Zdroj dat je místo, odkud data pocházejí. Databáze, API, soubory protokolů, senzory, průzkumy a veřejné záznamy slouží jako zdroje. Zdroj určuje strukturu, kvalitu a spolehlivost dat. Dobře udržovaná databáze s omezeními a validací produkuje čistší data než ručně vyplňovaná tabulka. Senzor s kalibračním driftem produkuje zkreslené hodnoty. Veřejná datová sada může být neúplná nebo zastaralá.

Znalost zdroje je nezbytná pro důvěryhodnost dat. Odkud data pocházejí? Kdo je shromáždil? Kdy? Jak? Jaká byla metoda? Co bylo vyloučeno? Tyto otázky určují, co data mohou a nemohou podporovat. Data z průzkumu mezi 100 lidmi nemohou podporovat tvrzení o populaci milionů lidí. Data ze systému, který zaznamenává pouze úspěšné transakce, nezahrnují selhání. Data od dodavatele mohou být pro jeho účely přesná a pro vaše nesprávná. Zdroj také ovlivňuje proces načítání dat. Databáze se stabilním schématem se snáze integruje než webová stránka, která každý měsíc mění svůj HTML kód. API s limity rychlosti omezuje množství dat, která můžete načíst. Soubor, který přichází ručně, je náchylný ke zpoždění a chybám. Zdroj je základem. Slabý základ podkopává vše, co je na něm postaveno.

Běžné zdroje dat

• Databáze — strukturované záznamy z aplikací
• API – programový přístup k externím systémům
• Soubory protokolů – události systému a aplikací
• Senzory – kontinuální fyzikální měření
• Průzkumy – strukturované odpovědi od lidí
• Veřejné záznamy – vládní a otevřené datové sady

Než začnete důvěřovat datům, zjistěte zdroj. Odpovědi často vypovídají více než samotná data.