问“what kind of data”，本质上是在问数据的分类维度。
同一份数据按不同标准可以归入不同类别，先明确维度，再谈类型，才不会被术语绕晕。
以下从四组常用维度展开，并说明各自的适用边界。
一、结构化、半结构化与非结构化这是最常被引用的一组分类，依据是数据是否具有预定义的模型和固定格式。
结构化数据：有固定字段和类型，可直接映射为行与列，适合统计汇总与关联查询，典型如表格中的数值、日期、编码字段。
半结构化数据：有一定组织标记但字段不固定，如带标签的文本、日志、配置文件，解析后可用，但模式常需推断。
非结构化数据：无固定模式，如图像、音频、视频、自由文本，通常要先抽特征或转写才能分析。
常见误区是把“非结构化”等同于“不能分析”。
实际上非结构化数据经预处理后可转为结构化特征，只是成本更高、链路更长。
适用边界在于：字段稳定、需要精确聚合时优先结构化；内容形态多样、模式多变时接受半结构化或非结构化，并预留清洗环节。
二、原始数据与加工数据按加工程度可分为原始数据、清洗数据、汇总数据和派生指标。
原始数据：采集后未经修改，保真度高，但含缺失、重复与异常。
清洗数据：经去重、补缺、纠错，适合直接进入分析流程。
汇总数据：按维度聚合，便于看趋势，但会损失个体细节。
派生指标：由多个字段计算得出，口径必须写清，否则跨表对比容易失真。
边界在于可追溯性：越是加工后的数据，越要保留口径说明与生成逻辑，否则无法复核。
具体字段口径与计算方式，以包装背标或官方信息为准。
三、定量与定性定量数据以数值表达，可做统计检验与建模；定性数据以类别、文本、标签表达，重在归纳含义与模式。
二者不是高低关系，而是回答的问题不同：定量回答“多少、多快”，定性回答“为什么、怎样”。
适用边界是样本规模与问题目标，小样本深访适合定性，大范围比较适合定量，混合使用往往更稳。
四、一手与二手按来源可分为一手数据与二手数据。
一手数据为特定目的直接采集，针对性强但成本高；二手数据为既有资料，获取快但口径未必匹配当前问题。
使用二手数据前应核对采集时间、样本范围与定义方式，避免把不同口径的数据直接拼接比较。
五、判断数据类型的实操步骤先问目的
要描述现状、解释原因，还是预测结果。
再看形态：字段是否固定，内容是数值还是文本、图像。
核查加工程度：是否为原始采集，是否经过清洗与聚合。
确认口径：指标定义、时间范围、样本边界是否写明。
评估可用性：缺失率、更新频率、获取成本是否可接受。
把这五步走完，再回答“what kind of data”，结论才站得住。
需要提醒的是，不同场景对同一数据的归类可能不同，分类服务于使用目的，而非固定标签；涉及具体规格与定义时，以包装背标或官方信息为准。