Datamængde beskriver en stor samling af data, altså registrerede oplysninger, som kan bruges til analyse, beregning og formidling. Jo større og mere kompleks en datamængde er, desto sværere er den at håndtere med almindelige værktøjer som regneark eller manuelle gennemgange. Derfor bruges databaser, programmering og statistiske metoder ofte til at strukturere og fortolke materialet.
Hvad en datamængde består af
En datamængde kan bestå af mange typer oplysninger, for eksempel tal, tekst, billeder, geografiske koordinater eller tidsserier. Det kan være alt fra offentlige budgetter og valgresultater til sundhedsdata, klimamålinger eller trafikmønstre. Selve mængden er vigtig, men det samme er variationen og kvaliteten af dataene. Hvis oplysninger er ufuldstændige, fejlbehæftede eller indsamlet på forskellige måder, kan det være svært at sammenligne dem og drage sikre konklusioner.
I journalistik bruges datamængder ofte som grundlag for at opdage mønstre, dokumentere udviklinger og kontrollere magthavere. Her er data ikke bare baggrundsmateriale, men en central kilde på linje med dokumenter og interviews. En stor datamængde kan for eksempel afsløre forskelle mellem kommuner, ændringer over tid eller sammenhænge, som ellers ville være usynlige.
Derfor kræver store datamængder særlige værktøjer
Når en datamængde vokser, bliver det vigtigt at sortere, rense og analysere den systematisk. Det kan indebære at fjerne dubletter, standardisere formater og finde fejl i registreringerne. Først derefter kan data omsættes til information, altså fortolkede oplysninger med mening i en konkret sammenhæng.
En datamængde er ikke automatisk værdifuld, bare fordi den er stor. Værdien opstår, når data sættes i kontekst og bruges ansvarligt. Det gør begrebet centralt i en tid, hvor myndigheder, virksomheder og medier i stigende grad bygger beslutninger og nyhedsformidling på store mængder digitale oplysninger.