Данные: понятие, виды

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

1 Данные

1. Введение

Информатика рассматривает информацию как концептуально связанные между собой сведения, данные, понятия, изменяющие наши представления о явлении или объекте окружающего мира. Наряду с информацией в информатике часто употребляется понятие данные.

Данные могут рассматриваться как признаки или записанные наблюдения, которые по каким-то причинам не используются, а только хранятся. В том случае, если появляется возможность использовать эти данные для уменьшения неопределенности о чем-либо, данные превращаются в информацию. Поэтому можно утверждать, что информацией являются используемые данные.

Информация - это  отображение реального мира с  помощью сведений (сообщений). Наряду с термином "информация" в информатике используется понятие "данные". Это понятие уже, чем информация, т.к. представляет отрывочные, не связанные между собой сведения. Однако в работе с компьютерными программами чаще употребляется термин "данные".

В технологическом  процессе обработки данных можно  выделить 4 этапа:

1. Формирование  первичных данных - первичные сообщения  о хозяйственных операциях, документы,  содержащие нормативные и юридические  акты, результаты экспериментов,  например, параметры новой модели  самолета или автомобиля и  т.д.

2. Накопление  и систематизация данных, т.е.  организация такого размещения  данных, которое обеспечило бы  быстрый поиск и отбор нужных  сведений, методическое обновление  данных, защиту от искажений и  т.д.

3. Обработка  данных - процессы, в результате которых  на основе ранее накопленных  данных формируются новые виды  данных - обобщающие, аналитические,  рекомендательные, прогнозные и  т.д. Эти данные вторичной обработки  могут быть подвергнуты следующей  обработке и принести более  глубокие, точные обобщения.

4. Отображение  данных - представление данных в  форме, удобной для человека. Это  вывод на печать, графические  изображения (иллюстрации, графики,  диаграммы и т.д.), звук и т.д. 

Сообщения, формируемые  на первом этапе, могут иметь разный вид: обычный бумажный документ, звук, видео, числовые данные на каком-то носителе. Как правило, носители первичной  информации (физические носители, полученные от аналоговых устройств) - бумага, пластинки, кассеты, видеокассеты очень недолговечны.

Компьютерные  технологии предлагают принципиально  новый подход - цифровое (дискретное) представление информации на магнитных  и лазерных носителях.

Посредством технических  и программных средств ЭВМ  первичные данные преобразуются  в машинный код.

Итак, подводя  итог можно сказать что  же такое  данные. Данные — диалектическая составная часть информации. Они представляют собой зарегистрированные сигналы. При этом физический метод регистрации может быть любым: механическое перемещение физических тел, изменение их формы или параметров качества поверхности, изменение электрических, магнитных, оптических характеристик, химического состава и (или) характера химических связей, изменение состояния электронной системы и многое другое. В соответствии с методом регистрации данные могут храниться и транспортироваться на носителях различных видов.

2. Носители данных

Данные —  диалектическая составная часть  информации. Они представляют собой  зарегистрированные сигналы. При этом физический метод регистрации может  быть любым: механическое перемещение  физических тел, изменение их формы  или параметров качества поверхности, изменение электрических, магнитных, оптических характеристик, химического  состава и (или) характера химических связей, изменение состояния электронной  системы и многое другое. В соответствии с методом регистрации данные могут храниться и транспортироваться на носителях различных видов.  

Самым распространенным носителем данных, хотя и не самым  экономичным, по-видимому, является бумага. На бумаге данные регистрируются путем  изменения оптических характеристик  ее поверхности. Изменение оптических свойств (изменение коэффициента отражения поверхности в определенном диапазоне длин волн) используется также в устройствах, осуществляющих запись лазерным лучом на пластмассовых носителях с отражающим покрытием ( CDROM ). В качестве носителей, использующих изменение магнитных свойств, можно назвать магнитные ленты и диски. Регистрация данных путем изменения химического состава поверхностных веществ носителя широко используется в фотографии. На биохимическом уровне происходит накопление и передача данных в живой природе.

