Vs discrets. Données continues : quelle est la différence ?

Quel que soit votre secteur d'activité, il y a de fortes chances que vous vous appuyiez sur des données pour faire votre travail. Cependant, l'idée de données peut prêter à confusion, de la manière dont vous devez les stocker à la nature réelle des données. De plus, il existe de nombreux types de données. Un exemple important est celui des données discrètes et des données continues. Comprendre la différence entre les types de données discrets et continus peut faire une grande différence dans votre entreprise, car cela peut vous permettre de comprendre quand l'utilisation de certains types de données est appropriée. Cela peut également vous aider à mieux trouver les outils appropriés pour mesurer la différence entre les deux formes de données.

Les données discrètes sont des données que vous pouvez voir et définir définitivement. Il peut s'agir d'entiers positifs ou de caractéristiques oui/non. D'une manière générale, cela rend les données discrètes relativement faciles à définir et à mesurer. Des données discrètes peuvent être vues et facilement déterminées. Cela signifie également qu'il ne peut pas occuper un nombre infini de possibilités. Au lieu de cela, il peut occuper l'un d'une série de nombres sur une plage.

Exemples de données discrètes

Les données discrètes sont définies comme un nombre réel. Cela signifie que vous pourrez facilement le déterminer et le mesurer. Ceci comprend:

• La couleur d'un élément.
• Le nombre de personnes qui ont acheté un produit.
• Niveaux de salaire ou revenus générés par une entreprise.
• Un cours de bourse.

La chose la plus importante à garder à l'esprit lorsqu'il s'agit de données discrètes est qu'elles ne peuvent pas occuper un nombre infini de possibilités. Une donnée discrète est un nombre qui implique une valeur limitée. Disons que vous mesurez le chiffre d'affaires d'une entreprise. En théorie, cette mesure pourrait représenter un billion de dollars, mais une telle mesure reste une donnée discrète. En effet, il ne pouvait occuper qu'un nombre défini de possibilités. Cela signifie qu'il pourrait être de 1 $, 1,01 $, 1,02 $, etc. Il ne pourrait pas être de 1,024798 $.

Une autre façon de penser aux données discrètes est de les considérer comme des données dans lesquelles seules certaines valeurs sont possibles. Cela signifie que les données discrètes impliquent uniquement de répondre par oui ou par non à des questions, telles que « Est-ce qu'un produit fonctionne ? » La seule réponse possible est « oui » ou « non », et ce sont des réponses discrètes.

Les données continues sont des données qui se produisent à une échelle infinie. Cela signifie qu'il peut occuper n'importe quel point entre deux nombres.

Exemples de données continues

Étant donné que les données continues sont mesurées à tout moment, il s'agit généralement de choses telles que des mesures. Par exemple:

• La largeur d'un mur.
• La température d'une pièce.
• La taille ou le poids d'une personne.
• Le temps qu'il faut pour accomplir une tâche, comme terminer une course ou terminer un travail.

La caractéristique la plus importante des données continues est qu'elles peuvent occuper n'importe quel nombre dans une mesure. Par exemple, supposons que vous essayiez de mesurer la température d'une pièce. La température peut être de 74 degrés, 74,1, 74,11, 74,112, etc. C'est parce que la température peut occuper n'importe quel nombre sur votre échelle de mesure. Cela signifie qu'il s'agit de données continues.

Ce sujet est important pour les petites entreprises car il peut avoir un impact sur la façon dont vous mesurez les données et utilisez ces données dans l'analyse.

Les données discrètes sont généralement plus faciles à mesurer. En effet, ces données existent sous une forme exacte. Si vous avez affaire à des revenus, votre mesure provient de la devise. Si vous avez affaire à des personnes qui ont acheté un produit, vous aurez affaire à des chiffres de vente. Tant que la méthode d'enregistrement des données est précise, vous pouvez avoir confiance dans les données.

Les données continues peuvent parfois avoir des qualités qui les font ressembler à des données discrètes. L'exemple ci-dessus (la température d'une pièce) en est un parfait exemple. Sur les échelles les plus couramment utilisées, la température d'une pièce est généralement déterminée par un nombre entier. Cependant, la température peut être n'importe quel nombre. Seul l'absence d'un thermomètre parfaitement précis vous empêcherait de déterminer la température réelle d'une pièce. En règle générale, la précision d'une méthode de mesure limite la précision de vos données continues.

Du point de vue d'une petite entreprise, vous devez être prêt à comprendre que ces différentes formes de données nécessitent différentes méthodes de mesure. Lorsque vous le mesurez, vos données seront probablement limitées par votre échelle. Si vous disposez d'une échelle suffisamment précise, vous pourrez peut-être mesurer des données à l'aide d'une série étendue de nombres.

La réponse à cette question dépend de votre domaine d'activité spécifique. Cependant, un propriétaire de petite entreprise est bien servi en comprenant la différence entre les deux chiffres. Si vous savez que les données sont continues, vous saurez que la mesure que vous effectuez ne reflétera pas à 100 % la "vraie" mesure d'un élément, et elle sera limitée par la méthode de mesure que vous effectuez. En tant que tel, un propriétaire de petite entreprise doit être prêt à mesurer les données continues du mieux qu'il peut tout en comprenant que leur mesure aura des limites. S'il travaille avec des données discrètes, le propriétaire d'une petite entreprise doit comprendre qu'il n'y a aucune raison liée à l'échelle pour que ses données soient limitées.

Prochaines étapes:

Consultez notre liste d'options de logiciels d'analyse de données ou lisez notre guide d'achat de logiciels d'analyse de données pour savoir comment évaluer les logiciels de données.

Remarque : Les applications mentionnées dans cet article sont des exemples pour montrer une fonctionnalité dans son contexte et ne sont pas destinées à être des recommandations ou des recommandations. Ils ont été obtenus à partir de sources considérées comme fiables au moment de la publication.