Datarepresentasjon

Datarepresentasjon er måten informasjon blir kodet, lagret og overført mellom systemer og applikasjoner. Den beskriver hvordan fenomener i verden omgjøres til tegn, tall og strukturer som maskiner og mennesker kan bearbeide. En fullstendig forståelse krever at man skiller mellom fysisk representasjon (hvordan data faktisk lagres i minne og på disk som sekvenser av biter), logisk representasjon (datatype og datastrukturer), og semantisk representasjon (meningen og konteksten til dataene).

På lavt nivå brukes bits og bytes, ofte med forskjellige baser og endianness. Hovedtypen representasjon for tall er binær, der heltall vanligvis lagres i to-komplement og flyttallsverdier i IEEE 754-standarder. Dette påvirker nøyaktighet og aritmetiske operasjoner. Tegn og tekst benytter tegnkodinger som ASCII eller Unicode (for eksempel UTF-8), som bestemmer hvordan sekvenser av biter kobles til tegn.

Data kan også presenteres i ulike formater for lagring og overføring. Eksempler på strukturerte formater inkluderer JSON, XML og CSV, mens binary-formater som Parquet, Protobuf og Avro ofte brukes i stordata-sammenhenger. Når data sendes over nettverk eller mellom systemer, kan ekstra koding som Base64 brukes for å sikre kompatibilitet i tekstbaserte kanaler.

Bevisst valg av representasjon påvirker ytelse, presisjon, kompatibilitet og brukervennlighet. Datamodeller og skjemadefinisjoner (for eksempel datatyper og relasjoner i databaser) styrer hvordan dataene innhentes, valideres og konverteres mellom forskjellige formater. Konvertering mellom representasjoner kan innebære avrunding, tap av presisjon ved komprimering eller koding, og behov for normalisering og validering.

Datarepresentasjon er sentralt i mange felt, inkludert datavarehus, maskinlæring og nettverk. Riktig representasjon letter effektiv lagring, rask analyse og pålitelig utveksling mellom systemer, samtidig som det begrenser risikoen for feil som følge av misforståtte eller tapte data.