Носители данных интересуют нас не сами по себе, а  постольку, поскольку свойства информации весьма тесно связаны со свойствами ее носителей. Любой носитель можно  характеризовать параметром разрешающей  способности (количеством данных, записанных в принятой для носителя единице  измерения) и динамическим диапазоном (логарифмическим отношением интенсивности  амплитуд максимального и минимального регистрируемого сигналов). От этих свойств носителя нередко зависят  такие свойства информации, как полнота, доступность и достоверность. Так, например, мы можем рассчитывать на то, что в базе данных, размещаемой  на компакт-диске, проще обеспечить полноту информации, чем в аналогичной  по назначению базе данных, размещенной  на гибком магнитном диске, поскольку  в первом случае плотность записи данных на единице длины дорожки  намного выше. Для обычного потребителя  доступность информации в книге  заметно выше, чем той же информации на компакт-диске, поскольку не все  потребители обладают необходимым  оборудованием. И, наконец, известно, что  визуальный эффект от просмотра слайдов  проекторе намного больше, чем  от просмотра аналогичной иллюстрации, напечатанной на бумаге, поскольку  диапазон яркостных сигналов в проходящем свете на два три порядка больше, чем в отраженном.

Задача преобразования данных с целью смены носителя относится к одной из важнейших  задач информатики. В структуре  стоимости вычислительных систем устройства для ввода и вывода данных, работающие с носителями информации, составляют до половины стоимости аппаратных средств.

Замечательным запоминающим устройством и носителем данных является человеческий мозг, содержащий около (10—15)–109 нейронов — ячеек, совмещающих функции памяти и логической обработки информации.

Объём мозга  в среднем 1,5 дм3, масса 1,2 кг, потребляемая мощность около 2,5 вт. Лучшие современные  электронные запоминающие устройства при такой же ёмкости занимают объём в несколько м3 при массе в десятки и сотни кг, а потребляемая мощность достигает несколько квт.

Научно обоснованные прогнозы утверждают, что совершенствование  электронной техники и применение новых высокоэффективных накопительных  сред в сочетании с широким  использованием методов бионики  при решении проблем, связанных  с синтезом запоминающих устройств, позволят создавать запоминающие устройства, близкие по параметрам памяти человека.

3. Операции с данными

Данные характеризуются  своим типом и множеством операций над ними. Данные в компьютере условно  делятся на простые и сложные.

Примеры простых  данных, которые может обрабатывать компьютер:

Таблица 1

 

К сложным данным относятся: массивы и списки (однотипные), структуры, записи, таблицы (разнотипные). В ходе информационного процесса данные преобразуются из одного вида в другой с помощью методов. Обработка данных включает в себя множество различных операций. По мере развития научно-технического прогресса и общего усложнения связей в человеческом обществе трудозатраты на обработку данных неуклонно возрастают. Прежде всего, это связано с постоянным усложнением условий управления производством и обществом. Вторвй фактор, также вызывающий общее увеличение объемов обрабатываемых данных, тоже связан с научно-техническим прогрессом, а именно с быстрыми темпами появления и внедрения новых носителей данных, средств их хранения и доставки. 

В структуре  возможных операций с данными  можно выделить следующие основные:

•     сбор данных—накопление информации с целью обеспечения достаточной полноты для принятия решений;

•     формализация данных — приведение данных, поступающих из разных источ­

ников, к одинаковой форме, чтобы сделать их сопоставимыми  между собой, то

есть повысить их уровень доступности;

•     фильтрация данных — отсеивание «лишних» данных, в которых нет необходимости для принятия решений; при этом должен уменьшаться уровень «шума», а достоверность и адекватность данных должны возрастать;

•     сортировка данных — упорядочение данных по заданному признаку с целью

удобства использования; повышает доступность информации;

•     архивация данных — организация  хранения данных в удобной и легкодоступной форме; служит для снижения экономических затрат по хранению данных и повышает общую надежность информационного процесса в целом;

•     защита данных—комплекс мер, направленных на предотвращение утраты, воспроизведения и модификации данных;

•     транспортировка данных—прием и  передача (доставка и поставка) данных между удаленными участниками информационного  процесса; при этом источник данных в информатике принято называть сервером, а потребителя — клиентом;

•     преобразование данных — перевод  данных из одной формы в другую или из

одной структуры  в другую. Преобразование данных часто  связано с изменением

типа носителя, например книги можно хранить  в обычной бумажной форме,

но можно использовать для этого и электронную форму, и микрофотопленку.

