O sursă de date este sursa de proveniență a datelor. Bazele de date, API-urile, fișierele jurnal, senzorii, sondajele și înregistrările publice servesc toate drept surse. Sursa determină structura, calitatea și fiabilitatea datelor. O bază de date bine întreținută, cu constrângeri și validare, produce date mai curate decât o foaie de calcul completată manual. Un senzor cu abatere de calibrare produce citiri distorsionate. Un set de date public poate fi incomplet sau învechit.

Cunoașterea sursei este esențială pentru a avea încredere în date. De unde au provenit? Cine le-a colectat? Când? Cum? Care a fost metoda? Ce a fost exclus? Aceste întrebări determină ce pot și ce nu pot susține datele. Datele dintr-un sondaj realizat pe 100 de persoane nu pot susține afirmații despre o populație de milioane de oameni. Datele dintr-un sistem care înregistrează doar tranzacțiile reușite omit erorile. Datele de la un furnizor pot fi corecte pentru scopurile sale și greșite pentru scopurile tale. Sursa afectează, de asemenea, fluxul de lucru. O bază de date cu o schemă stabilă este mai ușor de integrat decât un site web care își schimbă codul HTML în fiecare lună. O API cu limite de rată restricționează cantitatea de date pe care o poți extrage. Un fișier care sosește manual este predispus la întârzieri și erori. Sursa este fundația. O fundație slabă subminează tot ceea ce este construit deasupra ei.

Surse de date comune

• Baze de date — înregistrări structurate din aplicații
• API-uri — acces programatic la sisteme externe
• Fișiere jurnal — evenimente de sistem și aplicații
• Senzori — măsurători fizice continue
• Sondaje — răspunsuri structurate din partea oamenilor
• Înregistrări publice — seturi de date guvernamentale și deschise

Înainte de a avea încredere în date, înțelegeți sursa. Răspunsurile sunt adesea mai revelatoare decât datele în sine.