데이터는 기록하고 처리할 수 있는 값이나 자료를 가리킨다. 숫자와 문자뿐 아니라 이미지와 소리도 컴퓨터가 다룰 수 있는 형태로 표현된다. 측정값, 사람이 입력한 설명, 프로그램이 만든 결과가 모두 데이터가 될 수 있으므로 데이터라는 이름만으로 사실임이 보장되지는 않는다.
작품 목록을 만든다고 생각해보자. 제목, 제작자, 연도, 크기를 나누어 적으면 대상을 찾고 비교할 수 있다. 다만 ‘2020’이라는 숫자만으로 제작 연도인지 전시 연도인지 알 수는 없다. 단위와 항목 이름, 확인한 자료를 함께 적는 메타데이터가 해석을 돕는다. 같은 숫자의 다른 설명도 목록의 일부다.
- 데이터베이스는 자료를 저장하고 찾아 쓰는 한 방법이다. 작은 목록은 텍스트 파일이나 표로 시작할 수도 있다.
- 정보로 읽히는 방식은 질문과 맥락에 따라 달라진다. 컴퓨터가 계산을 마쳤다고 자료의 오류나 해석의 문제가 저절로 해결되지는 않는다.
- 무엇을 모으고 무엇을 빼는지도 선택이다. 기계 학습에 쓰는 자료라면 데이터셋 설명서로 목적과 구성, 권장 용도를 남길 수 있다.
수집 기준의 기록에는 남긴 자료뿐 아니라 모으지 않은 범위도 적는다.