Необходимость в многократном преобразовании данных возникает также при

их транспортировке, особенно если она осуществляется средствами, не пред­

назначенными  для транспортировки данного  вида данных. В качестве примера

можно упомянуть, что для транспортировки цифровых потоков данных по каналам

телефонных сетей (которые изначально были ориентированы  только на пере­

дачу аналоговых сигналов в узком диапазоне частот) необходимо преобразова­

ние цифровых данных в некое подобие звуковых сигналов, чем и занимаются

специальные устройства — телефонные модемы.

4. Кодирование данных
1. Кодирование данных двоичным кодом

Для автоматизации  работы с данными, относящимися к  различным типам, очень важно  унифицировать их форму представления  — для этого обычно используется прием кодирования, то есть выражение  данных одного типа через данные другого  типа. Естественные человеческие языки  — это не что иное, как системы  кодирования понятий для выражения  мыслей посредством речи. К языкам близко примыкают азбуки (системы  кодирования компонентов языка  с помощью графических символов). История знает интересные, хотя и  безуспешные попытки создания «универсальных»  языков и азбук. По-видимому, безуспешность  попыток их внедрения связана  с тем, что национальные и социальные образования естественным образом  понимают, что изменение системы  кодирования общественных данных непременно приводит к изменению общественных методов (то есть норм права и морали), а это может быть связано с  социальными потрясениями.

 Та же проблема  универсального средства кодирования  достаточно успешно реализуется  в отдельных отраслях техники,  науки и культуры. В качестве  примеров можно привести систему  записи математических выражений,  телеграфную азбуку, морскую флажковую азбуку, систему Брайля для слепых и многое другое.

Своя система  существует и в вычислительной технике  — она называется двоичным кодированием и основана на представлении данных последовательностью всего двух знаков: 0 и 1. Эти знаки называются двоичными цифрами, по-английски — binary digit или сокращенно bit (бит). 

Одним битом  могут быть выражены два понятия: 0 или 1 (да или нет, черное или белое, истина или ложь и т. п.). Если количество битов увеличить до двух, то уже  можно выразить четыре различных  понятия:

00     01       10       11

Тремя битами можно  закодировать восемь различных значений: 000   001     010    011     100     101     ПО     111

Увеличивая на единицу количество разрядов в системе  двоичного кодирования, мы увеличиваем  в два раза количество значений, которое может быть выражено в  данной системе, то есть общая формула  имеет вид:

N=, где N— количество независимых кодируемых значений;

m — разрядность двоичного кодирования, принятая в данной системе. 

2. Кодирование целых и действительных чисел

Целые числа  кодируются двоичным кодом достаточно просто — достаточно взять целое  число и делить его пополам  до тех пор, пока частное не будет  равно единице. Совокупность остатков от каждого деления, записанная справа налево вместе с последним частным, и образует двоичный аналог десятичного  числа.

19:2 = 9 + 1

9:2=4+1

4 : 2 = 2 +-0

2:2=1+0

Таким образом, 1910= 100112.

Для кодирования  целых чисел от 0 до 255 достаточно иметь 8 разрядов двоичного кода (8 бит). Шестнадцать бит позволяют закодировать целые числа от 0 до 65 535, а 24 бита —  уже более 16,5 миллионов разных значений.

Для кодирования  действительных чисел используют 80-разрядное  кодирование. При этом число предварительно преобразуется в нормализованную  форму: 

3,1415926 = 0,31415926 •  101 300 000 = 0,3 • 106

123 456 789 - 0,123456789 •  1010

Первая часть  числа называется мантиссой, а вторая — характеристикой. Большую часть  из 80 бит отводят для хранения мантиссы (вместе со знаком) и некоторое  фиксированное количество разрядов отводят для хранения характеристики (тоже со знаком). 

3. Кодирование текстовых данных

Если каждому  символу алфавита сопоставить определенное целое число (например, порядковый номер), то с помощью двоичного кода можно  кодировать и текстовую информацию. Восьми двоичных разрядов достаточно для кодирования 256 различных символов. Этого хватит, чтобы выразить различными комбинациями восьми битов все символы  английского и русского языков, как  строчные, так и прописные, а также  знаки препинания, символы основных арифметических действий и некоторые общепринятые специальные символы, например символ «§».

Технически это  выглядит очень просто, однако всегда существовали достаточно веские организационные  сложности. В первые годы развития вычислительной техники они были связаны с  отсутствием необходимых стандартов, а в настоящее время вызваны, наоборот, изобилием одновременно действующих  и противоречивых стандартов. Для  того чтобы весь мир одинаково  кодировал текстовые данные, нужны  единые таблицы кодирования, а это  пока невозможно из-за противоречий между  символами национальных алфавитов, а также противоречий корпоративного характера.

