一、原始数据 1. 业务数据 - 交易数据：包括每一笔商业交易的详细信息，如交易时间、交易金额、交易方式（现金、信用卡、电子支付等）、交易双方信息等。在金融领域，银行的每一笔转账、汇款记录都属于此类，对于分析资金流向和客户交易习惯至关重要。 - 财务数据：涵盖企业的财务报表数据，如资产负债表（资产、负债、所有者权益的具体数值）、利润表（收入、成本、利润等项目）、现金流量表（经营、投资、筹资活动的现金流量情况）。这些数据是评估企业财务状况和经营成果的关键依据。 - 合同数据：企业签订的各类合同信息，包括合同编号、合同类型（采购合同、销售合同、租赁合同等）、合同金额、合同期限、条款内容等。在法律合规和业务执行监督方面有重要作用。 - 生产运营数据：生产型企业的生产计划、生产流程中的数据，如生产批次、生产工艺参数（温度、压力、时间等设定值和实际值）、生产人员信息、生产设备使用记录等。有助于优化生产流程、提高生产效率和质量控制。 2. 用户数据 - 身份认证数据：除了基本信息外，还包括用户身份验证相关的数据，如身份证号码、护照号码、指纹信息、面部识别数据等，用于确保用户身份的真实性和安全性，在金融、安防等领域广泛应用。 - 社交关系数据：用户在社交平台上的好友关系、关注列表、群组信息等。这些数据可用于社交网络分析，了解用户的社交圈子和信息传播路径，对社交平台的运营和精准营销有重要意义。 - 用户反馈数据：用户对产品或服务的评价、投诉、建议等文本信息。通过自然语言处理技术分析这些数据，可以发现产品或服务的改进点，提高用户满意度。 - 地理位置数据：通过用户设备获取的位置信息，如 GPS 坐标、用户常出没的地点（家庭住址、工作地点等）。对于基于位置的服务（LBS）企业，如外卖平台、出行服务平台，可用于优化配送路线、推荐周边服务等。 3. 设备数据 - 物联网传感器数据：各类传感器收集的丰富数据，如环境传感器（空气质量传感器检测的 PM2.5、PM10 浓度，气象传感器收集的风速、风向、降雨量等）、医疗传感器（心率、血压、血氧等生命体征数据）、农业传感器（土壤湿度、肥力、酸碱度等数据）。这些数据为相应领域的监测和决策提供依据。 - 工业设备监控数据：除了运行状态和故障信息外，还包括设备的振动数据、噪声数据、润滑系统数据等。通过对这些数据的分析，可以实现设备的故障预测性维护，降低设备故障率和维修成本。 - 网络设备数据：如路由器、交换机等网络设备的流量数据、连接数、丢包率、延迟等。网络服务提供商可根据这些数据优化网络配置，保障网络服务质量。 二、衍生数据 1. 统计数据 - 时间序列统计数据：对随时间变化的数据进行统计分析，如按小时、天、周、月、年统计的销售额、用户访问量等。可以发现数据的周期性规律和趋势变化，用于市场预测和资源调配。 - 分组统计数据：将数据按照特定的属性进行分组后统计，如按地区统计的用户数量、按年龄段统计的消费金额等。有助于了解不同群体的特征和差异，为市场细分和差异化营销提供支持。 - 交叉统计数据：同时考虑两个或多个维度对数据进行统计，如按性别和年龄段交叉统计的产品购买偏好。这种数据能更深入地挖掘数据之间的关系，为精准营销策略制定提供更丰富的信息。 2. 指标数据 - 业务流程指标：针对特定业务流程设定的指标，如订单处理流程中的订单平均处理时间、订单处理准确率等。可用于评估业务流程的效率和质量，发现流程中的瓶颈环节并进行优化。 - 市场竞争指标：包括市场占有率、竞争对手分析指标（如竞争对手的市场份额变化、产品价格比较等）。帮助企业了解自身在市场中的地位和竞争态势，制定相应的竞争策略。 - 创新能力指标：如新产品研发投入占比、专利申请数量、新技术应用比例等。衡量企业的创新能力和发展潜力，对企业的长期发展战略有指导意义。 3. 模型数据 - 回归模型数据：在回归分析中，除了预测结果外，还包括模型的系数、拟合优度（R² 值）、残差分析等数据。这些数据可用于评估模型的准确性和可靠性，以及分析变量之间的关系强度。 - 聚类模型数据：聚类结果中的类别标签、各类别的中心坐标、类别内的样本数量等。通过聚类模型数据可以了解数据的分布模式，发现潜在的客户群体或数据模式。 - 深度学习模型数据：神经网络的权重参数、梯度信息、训练过程中的损失函数值变化等。对于优化深度学习模型的性能、防止过拟合等有重要作用。 三、数据元数据 1. 数据定义 - 数据语义定义：详细解释数据所代表的概念和含义，包括数据在特定业务场景中的语义解释。例如，在医疗数据中，“糖化血红蛋白”这一数据项的语义定义为反映患者过去 2 - 3 个月平均血糖水平的指标，其数值范围和不同数值对应的临床意义都需要明确。 - 数据编码定义：如果数据存在编码形式，需说明编码规则。如国际疾病分类编码（ICD 编码）用于对疾病进行分类和编码，每个编码都对应特定的疾病类别和诊断信息，其编码体系和更新规则都属于数据编码定义的范畴。 2. 数据来源 - 内部系统来源详情：对于来自内部系统的数据，需要明确是哪个具体的业务系统产生的，如企业资源规划（ERP）系统的某个模块、客户关系管理（CRM）系统中的特定功能。同时，要说明数据在系统中的生成逻辑和更新频率。 - 外部数据供应商信息：如果数据来自外部供应商，要记录供应商的名称、资质、数据采集方法和数据质量保证措施。例如，市场研究机构提供的行业报告数据，需要了解其数据采集的样本范围、调查方法以及数据的准确性和可靠性评估方法。 3. 数据关系 - 数据层次关系：在复杂的数据体系中，数据可能存在层次结构。如在企业数据仓库中，数据可能按照部门、业务领域、时间等维度分层存储，需要明确各层次数据之间的包含关系和汇总逻辑。 - 数据依赖关系：某些数据的存在或有效性依赖于其他数据。例如，在金融风险管理中，信用风险评估数据依赖于客户的财务数据、信用历史数据等，这种依赖关系需要清晰界定，以确保数据的完整性和一致性。