數據的分類

    我們對數據進行分類至少有兩個主要目的，一個是便於查找和統計分析，另一個是便於對事物認知。從數據的角度來講，枚舉數據、參照數據都可以被理解為分類屬性。比如，“人員”數據中的“性別”屬性，是一個枚舉數據。“人員”數據中的“崗位”屬性則是一個參照數據。

    數據的分類屬性要遵循三個基本原則。

    第一，單一視角。我們不要從多個視角對數據進行分類。比如，對人的分類，我們可以使用性別屬性，可以使用血型屬性，也可以使用膚色屬性，相關的屬性可能還包括崗位、職務級別等屬性。但是每個屬性都有一個自己的獨立視角。

    第二，全部覆蓋。分類可以將數據的全集包括在內，也就是說，當前已知的和未來可能會產生的數據，應該都可以歸類到這個分類體系中。

    第三，不交叉。一條數據在一個分類體系中不會既可以屬於 “A”，又可以屬於“B”。

    在數據分類過程中出現的常見問題與解決方法如下。

    1.在多視角需求時，制定多個分類方法

    很多人認為一條數據應該只有一種分類屬性，從而在設計過程中蔣各種視角放到這一個分類屬性中。假如，我們有一個筐，里面裝了100個蘿卜。如果按照體積分，那么這些蘿卜可以分成大蘿卜、中蘿卜、小蘿卜三類;如果按照顏色分，那么這些蘿卜可以分成白蘿卜、青蘿卜、紅蘿卜;如果按照品種分，那么這些蘿卜可以分成白蘿卜、心里美和水蘿卜。所以，分類方法可以有很多種，每個使用人的需求不同，其使用的分類方法就不同。

    2.在種類繁多的時候，使用多級分類，且避免多重視角

    當分類對象的分類內容量比較大時，我們通常采用多級分類的方法。最典型的場景就是企業對物料的分類，分類內容為幾千甚至幾萬種都較為常見。但是我們要避免在一個分類屬性中，包含多種分類方法和視角。比如，第一層按照材料分，第二層按照業務線分，第三層按照品類分。這種分類方法最終會導致分類的混亂和操作的混亂。