Для английского  языка, захватившего де-факто нишу международного средства общения, противоречия уже  сняты. Институт стандартизации США (ANSI — American National Standard Institute) ввел в действие систему кодирования ASCII (American Standard Code for Information Interchange — стандартный  код информационного обмена США). В системе ASCII закреплены две таблицы  кодирования — базовая к расширенная. Базовая таблица закрепляет значения кодов от 0 до 127, а расширенная  относится к символам с номерами от 128 до 255.

Первые .32 кода базовой  таблицы, начиная с нулевого, отданы производителям аппаратных средств (в  первую очередь производителям компьютеров  и печатающих устройств). В этой области  размещаются так называемые управляющие  коды, которым не соответствуют никакие  символы языков, и, соответственно, эти коды не выводятся ни на экран, ни на устройства печати, но ими можно  управлять тем, как производится вывод прочих данных.

Начиная с кода 32 по код 127 размещены коды символов английского алфавита, знаков препинания, цифр, арифметических действий и некоторых  вспомогательных символов. Базовая  таблица кодиуовки ASCII приведена  в таблице 1.1. Аналогичные системы кодирования текстовых данных были разработаны и в других странах. Так, например, в СССР в этой области действовала система кодирования КОИ-7 (код обмена информацией, семизначный). Однако поддержка производителей оборудования и программ вывела американский код ASCII на уровень международного стандарта, и национальным системам кодирования пришлось «отступить» во вторую, расширенную часть системы кодирования, определяющую значения кодов со 128 по 255. Отсутствие единого стандарта в этой области привело к множественности одновременно действующих кодировок. Только в России можно указать три действующих стандарта кодировки и еще два устаревших.

Так, например, кодировка  символов русского языка, известная  как кодировка Windows-1251, была введена  «извне» — компанией Microsoft, но, учитывая широкое

распространение операционных систем и других продуктов  этой компании в России, она глубоко  закрепилась и нашла широкое  распространение (таблица 1.2). Эта кодировка  используется на большинстве локальных  компьютеров, работающих на платформе Windows.

Другая распространенная кодировка носит название КОИ-8 (код  обмена информацией, восьмизначный) —  ее происхождение относится ко временам действия Совета Экономической Взаимопомощи государств Восточной Европы (таблица1.3). Сегодня кодировка КОИ-8 имеет  широкое распространение в компьютерных сетях на территории России и в  российском секторе Интернет».

Международный стандарт, в котором предусмотрена  кодировка символов русского алфавита, носит название кодировки /50 (International Standard Organization — Международный институт стандартизации). На практике данная кодировка  используется редко (таблица 1.4).

На компьютерах, работающих в операционных системах MS-DOS, могут действовать еще две  кодировки (кодировка ГОСТ и кодировка  ГОСТ-альтернативная). Первая из них  считалась устаревшей даже в первые годы появления персональной вычислительной техники, но вторая используется и по сей день (см. таблицу 1.5).

В связи с  изобилием систем кодирования текстовых  данных, действующих в России, возникает  задача межсистемного преобразования данных — это одна из распространенных задач информатики. 

4. Универсальная система кодирования  текстовых данных

Если проанализировать организационные трудности, связанные  с созданием единой системш кодирования  текстовых данных, то можно прийти к выводу, что они вызваны ограниченным набором кодов (256). В то же время  очевидно, что если, например, кодировать символы не восьмиразрядными двоичными  числами, а числами с большим  количеством разрядов, то и диапазон возможных значений кодов станет намного больше. Такая система, основанная на 16-разрядном кодировании символов, получила название универсальной — UNICODE. Unicode (Юникод или Уникод, англ. Unicode) — стандарт кодирования символов, позволяющий представить знаки практически всех письменных языков. Юникод имеет несколько форм представления: UTF-8, UTF-16 (UTF-16BE, UTF-16LE) и UTF-32 (UTF-32BE, UTF-32LE). Была разработана также форма представления UTF-7 для передачи по семибитным каналам, но из-за несовместимости с ASCII она не получила распространения и не включена в стандарт. В MicrosoftWindows NT и основанных на ней системах Windows 2000 и Windows XP в основном используется форма UTF-16LE. В UNIX-подобных операционных системах GNU/Linux, BSD и Mac OS X принята форма UTF-8 для файлов и UTF-32 или UTF-8 для обработки символов в оперативной памяти.

