Datenmenge

Datenmenge bezeichnet im Allgemeinen die Menge an Daten, die in einer bestimmten Quelle oder über einen Zeitraum hinweg erzeugt, gesammelt oder gespeichert wird. Die Datenmenge wird üblicherweise in Byte-Einheiten ausgedrückt, zum Beispiel Bytes, Kilobyte, Megabyte, Gigabyte oder Terabyte. In der Praxis wird der Begriff oft als Synonym für die Größe eines Datensatzes verwendet.

Ein Datensatz (Dataset) ist dagegen eine strukturierte oder semi- bzw. unstrukturiert zusammengesetzte Sammlung von Daten, die typischerweise einem gemeinsamen Thema oder einer gemeinsamen Messgröße zugeordnet ist. Datensätze dienen in der Regel der Analyse, dem Training von Modellen oder der Berichterstattung. Es gibt strukturierte Datensätze (Tabellen mit Spalten und Zeilen), semi-strukturierte Datensätze (JSON, XML) und unstrukturierte Datensätze (Text, Bilder, Audio).

Datenmenge bzw. Datensatz weisen unterschiedliche Merkmale auf, darunter Aufbau, Formate und Metadaten. Wichtige Kategorien sind Schema, Datenformate (CSV, JSON, Parquet, relationale Tabellen), sowie Qualitätseigenschaften wie Vollständigkeit, Korrektheit und Konsistenz. Die Größe einer Datenmenge wirkt sich auf Speicherung, Verarbeitung und Abfragen aus und beeinflusst oft Entscheidungen zu Infrastruktur und Arbeitsabläufen.

Anwendungsgebiete umfassen Statistik, wissenschaftliche Forschung, maschinelles Lernen und Business-Intelligence. Datensätze dienen als Trainings- oder Testdaten, Ausgangspunkt für Analysen oder Berichte. Rechtliche und organisatorische Aspekte, wie Datenschutz, Urheberrecht und Datenherkunft (Provenance), sind bei der Erhebung, Speicherung und Nutzung von Datenmengen ebenfalls zu berücksichtigen.