डेटासेट संबंधित डेटा बिंदुओं का एक संग्रह है जिसे विश्लेषण के लिए व्यवस्थित किया जाता है। यह एक एकल तालिका, फ़ाइलों का एक समूह या डेटाबेस से लिया गया डेटा हो सकता है। डेटासेट का एक उद्देश्य होता है। आइरिस डेटासेट में फूलों की पंखुड़ियों और बाह्यदलों के माप होते हैं, जिनका उपयोग वर्गीकरण सिखाने के लिए किया जाता है। एमएनआईएसटी डेटासेट में हस्तलिखित अंक होते हैं, जिनका उपयोग छवि पहचान के बेंचमार्क के लिए किया जाता है। किसी कंपनी के बिक्री डेटासेट में लेन-देन होते हैं, जिनका उपयोग राजस्व का पूर्वानुमान लगाने के लिए किया जाता है। डेटासेट विश्लेषण की सीमाओं को परिभाषित करता है।

डेटासेट आकार, गुणवत्ता और संरचना में व्यापक रूप से भिन्न होते हैं। कुछ इतने छोटे होते हैं कि उन्हें स्प्रेडशीट में खोला जा सकता है। अन्य वितरित स्टोरेज में कई पेटबाइट्स तक फैले होते हैं। कुछ को सावधानीपूर्वक संकलित किया जाता है और उनके स्रोत का दस्तावेजीकरण किया जाता है। अन्य को वेब से स्क्रैप किया जाता है, जिनकी विश्वसनीयता अज्ञात होती है। डेटासेट की गुणवत्ता उस पर आधारित विश्लेषण की गुणवत्ता निर्धारित करती है। गुम मान, पक्षपातपूर्ण नमूनाकरण या असंगत लेबलिंग वाले डेटासेट अविश्वसनीय परिणाम देते हैं। डेटासेट का उपयोग करने से पहले, उसकी जांच करें। स्रोत क्या है? इसे कैसे एकत्र किया गया? समयावधि क्या है? इसमें क्या कमी है? ज्ञात सीमाएँ क्या हैं? ये प्रश्न अनिवार्य हैं। ये निर्धारित करते हैं कि डेटा क्या समर्थन कर सकता है। एक विश्लेषण के लिए उपयुक्त डेटासेट दूसरे के लिए अनुपयुक्त हो सकता है। डेटा अपनी सीमाओं को नहीं जानता। विश्लेषक को जानना चाहिए।

डेटासेट की विशेषताएं

• आकार — रिकॉर्ड और विशेषताओं की संख्या
• संरचना — सारणीबद्ध, पदानुक्रमित या असंरचित
• गुणवत्ता — सटीकता, पूर्णता, निरंतरता
• उत्पत्ति — यह कहाँ से आया और कैसे
• लाइसेंस — उपयोग और पुनर्वितरण की शर्तें

डेटासेट दुनिया का एक स्नैपशॉट होता है। स्नैपशॉट का एक फ्रेम होता है। फ्रेम को समझना डेटा को समझने का एक हिस्सा है।