datensätzen

Datensatz ist der grundlegende Baustein in Informationssystemen. Es handelt sich um eine einzelne Einheit von Informationen, die aus Feldern (Eigenschaften) und zugehörigen Werten besteht und eine Entität beschreibt, wie z. B. eine Person oder ein Messwert. Die Pluralform Datensätze bezeichnet mehrere solcher Einheiten. Eine Menge von Datensätzen, die dasselbe Schema besitzt, wird oft als Dataset bezeichnet.

Aufbau und Repräsentation: In relationalen Datenbanken entspricht ein Datensatz einer Zeile in einer Tabelle, wobei Spalten die Felder repräsentieren. In flachen Dateien wie CSV repräsentieren Zeilen einzelne Datensätze; in JSON- oder XML-Strukturen erscheinen Datensätze als Objekte oder Knoten innerhalb eines Arrays oder Elements. Die Qualität und Nutzbarkeit eines Datensatzes hängt stark von der Genauigkeit, Vollständigkeit, Konsistenz und Aktualität der Werte ab.

Verwendung: Datensätze dienen der Beschreibung von realen Phänomenen, der statistischen Analyse, dem maschinellen Lernen oder der Berichterstattung. Große Sammlungen von Datensätzen ermöglichen Mustererkennung, Modellierung und Entscheidungsunterstützung.

Metadaten und Governance: Datensätze werden von Metadaten begleitet, wie Schema, Datentypen, Einheiten, Ursprung, Erstellungs- und Änderungszeit, Berechtigungen. Datenqualität, Validierung, Duplikatentfernung und Versionierung sind gängige Praxisbestandteile.

Privatsphäre und rechtliche Aspekte: Bei personenbezogenen Datensätzen gelten Datenschutzbestimmungen, Prinzipien wie Datenminimierung, Anonymisierung oder Pseudonymisierung sowie Zugriffskontrollen.

Lebenszyklus und Interoperabilität: Datensätze entstehen, werden aktualisiert, gespeichert, gesichert, archiviert oder gelöscht. Standardisierte Formate (CSV, JSON, XML, Parquet) und Metadaten erleichtern Austausch und Wiederverwendung über Systeme hinweg.