Datamängd är ett begrepp som används för att beskriva en avgränsad samling av information eller data som ofta är strukturerad för ett specifikt ändamål, såsom analys, bearbetning eller lagring. Inom datavetenskap, statistik och modern informationshantering refererar ordet både till den faktiska volymen av information och till den specifika enhet eller det register där informationen finns samlad.
Vad betyder datamängd?
Beroende på sammanhanget kan datamängd delas upp i olika betydelsekluster som betonar antingen den tekniska strukturen eller den kvantitativa aspekten.
Strukturerade samlingar och register
- Dataset (ofta använt inom forskning och programmering)
- Datapool
- Informationsmängd
- Register
- Databas (i vissa sammanhang som synonym för innehållet)
- Material
Volym och kvantitet
- Datavolym
- Informationsmassa
- Dataström (när det rör sig om kontinuerlig överföring)
- Informationsflöde
Motsatsord till datamängd
Eftersom datamängd representerar en ansamling av information, rör sig motsatsorden ofta kring avsaknad av data eller den minsta möjliga enheten av information.
- Datapunkt (den enskilda enheten i en mängd)
- Tomrum
- Informationsbrist
- Nollvärde
Hur används ordet datamängd?
Ordet är centralt i det digitala samhället och används flitigt inom allt från myndighetsrapportering till avancerad AI-utveckling. Här är några exempel på hur ordet används i modern svenska:
- “Forskarlaget analyserade en enorm datamängd för att kunna förutse klimatförändringarnas effekter.”
- “För att träna den nya språkmodellen krävdes en varierad och kvalitetssäkrad datamängd.”
- “Myndigheten har tillgängliggjort en öppen datamängd som visar statistik över kollektivtrafikens punktlighet.”
- “Vid migrering till det nya systemet upptäcktes dubbletter i den befintliga datamängden.”
Uttryck och ordspråk relaterade till datamängd
Inom IT-sektorn och statistik finns flera fasta uttryck där datamängd spelar en central roll:
- Stora datamängder: En svensk översättning av det engelska begreppet “Big Data”, vilket syftar på data som är så komplex eller omfattande att den kräver speciella metoder för bearbetning.
- Strukturerad datamängd: Data som är organiserad enligt en fördefinierad modell, till exempel i tabeller.
- Öppna datamängder: Digital information som görs tillgänglig för allmänheten att använda och sprida vidare utan restriktioner.
Nyanser och skillnader
Det är viktigt att skilja på datamängd och närliggande begrepp som databas eller dataset. En databas är själva systemet eller behållaren där informationen lagras, medan en datamängd är det faktiska innehållet eller en specifik utplockad del av detta innehåll.
I akademiska sammanhang föredras ofta ordet dataset (vilket är ett etablerat lånord i svenskan) när man talar om en specifik fil eller tabell som används i en studie. Datamängd är ett bredare och mer generellt svenskt ord som passar bättre i formella rapporter, myndighetstexter och allmänna beskrivningar av informationsvolymer.
Böjningar och grammatik
Datamängd är ett substantiv som tillhör den andra deklinationen (en-ord).
- Singular obestämd: En datamängd
- Singular bestämd: Datamängden
- Plural obestämd: Datamängder
- Plural bestämd: Datamängderna
Etymologi och historik
Ordet datamängd är en sammansättning av “data” och “mängd”. Ordet “data” är pluralformen av det latinska datum, som betyder “något givet”. I svenskan började “data” användas i datortekniska sammanhang under mitten av 1900-talet. Efterledet “mängd” har rötter i fornsvenskans mängdh och germanska språk, med betydelsen av en stor skara eller en obestämd kvantitet. Sammansättningen har blivit allt vanligare i takt med digitaliseringen och behovet av att kategorisera stora mängder digital information.
Vanliga frågor om datamängd
Vad är skillnaden mellan datamängd och information?
Data betraktas ofta som råmaterialet (siffror, tecken, signaler), medan information är data som har satts i ett sammanhang och blivit begriplig för en mottagare. En datamängd är alltså samlingen av råmaterialet.
Kan man använda ordet dataset istället för datamängd?
Ja, i tekniska och vetenskapliga sammanhang är “dataset” mycket vanligt och fungerar ofta som en direkt synonym, men i vårdad svensk sakprosa rekommenderas ofta “datamängd”.
Vad menas med en “ren” datamängd?
Det innebär att datamängden har genomgått en process där felaktigheter, dubbletter och ofullständiga poster har tagits bort för att säkerställa att analysresultaten blir korrekta.
Engelsk översättning
- Dataset (specifik samling)
- Data volume (mängd i termer av storlek)
- Data set (alternativ stavning)
- Amount of data