داده خام

داده های خام، که همچنین با عنوان داده های اولیه شناخته می شوند، داده هایی هستند ( به عنوان مثال، اعداد، مقادیر قرائت شده از ابزار، ارقام، و غیره ) که از یک منبع جمع آوری می شوند. اگر یک دانشمند دماسنج کامپیوتری را تنظیم کند که هر دقیقه دمای یک مخلوط شیمیایی را در یک لوله آزمایش ثبت کند، فهرستی از مشاهدات درجه حرارت برای هر دقیقه، به صورتی که در یک صفحه گسترده چاپ شده یا روی صفحه کامپیوتر نمایش داده می شود، «داده های خام» خواهد بود. داده های خام آنهایی هستند که هنوز پردازش و پاکسازی نشده اند و داده های پرت از آنها جدا نشده است یا تحلیل هایی مانند تعیین شاخص های مرکزی مانند میانگین حسابی یا میانه بر روی آنها صورت نگرفته است. همچنین داده های خام بخشی از اطلاعاتی است که هنوز از سوی برنامه نرم افزاری یا محقق، تحلیلگر یا تکنسین انسانی دستکاری نشده است. داده خام یک اصطلاح نسبی است، زیرا هرچند داده های خام «تمیز» شده و توسط یک تیم محققان پردازش شده باشند، باز هم گروه دیگری می تواند این داده های پردازش شده را به عنوان «داده های خام» برای مرحله دیگری از تحقیق در نظر بگیرد. داده های خام را می توان به یک برنامه کامپیوتری وارد کرد یا در مراحل دستی مانند تجزیه و تحلیل آماری از یک نظرسنجی استفاده نمود. اصطلاح «داده های خام» می تواند به داده های باینری در دستگاه های ذخیره سازی الکترونیکی مانند هارد دیسک ( همچنین به عنوان «داده های سطح پایین» اشاره ) اشاره کند.
داده ها به دو روش تهیه یا تولید می شوند. اولین مورد چیزی است که «داده های به دست آمده» نامیده می شود، [ ۱] و از طریق تحقیق یا تحلیلی هدفمند پیدا می شود. گروه دوم، «داده های خروجی»[ ۱] نامیده می شود و معمولاً به وسیله ماشین ها یا پایانه ها به عنوان یک عملکرد ثانویه جمع می شود. برای مثال، دستگاه های ثبت اسکناس، گوشی های هوشمند و سرعت سنج ها کاری اصلی و اختصاصی دارند اما ممکن است داده ها را به عنوان یک کار ثانویه جمع آوری کنند. داده های خروجی معمولاً یا خیلی بزرگند یا کاربرد کمی در پردازش دارند و منتقل یا دور ریخته می شوند. [ ۱]
در محاسبات کامپیوتری، داده های خام ممکن است دارای ویژگی های زیر باشند: ممکن است احتمالاً حاوی خطاهای انسانی، دستگاه یا ابزار باشند و فاقد اعتبار شوند؛ ممکن است در فرمت های مختلف ( تجمعی ) باشند؛ بدون کد و بدون فرمت باشند؛ یا برخی از نوشته ها ممکن است "مشکوک" و نیازمند تأیید یا استناد باشند. به عنوان مثال، یک صفحه ورودی داده ممکن است حاوی تاریخ به عنوان داده های خام در بسیاری از فرمها باشد: "۳۱ ژانویه ۱۹۹۹"، "۳۱/۰۱/۱۹۹۹"، "۳۱/۱/۹۹"، "۳۱ ژانویه"، یا "امروز".