Nguồn dữ liệu là nơi dữ liệu được lấy từ đâu. Cơ sở dữ liệu, API, tệp nhật ký, cảm biến, khảo sát và hồ sơ công khai đều đóng vai trò là nguồn dữ liệu. Nguồn dữ liệu quyết định cấu trúc, chất lượng và độ tin cậy của dữ liệu. Một cơ sở dữ liệu được bảo trì tốt với các ràng buộc và xác thực sẽ tạo ra dữ liệu sạch hơn so với bảng tính được điền bằng tay. Một cảm biến có sự sai lệch hiệu chuẩn sẽ tạo ra các kết quả đo không chính xác. Một tập dữ liệu công khai có thể không đầy đủ hoặc lỗi thời.

Việc biết rõ nguồn gốc là điều thiết yếu để tin tưởng vào dữ liệu. Dữ liệu đến từ đâu? Ai đã thu thập nó? Khi nào? Bằng cách nào? Phương pháp thu thập là gì? Những dữ liệu nào đã bị loại trừ? Những câu hỏi này quyết định dữ liệu có thể và không thể hỗ trợ điều gì. Dữ liệu từ một cuộc khảo sát 100 người không thể hỗ trợ các tuyên bố về một quần thể hàng triệu người. Dữ liệu từ một hệ thống chỉ ghi lại các giao dịch thành công sẽ bỏ sót các giao dịch thất bại. Dữ liệu từ một nhà cung cấp có thể chính xác cho mục đích của họ nhưng lại sai đối với mục đích của bạn. Nguồn gốc cũng ảnh hưởng đến quy trình xử lý dữ liệu. Một cơ sở dữ liệu với cấu trúc ổn định dễ tích hợp hơn một trang web thay đổi HTML mỗi tháng. Một API có giới hạn tốc độ sẽ hạn chế lượng dữ liệu bạn có thể truy xuất. Một tập tin được gửi thủ công dễ bị chậm trễ và lỗi. Nguồn gốc là nền tảng. Một nền tảng yếu sẽ làm suy yếu mọi thứ được xây dựng trên đó.

Nguồn dữ liệu phổ biến

• Cơ sở dữ liệu — các bản ghi có cấu trúc từ các ứng dụng
• API — truy cập lập trình vào các hệ thống bên ngoài
• Tệp nhật ký — các sự kiện hệ thống và ứng dụng
• Cảm biến — các phép đo vật lý liên tục
• Khảo sát — những phản hồi có cấu trúc từ mọi người
• Hồ sơ công khai — các bộ dữ liệu của chính phủ và các bộ dữ liệu mở

Trước khi tin tưởng vào dữ liệu, hãy hiểu rõ nguồn gốc của nó. Câu trả lời thường tiết lộ nhiều điều hơn chính dữ liệu.