Действительно ли информацией является подмножество данных?

Слова данные , информация и знание являются концепциями, основанными на ценностях, которые используются для категоризации субъективным образом , общего «краткость» и «полезность» определенного набора информации.
Эти слова не имеют точного значения , потому что они относятся к основной цели и методологии обработки информации; В области теории информации они вообще не имеют значения, потому что все три - одно и то же: совокупность «информации» (в теоретико-информационном смысле).
Тем не менее, они полезны, в контексте , для резюмирования общей природы набора информации, как в общих чертах поясняется ниже.

Информация получается (или иногда индуцируется) из данных, но она может быть богаче, а также более чистой (посредством чего некоторые значения были исправлены) и «более простой» (посредством чего некоторые нерелевантные данные были удалены. ). Таким образом, в смысле теории множеств, Информация - это не подмножество данных , а отдельный набор [который обычно частично пересекается с данными, но также может иметь элементы свой].

Знание (иногда называемое инсайт ) - это еще один уровень выше, он основан на информации и тоже не является подмножеством информации [теории множеств]. Действительно, Знание обычно не имеет прямой ссылки на элементы информации, а скорее рассказывает «метаисторию» об информации / данных.

Необоснованная идея о том, что по цепочке Данные -> Информация -> Знания более высокие уровни являются подмножествами более низких, вероятно, проистекает из того факта, что [обычно] происходит сокращение объема информации [IT sense]. Но качественно эта информация отличается, следовательно, нет реальной связи между подмножествами [теории множеств].

Пример :

• Исходные данные фондовой биржи с Уолл-стрит - это ... Данные
  «Море данных»! Кому-то сложно напрямую найти то, что ему нужно, из этих данных. Возможно, эти данные необходимо нормализовать. Например, информация о цене иногда может быть выражена в текстовой строке с точностью до 1/32 доллара, в других случаях цены могут быть представлены как истинное двоичное целое число с точностью до 1/8 доллара. Также поле, в котором указывается, например, идентификатор покупателя или идентификатор продавца, может содержать опечатки и, следовательно, указывать на неправильного продавца / покупателя. и т. д.

• Электронная таблица, созданная на основе вышеизложенного, является ... Информация
  К данным применялись различные процессы:
  -очистка / корректировка различных значений
  {{1 }} -кросс-ссылки (например, поиск связанных кодов, таких как добавление столбца для отображения фактического имени человека / компании рядом со столбцом идентификатора покупателя)
  -слияние при дублировании записей, относящихся к одни и те же события (но, скажем, из разных источников) используются для подтверждения друг друга, но также объединяются в одной записи.
  -агрегирование: например, вычисление суммы всей стоимости транзакции для данной акции (вместо отображения всех отдельных транзакций.
  Все это (и некоторые другие) превратили данные в информацию, то есть в совокупность [IT-смысла] информации, которую легко использовать, где можно быстро найти некоторые "данные", например, например, Открытие и коэффициент закрытия акций IBM на 8 июня 2009 г.
  Обратите внимание, что, хотя он более удобен в использовании, отчасти более точен / точен, а также сводится к минимуму, реальной информации [по мнению ИТ] нет. в них, которые не могут быть обнаружены или вычислены из оригинала относительно простыми (хотя бы кропотливыми) процессами.

• Отчет финансового аналитика может содержать ... информацию
  Например, если в отчете указано [фиктивный пример], что всякий раз, когда цена на нефть превышает определенный порог, стоимость золота начинает снижаться, но затем снова быстро подскакивает, примерно в то же время цены на кофе и чай стабилизируются. Это конкретное понимание составляет знание. Это знание могло быть скрыто в одних только данных все время, но стало очевидным только тогда, когда кто-то применил какой-то модный статистический анализ и / или потребовал помощи человека-эксперта, чтобы найти или подтвердить такие закономерности.

Между прочим, в смысле слова «информация» в теории информации «данные», «информация» и «знание» содержат информацию [в смысле ИТ].
Можно было бы пойти по скользкой дорожке, заявив, что «По мере того, как мы поднимаемся вверх по цепочке, энтропия уменьшается», но это верно лишь отчасти, потому что

• уменьшение энтропии напрямую или систематически не связано с "полезность для человека"
  (типичный пример: сжатый текстовый файл имеет меньшую энтропию, но его читать неинтересно)
• фактически происходит потеря информации (в дополнение к потере энтропии)
  (например, когда данные являются агрегированными, информация [IT sense] об отдельных записях теряется)
• есть, в частности, в случае Информация -> Знание, изменение уровня абстракции

Заключительный момент (если я еще не запутал всех ...)заключается в том, что цепочка данные-> информация-> знание эффективно относительно предполагаемого использования / цели информации [IT-sense].
ewernli в комментарии ниже приводит пример проверки орфографии, т.е. когда основное внимание уделяется английской орфографии, наиболее проницательная статья гения Уоллстрита представляет собой просто строку слов, фактически «сырые данные», некоторые нуждаются в доработке (по цепочке целей орфографии.
Точно так же лингвист, использующий тысячи газетных статей, которые обычно (мы можем надеяться ...) содержат по крайней мере некоторые идеи / знания (в общий смысл), может просто считать эти статьи необработанными данными, которые помогут ему / ей автоматически создать франко-немецкий лексикон (это будет информация), и в процессе работы над проектом он может обнаружить систематический семантический сдвиг в использовании общие слова между двумя языками и, следовательно, позволяют лучше понять различные культуры.