Стандарт предложен  в 1991 году некоммерческой организацией «Консорциум Юникода» (англ. Unicode Consortium), объединяющей крупнейшие IT-корпорации. Применение этого стандарта позволяет  закодировать очень большое число  символов из разных письменностей: в  документах Unicode могут соседствовать  китайские иероглифы, математические символы, буквы греческого алфавита и кириллицы, при этом становятся ненужными кодовые страницы. 

Коды в стандарте Unicode разделены на несколько областей. Область с кодами от U+0000 до U+007F содержит символы набора ASCII с соответствующими кодами. Далее расположены области  знаков различных письменностей, знаки  пунктуации и технические символы. Часть кодов зарезервирована  для использования в будущем. Под символы кириллицы выделены коды от U+0400 до U+052F. Шестнадцать разрядов позволяют обеспечить уникальные коды для 65 536 различных символов — этого поля достаточно для размещения в одной таблице символов большинства языков планеты.

Несмотря на тривиальную очевидность такого подхода, простой механический переход  на данную систему долгое время сдерживался  из-за недостаточных ресурсов средств  вычислительной техники (в системе  кодирования UNICODE все текстовые документы  автоматически становятся вдвое  длиннее). Во второй половине 90-х годов  технические средства достигли необходимого уровня обеспеченности ресурсами, и  сегодня мы наблюдаем постепенный  перевод документов и программных  средств на универсальную систему  кодирования. Для индивидуальных пользователей  это еще больше добавило забот  по согласованию документов, выполненных  в разных системах кодирования, с  программными средствами, но это надо понимать как трудности переходного  периода.

5. Кодирование графических данных

Если рассмотреть  с помощью увеличительного стекла черно-белое графическое изображение, напечатанное в газете или книге, то можно увидеть, что оно состоит  из мельчайших точек, образующих характерный  узор, называемый растром (рисунок. 1.3).

Поскольку линейные координаты и индивидуальные свойства каждой точки (яркость) можно выразить с помощью целых чисел, то можно  сказать, что растровое кодирование  позволяет использовать двоичный код  для представления графических  данных. Общепринятым на сегодняшний  день считается представление черно-белых иллюстраций в виде комбинации точек с 256 градациями серого цвета, и, таким образом, для кодирования яркости любой точки обычно достаточно восьмиразрядного двоичного числа.

Для кодирования  цветных графических изображений  применяется принцип декомпозиции произвольного цвета на основные составляющие. В качестве таких составляющих используют три основные цвета: красный (Red, R), зеленый (Green, G) и синий (Blue, В). На практике считаемся (хотя теоретически это не совсем так), что любой цвет, видимый человеческим глазом, можно  получить путем механического смешения этих трех основных цветов. Такая система  кодирования называется системой RGB по первым буквам названий основных цветов.

Если для кодирования  яркости каждой из основных составляющих использовать по 256 значений (восемь двоичных разрядов), как это принято для  полутоновых черно-белых изображений, то на кодирование цвета одной  точки надо затратить 24 разряда. При  этом система кодирования обеспечивает однозначное определение 16,5 млн  различных цветов, что на самом  деле близко к чувствительности человеческого  глаза. Режим представления цветной  графики с использованием 24 двоичных разрядов называется полноцветным (True Color).

Каждому из основных цветов можно поставить в соответствие дополнительный цвет, то есть цвет, дополняющий  основной цвет до белого. Нетрудно заметить, что для любого из основных цветов дополнительным будет цвет, образованный суммой пары остальных основных цветов. Соответственно, дополнительными цветами  являются: голубой (Cyan, С), пурпурный (Magenta., М) и желтый (yellow, Y). Принцип декомпозиции произвольного цвета на составляющие компоненты можно применять не только для основных цветов, но и для  дополнительных, то есть любой цвет можно представить в виде суммы  голубой, пурпурной и желтой составляющей. Такой метод кодирования цвета  принят в полиграфии, но в полиграфии используется еще и четвертая  краска — черная (Black, К). Поэтому  данная система кодирования обозначается четырьмя буквами CMYK (черный цвет обозначается буквой К, потому, что буква В уже  занята синим цветом), и для представления  цветной графики в этой системе  надо иметь 32 двоичных разряда. Такой  режим тоже называется полноцветным (True Color).