datatiedostosta

Datatiedosto on tiedosto, joka sisältää dataa tietokoneohjelmien käsittelyä tai lukemista varten. Datatiedosto voi olla teksti- tai binäärimuodossa, ja sen sisällön tulkinta riippuu tiedostotyypistä sekä mahdollisesta skeemasta tai metadatasta.

Yleisimpiä tekstitiedostomuotoja ovat CSV, JSON, XML ja YAML. Binäärimuotoiset tiedostot kattavat esimerkiksi Excel-työkalut (.xlsx), kuvat, äänitiedostot sekä tutkittavien aineistojen muotoja kuten HDF5, NetCDF ja Parquet. Osa muodoista on itse kuvaavia (kuten JSON ja XML), toiset tarvitsevat erillisen skeeman tai dokumentaation.

Datatiedostoilla on rakennetta: tekstitiedostoissa rivien ja kenttien järjestys sekä mahdolliset erottimet, binääritiedostoissa tavu- ja bittijärjestys. Tekstitiedostoissa käytetään koodausta kuten UTF-8 ja erilaisia rivin- ja tiedostonmerkintätapoja; yhteensopivuutta helpottavat selkeät standardit ja dokumentaatio.

Käyttötarkoituksia ovat tiedon tallentaminen, siirtäminen ja yhteiskäyttö ohjelmien tai analyysien välillä. Tiedostot voivat olla väliaikaisia tai pysyviä varastoja. Lukuun ja kirjoitukseen liittyvät työkalut ovat monipuolisia: ohjelmointikielet tarjoavat kirjastoja kuten Pythonin csv- ja json-moduulit, Javan tiedosto-IO sekä R:n ja C/C++-kirjastot.

Ylläpito ja turvallisuus: säännölliset varmuuskopiot, tiedostojen eheys tarkistuksineen sekä käyttöoikeudet. Arkaluonteisen datan kohdalla on huomioitava salaus, turvallinen siirto ja sovellettavat tietosuoja­säännökset.