet werden.
Beispiele:

Bestellungen in einem Onlineshop
Banktransaktionen

Analytische Daten

Daten, die für Berichte und Analysen genutzt werden.
Bespiele:

Umsatzstatistiken
Marktanalysen
Nutzerverhalten

Nach Sensitivität

Öffentliche Daten

Daten, die für jedermann zugänglich sind.
Beispiele:

Wetterdaten
Wikipedia-Inhalte

Vertrauliche Daten

Daten mit eingeschränktem Zugriff.
Beispiele:

Unternehmensberichte
Kundenlisten

Persönliche Daten

Daten, die Einzelpersonen betreffen.
Beispiele:

Name, Adresse, Telefonnummer
Gesundheitsdaten

Sensible Daten

Daten, die besonderen Schutz benötigen.
Beispiele:

Passwörter
Bankverbindungen
Militärische Geheimnisse

Nach Speicherform

Lokale Daten

Daten, die auf einem einzelnen Gerät oder Server gespeichert sind.
Beispiele:

Dateien auf einer Festplatte
Lokale Datenbank

Cloud-Daten

Daten, die in einer Cloud-Umgebung gespeichert sind.
Beispiele:

Google Drive-Dokumente
Daten in Amazon Web Services (AWS)