¿Qué es Datos?

Según Oxford , “Los datos son piezas distintas de información, generalmente formateadas de una manera especial”.
Los datos se miden, recopilan, notifican y analizan, luego de lo cual a menudo se visualizan mediante gráficos, imágenes u otras herramientas de análisis. Los datos sin procesar («datos no procesados») pueden ser una colección de números o caracteres antes de que los investigadores los «limpien» y corrijan. Debe corregirse para que podamos eliminar valores atípicos, instrumentos o errores de entrada de datos. El procesamiento de datos comúnmente ocurre por etapas y, por lo tanto, los «datos procesados» de una etapa también podrían considerarse los «datos sin procesar» de la etapa siguiente. Los datos de campo son datos que se recopilan en un entorno «in situ» no controlado. Los datos experimentales son los datos que se generan dentro de la observación de investigaciones científicas.

Los datos pueden ser generados por:

• humanos
• Máquinas
• Combinaciones Hombre-Máquina.

A menudo se puede generar en cualquier lugar donde se genere y almacene información en formatos estructurados o no estructurados.

¿Por qué los datos son importantes?

• Los datos ayudan a tomar mejores decisiones.
• Los datos ayudan a resolver problemas al encontrar la razón del bajo rendimiento.
• Los datos ayudan a evaluar el desempeño.
• Los datos ayudan a mejorar los procesos.
• Los datos ayudan a comprender a los consumidores y al mercado.

Tipos de datos:
en general, los datos se pueden clasificar en dos partes:

1. Datos Categóricos:
   En los datos categóricos vemos los datos que tienen una categoría definida, por ejemplo:
   • Estado civil
   • Partido político
   • Color de ojos
2. Datos numéricos:
   los datos numéricos se pueden clasificar en dos categorías:
   • Datos discretos:
     Los datos discretos contienen los datos que tienen valores numéricos discretos, por ejemplo, Número de niños, Defectos por hora, etc.
   • Datos continuos:
     los datos continuos contienen datos que tienen valores numéricos continuos, por ejemplo, peso, voltaje, etc.

En el nivel avanzado, podemos clasificar aún más los datos en cuatro partes:

1. Escala nominal:
   una escala nominal clasifica los datos en varias categorías distintas en las que no está implícito ningún criterio de clasificación. Por ejemplo Género, Estado Civil.
2. Escala ordinaria:
   una escala ordinal clasifica los datos en distintas categorías durante las cuales está implícita la clasificación. Por ejemplo:
   • Rango de la facultad: Profesor, Profesor Asociado, Profesor Asistente
   • Grado de los estudiantes: A, B, C, DEF
3. Escala de intervalo:
   una escala de intervalo puede ser una escala ordenada durante la cual la diferencia entre las medidas es una cantidad significativa pero las medidas no tienen un punto cero verdadero. Por ejemplo:
   • Temperatura en Fahrenheit y Celsius.
   • Años
4. Escala de razón:
   una escala de razón puede ser una escala ordenada en la que la diferencia entre las medidas es una cantidad significativa y, por lo tanto, las medidas tienen un verdadero punto cero. Por lo tanto, podemos realizar operaciones aritméticas en datos a escala real. Por ejemplo: peso, edad, salario, etc.