Wo finde ich Datensätze?

Hinweis: Im nächsten Thema, das Sie lesen werden, erfahren Sie Folgendes: Wo Sie Datensätze finden

Datensätze sind das A und O von Datenanalysten. Wenn Sie jemals analytische Forschung mit mehreren Variablen durchgeführt haben, wissen Sie, wie wichtig diese sind. Wo findet man also Datensätze, wenn man recherchiert?

Glücklicherweise hosten und bedienen zahlreiche Online-Plattformen Datensätze. Lassen Sie uns verschiedene Repositories erkunden und die Datensätze etwas genauer analysieren.

Was ist ein Datensatz?

Einfach ausgedrückt handelt es sich um eine Sammlung bestimmter Informationen.

Excel-Datensätze liegen meist in tabellarischer Form vor. Normalerweise gibt es Variablen, die verschiedene Facetten eines Phänomens darstellen. Ein Beispiel sind tabellarische Angaben zu Vertriebsstandorten für ein Produkt oder eine Dienstleistung auf der Grundlage verschiedener Kriterien, beispielsweise der Altersgruppe.

Mit anderen Worten: Es besteht aus Variablen und entsprechenden Werten. Der beste Weg, es zu erstellen, ist die Verwendung eines Moduls oder Datenpakets. Heutzutage gibt es mehrere Softwarepakete, mit denen Sie ein Data Warehouse erstellen können.

Der erste Schritt besteht darin, die Informationen zu sammeln. Je nach Studiengebiet bzw. Interesse kommen unterschiedliche Methoden zum Einsatz, wie zum Beispiel:

• Fragebögen
• Fragebögen
• Online-Umfrageformulare
• Fallmanagementsysteme
• Datensätze
• Berichtssysteme.

CSV-Datensätze bestehen im Allgemeinen aus Zeilen, Ganzzahlen und Spalten offener Daten. Analysten verwenden häufig Datenvisualisierungssoftware wie SPSS, um die inneren Geheimnisse jedes Satzes zu lüften. Dieses Tool analysiert numerische Datensätze mit einzigartigen Algorithmen und sorgt gleichzeitig für eine effektive Präsentation Ihrer Ergebnisse.

Wo finde ich Datensätze?

Die Datensätze sind nicht so schwer zu finden, wie Sie vielleicht denken. Viele Behörden und private Organisationen speichern große Mengen an Informationen. In den letzten Jahren sind immer mehr Anbieter an die Öffentlichkeit gegangen und bieten Sets kostenlos an. Ein hervorragendes Beispiel hierfür ist, als Amazon seine Datenbank über die Open Registry zugänglich machte.

Viele Datenbanken sind online verfügbar. Sie werden digital in verschiedenen Formaten, einschließlich CSV, gespeichert und können von Studierenden und Forschern zur Nutzung heruntergeladen werden.

Werfen wir einen Blick auf die zehn besten kostenlosen Datensatz-Repositories.

Google

Als eines der Technologieunternehmen ist Google ein Riese in der Datenerfassung. Es überrascht daher nicht, dass es eine Fülle von Informationen bietet.

Google Public Datasets bietet eine großartige Lösung für Analysten, die nach kostenlosen Open-Source-Datensätzen zur Unterstützung ihrer Forschung suchen. Die Beta-Version wurde 2018 produziert und wurde Anfang 2020 öffentlich verfügbar.

Google Dataset Search bietet kostenlose Online-Datensätze für Studierende und Projekte. Nachdem Sie sich beim Portal angemeldet haben, können Sie intuitiv suchen.

Es stehen Tausende von Datensätzen zur Verfügung, einschließlich des offenen Datenrepositorys COVID-19. Dieser Datensatz umfasst Informationen, die von Eurostat, der WHO, der New York Times und anderen Quellen gesammelt wurden. Sie können als kostenlose Excel-Datensätze heruntergeladen werden.

Egal, ob Sie Datenwissenschaftler oder Student sind, dies ist eine ideale Lösung für alle, die tiefgreifende Forschung betreiben möchten.

Kaggle

Die Muttergesellschaft von Kaggle, Google, gründete es 2010 als öffentliches Forum für Datengurus und Enthusiasten des maschinellen Lernens. Mit Kaggle können Benutzer ihre einzigartigen Datensätze sammeln und veröffentlichen.

Erstellen Sie außerdem Modelle in Zusammenarbeit mit anderen Datenwissenschaftlern. Dabei konkurrieren sie darum, funktionierende Lösungen für verschiedene datenwissenschaftliche Herausforderungen bereitzustellen.

