Datamängdens

Datamängdens är den svenska genitifsformen av ordet datamängd och används för att ange ägande eller tillhörighet relaterad till en specifik samling data. I praktiska termer refererar uttrycket ofta till egenskaper eller attribut hos en viss dataset, till exempel "datamängdens storlek", "datamängdens kvalitet" eller "datamängdens ursprung".

En datamängd i sig är en organiserad samling av relaterade dataposter som kan ha strukturerad, semistrukturerad eller ostrukturerad form. Den består vanligen av dataelement, fält och metadata som beskriver innehåll, format och kontext. Datamängder används inom statistik, databashantering, maskininlärning och beslutsfattande.

Begrepp som ofta kopplas till datamängdens omfattar datakvalitet (noggrannhet, kompletthet, konsistens), dataintegritet, säkerhet, anonymisering, och spårbarhet. Hantering av datamängdens metadata och provenance är centralt för att bedöma dess lämplighet för analys och återanvändning. Storleken kan variera från några rader i en tabell till stora distribuerade arkiv med petabytevolymer.

I språkbruket förekommer även andra former: datamängd (obestämd singular), datamängden (bestämd singular), datamängder (obestämd plural) och datamängdernas (bestämd plural genitiv). Att klart ange vilken datamängd som avses och dess egenskaper underlättar kommunikation kring datakvalitet, rättigheter och ansvar vid forskning och verksamhetsutveckling.