Wenn Sie sich Gedanken darüber machen, wie Sie Datensätze finden, sollte Kaggle eine Ihrer ersten Wahlen sein. Es verfügt über eine breite Palette geschäftsbezogener CSVs, die für innovative Forschung für Unternehmen geeignet sind. Kaggle-Datensätze werden hauptsächlich aus neuronalen Netzen, akademischer Postgraduiertenforschung und persönlichen Beiträgen von Datenwissenschaftlern generiert.

AWS (Amazon Web Services)

Als weltweit führender Online-Händler ist Amazon im Laufe der Jahre gewachsen und bietet zahlreiche Produkte und Dienstleistungen an. Im Bereich der digitalen Informationen und Technologie startete Amazon 2018 sein Open Data Registry, das kostenlose Online-Datensätze bereitstellt.

Dieses Repository enthält kommerzielle und andere Datensätze zu Geographie und öffentlicher Gesundheit. Ein besonderer Schwerpunkt liegt auf Letzterem, wobei versucht wird, die genetische Genese des Krebsgenoms zu verfolgen, um die verschiedenen Formen dieser Krankheit auszurotten.

Um die Einhaltung digitaler Best Practices sicherzustellen, müssen Benutzer beim Hinzufügen von Datensätzen zur Open Data Registry strenge Richtlinien befolgen. Es gibt eine spezielle Suchleiste, um zu interessanten Themen zu navigieren. Vor dem Hochladen oder Zugreifen auf Daten müssen Benutzer ein AWS-Konto erstellen. Es ist eine kostenlose Version verfügbar.

Analysten können auf statistische Datensätze in Form von Excel-Datenblättern zugreifen, die mit Hadoop und dem speziellen EC2-Programm von AWS kompatibel sind.

TOPF

Im Jahr 2016 startete die NASA mit DATA.NASA.GOV ihre Clearingstelle für wissenschaftliche und technische Veröffentlichungen für die breite Öffentlichkeit.

Während einige Plattformen eine große Vielfalt an Datensätzen bereitstellen, konzentrieren sich andere auf bestimmte Disziplinen. Es ist keine Überraschung, dass die NASA eine beeindruckende Auswahl an wissenschaftsbezogenen Blättern bietet, die für Folgendes relevant sind:

• Luftfahrt
• Raumfahrttechnik
• Erdkunde
• Geodaten
• Atmosphärenwissenschaft.

Seine öffentlichen Datensätze sind auf seinem Portal frei verfügbar und bieten Forschern zahlreiche Möglichkeiten, erd- und weltraumbezogene Daten im CSV-Format zu sortieren.

Datenamt

Für Studenten und interessierte Datenwissenschaftler in den USA ist Data.gov eine wertvolle Ressource mit Open-Source-Datensätzen.

Data.gov wurde 2009 gegründet und ermöglichte zunächst den Zugriff auf Datensätze der Exekutive. Heute ist Data.gov ein umfassendes Repository, das mehr als 200.000 Forschungsdatensätze zu einem breiten Themenspektrum beherbergt.

Diese benutzerfreundliche Datenbank ermöglicht es Forschern, die Suche basierend auf Dateiformat, Organisation und geografischem Standort einzugrenzen. Sie können auch die Regierungsebene Ihrer Suche auswählen.

Data.gov ist ideal für diejenigen, die nach US-spezifischen Informationen zu Themen wie Psychologie, Kriminalität, Wetter und mehr suchen.

Offene Daten der Weltbank

Die Weltbank stellt interessierten Analysten auch Open-Source-Nominaldaten zur Verfügung.

Seine Open-Data-Initiative führte kürzlich zur Sammlung aggregierter Datensätze in einer einzigen, öffentlich zugänglichen Datenbank.

Durch den Zugriff über das Portal können Benutzer nach Schlüsselwörtern, Indikatoren oder Nationalitäten suchen. Einige Beispiele hierfür sind:

• Landwirtschaft, ländliche Entwicklung, städtische und soziale Entwicklung
• Schutz und Arbeit
• Geschlecht
• Spanisch.

Basierend auf Wirtschaftsmodellen und seinen globalen Aktivitäten in verschiedenen Bereichen sind seine kostenlosen öffentlichen Datensätze häufig für Forscher mit besonderen Interessen in den Bereichen Finanzen und Geographie relevant.

datacenter.io

Als eine der beliebtesten Online-Datenbanken ist Datahub eine gute Wahl für die Suche nach interessanten und spezialisierten Datensätzen.

Seine Gründer beschreiben es als ein Mittel zum Speichern, Teilen, Veröffentlichen, Überprüfen und Verarbeiten von Daten mit den besten Methoden und Werkzeugen. Die Datenbanktabellen sind umfassend und enthalten Rohinformationen zu Themen wie:

• Immobilienpreise
• Logistik
• Inflation
• Börse.

Mit Datahub können Unternehmer und Datenanalysten relevante Schlussfolgerungen ziehen, um ihre Geschäftsentscheidungen zu verbessern. Musterdokumente werden regelmäßig aktualisiert, sodass eine unendliche Vielfalt an Blättern besteht.

Datahub ermöglicht es Spezialisten, statistische Analysetools wie SPSS und relevante APIs zur Analyse der Daten zu nutzen. Durch diesen effektiven Prozess entfällt die mühsame Verarbeitung von Statistiken in Excel.

fünf Uhr achtunddreißig

Nur wenige Quellen stellen umfassendere große Datensätze zum US-Sport und zur US-Politik bereit. Benutzer können ihre kostenlosen Open-Source-Sets für die Offline-Nutzung herunterladen und haben sowohl Zugriff auf Rohinformationen als auch auf Datenvisualisierungen.

Die selbst beschriebene Plattform für Datenjournalismus nahm 2008 ihren Betrieb auf und wurde 2010 von der New York Times aufgrund ihrer erfolgreichen Wahlprognosen veröffentlicht. Drei Jahre später erwarb der Sportübertragungsriese ESPN die Rechte an der Website. Seitdem hat es sich zu einer Drehscheibe für Datensätze zu Sportlern entwickelt.

Die Datensätze umfassen Informationen zu Vereinsfußball, NBA, NFL und professionellen Sportveranstaltungen. Außerdem gibt es viele Beispiele für Datensätze zu obskuren Forschungsthemen.

Die Website bietet außerdem Datenbeispiele und Speicher zur US-Politik, beispielsweise zu Kongressdebatten, Wahlprognosen, Wahlpsychologie und anderen Trends.

BuzzFeed-Neuigkeiten

BuzzFeed zeichnet sich durch Datenvisualisierungen mit verschiedenen Anleitungen, Tools, Bibliotheken und Datensätzen aus. Als 2006 gegründetes Medienunternehmen ist es immer größer geworden und entwickelt eigene Datenbanktabellen mit prägnanten Datensätzen auf Basis von GitHub.

Das Buzzfeed-Repository bietet umfassende öffentliche Daten zu Pandemien und Viren, Wirtschaft, Politik und Geostatistik.

Beispielsweise gibt es Datensätze zur staatlichen Überwachung, zum Mindestlohn und zu Studiengebühren. Darüber hinaus finden Interessierte spezifische Sets zum Thema Gesundheit, darunter auch Daten zum Zika-Virus.

Interessant ist auch, dass Buzzfeed Datensätze anbietet, um Hintergrundüberprüfungen bei Schusswaffenkäufen durchzuführen.

akademische Torrents

Diese Plattform wurde 2013 als unabhängiges Projekt des Reproducible Research Institute gestartet und nutzt BitTorrent als File-Sharing-Protokoll und Medium zur Verbreitung digitaler Dateien.

Obwohl es weniger bekannt ist als viele andere Online-Datensatzquellen, erleichtert es auf einzigartige Weise die Übertragung von Datensätzen über Torrent-Downloads. Dies ermöglicht eine größere Anonymität bei der Erfassung von Datensätzen.

Obwohl Torrents unter Rechtspuristen ein heißes Diskussionsthema sind, bleiben sie beliebt. Mit akademischen Torrents können kompetente Analysten Forschungsarbeiten verbreiten und Datensätze für andere bereitstellen.

Dadurch haben Sie uneingeschränkten kostenlosen Zugriff auf Ihre CSV- und Excel-Datensätze. Darüber hinaus können Benutzer Daten mit verschiedenen Seedern auf der ganzen Welt sichern. Und schließlich ist es aufgrund seiner flüssigen Benutzeroberfläche eine gute Wahl für Forscher, die Datensätze einfach herunterladen möchten.

Einer ihrer einzigartigsten Datensätze ist das Human Connectome Development Project. Enthält Informationen über die Anatomie und Funktionalität des Gehirns.

Ende

Die Datensätze erweisen sich immer wieder als nützlich. Sie eignen sich hervorragend für die Analyse realer Praktiken, um daraus relevante Schlussfolgerungen für die Lösung realer Probleme abzuleiten. Da so viele digital erfasste Informationen verfügbar sind, sind Datenspeicher eingegriffen, um den Zugriff und die Speicherung sicherzustellen.

Und obwohl es viele Plattformen gibt, die Daten verkaufen, sind diese 10 Datenrepositorys hervorragende Quellen für kostenlose öffentliche Datensätze. Ein zusätzlicher Vorteil besteht darin, dass viele Plattformen die Kombination von Daten aus mehreren Quellen nutzen, um umfassende Datenvisualisierungserlebnisse bereitzustellen.

In der heutigen vernetzten Welt stehen Forschern und Studierenden riesige Mengen an Datensätzen zur Verfügung.