데이터 유형 총정리: 정성적·정량적 데이터와 정형·반정형·비정형 데이터 차이

데이터 유형 총정리: 정성적·정량적 데이터와 정형·반정형·비정형 데이터 차이#

데이터를 공부하다 보면 비슷해 보이는 여러 분류가 등장합니다.

대표적으로 다음 두 가지입니다.

정성적 데이터
vs
정량적 데이터

그리고:

정형 데이터
vs
반정형 데이터
vs
비정형 데이터

처음 공부하는 사람은 이 둘을 하나의 기준으로 생각하기 쉽습니다.

예를 들어:

정량적 데이터 = 정형 데이터

정성적 데이터 = 비정형 데이터

라고 외우기 쉽지만 정확하게는 서로 다른 기준으로 데이터를 분류한 것입니다.

정성적·정량적 데이터는 주로 데이터가 어떤 내용을 표현하는가에 초점을 맞춥니다.

반면 정형·반정형·비정형 데이터는 데이터가 어떤 구조로 저장되어 있는가에 초점을 맞춥니다.

가장 먼저 이 차이를 이해하면 이후 내용이 훨씬 쉬워집니다.

1장 데이터 유형은 왜 여러 방식으로 나누는가#

데이터는 한 가지 특징만 가지고 있지 않습니다.

예를 들어 다음 데이터가 있다고 생각해봅시다.

서울
27.5
80
맑음

이 데이터는 숫자인지 문자인지에 따라 나눌 수도 있고, Database Table처럼 일정한 구조를 가지고 있는지에 따라 나눌 수도 있습니다.

즉 데이터는 어떤 기준으로 바라보느냐에 따라 서로 다른 유형으로 분류할 수 있습니다.

이번 글에서는 ADsP에서 중요한 두 가지 기준을 살펴봅니다.

첫 번째 기준#

데이터가 표현하는 내용에 따라:

정성적 데이터
Qualitative Data

정량적 데이터
Quantitative Data

로 구분합니다.

두 번째 기준#

데이터의 구조에 따라:

정형 데이터
Structured Data

반정형 데이터
Semi-Structured Data

비정형 데이터
Unstructured Data

로 구분합니다.

핵심은:

정성·정량
→ 데이터의 성격

정형·반정형·비정형
→ 데이터의 구조

라고 먼저 생각하는 것입니다.

2장 정성적 데이터란 무엇인가#

정성적 데이터는 영어로 Qualitative Data라고 합니다.

수치 자체보다는 대상의 성질, 상태, 특징, 의견 등을 표현하는 데이터입니다.

대표적인 예를 살펴보겠습니다.

고객 의견

상품 후기

SNS 게시글

인터뷰 내용

날씨 상태

기상특보

만족·불만족

좋음·보통·나쁨

예를 들어 호텔 Review에 다음 문장이 있다고 생각해봅시다.

객실은 깨끗했지만
직원 응대가 조금 아쉬웠다.

이 데이터에서 중요한 것은 숫자가 아니라 고객의 평가와 의견입니다.

따라서 정성적인 성격을 갖습니다.

정성적 데이터의 특징#

문자나 범주 형태가 많음

특성·상태·의견을 표현

사람의 평가나 경험을 포함할 수 있음

숫자만으로 직접 표현하기 어려운 경우가 많음

초보자가 기억할 핵심#

정성적 데이터
=
어떤 특징과 성질을 가지고 있는가?

를 표현하는 데이터라고 이해하면 쉽습니다.

3장 정량적 데이터란 무엇인가#

정량적 데이터는 영어로 Quantitative Data라고 합니다.

수량이나 크기를 숫자로 측정할 수 있는 데이터입니다.

예:

기온 27.5℃

나이 35세

풍속 4.2m/s

습도 70%

매출 10,000,000원

방문자 1,500명

상품 무게 3.2kg

각 값이 숫자로 표현되어 있고 크기를 비교하거나 계산할 수 있습니다.

예를 들어:

어제 기온
25℃

오늘 기온
30℃

이라면:

오늘이 어제보다
5℃ 높다.

처럼 계산할 수 있습니다.

정량적 데이터의 특징#

숫자로 표현 가능

수량·크기 측정 가능

비교와 연산 가능

통계 분석에 직접 활용하기 쉬움

초보자가 기억할 핵심#

정량적 데이터
=
얼마나 많은가?
얼마나 큰가?

를 숫자로 표현하는 데이터입니다.

4장 정성적 데이터와 정량적 데이터 차이#

구분	정성적 데이터	정량적 데이터
영어	Qualitative Data	Quantitative Data
중심	특성·성질	수량·크기
대표 형태	문자·범주	숫자
예	고객 의견·날씨 상태	나이·기온·매출
주요 질문	어떤 특징인가	얼마나 많은가

쉽게 기억하면:

정성
→ 어떤가?

정량
→ 얼마나?

입니다.

예제로 비교하기#

다음은 날씨 데이터입니다.

기온
30℃

습도
80%

날씨
맑음

여기에서:

30℃
80%
→ 정량적

맑음
→ 정성적

이라고 구분할 수 있습니다.

한 데이터셋 안에도 정성적 데이터와 정량적 데이터가 함께 존재할 수 있다는 점이 중요합니다.

5장 정형 데이터란 무엇인가#

정형 데이터는 영어로 Structured Data라고 합니다.

미리 정의된 구조와 Schema에 따라 일정한 형태로 저장되는 데이터입니다.

대표적인 형태가 Database Table입니다.

예를 들어 회원 정보를 다음처럼 저장한다고 생각해봅시다.

회원번호	이름	나이	가입일
101	김민수	32	2026-01-10
102	이지현	28	2026-01-11
103	박현우	41	2026-01-12

모든 데이터가:

회원번호

이름

나이

가입일

이라는 정해진 Column에 맞춰 들어갑니다.

이런 형태가 정형 데이터입니다.

Schema란 무엇인가#

초보자에게 Schema라는 단어가 어렵게 느껴질 수 있습니다.

간단하게는:

데이터를 어떤 구조와 규칙으로 저장할 것인지 정의한 설계

라고 이해할 수 있습니다.

예를 들어:

회원번호
→ 숫자

이름
→ 문자

나이
→ 숫자

가입일
→ 날짜

처럼 데이터의 구조가 미리 정해져 있습니다.

대표적인 정형 데이터#

관계형 Database Table

행과 열로 정리된 업무 데이터

일정한 Column 구조의 CSV

Excel 파일도 일정한 행·열 구조로 체계적으로 관리되는 경우 정형 데이터 형태로 활용할 수 있습니다.

정형 데이터의 장점#

구조가 일정하므로:

검색

정렬

집계

SQL Query

통계 분석

등을 수행하기 쉽습니다.

6장 반정형 데이터란 무엇인가#

반정형 데이터는 영어로 Semi-Structured Data라고 합니다.

정형 데이터처럼 고정된 Table Schema를 반드시 따르지는 않지만 데이터 내부에 구조를 구분할 수 있는 정보가 포함되어 있는 데이터입니다.

대표적인 예는:

JSON

XML

HTML

입니다.

JSON 사례#

다음 JSON을 살펴보겠습니다.

{
  "name": "김민수",
  "age": 32,
  "skills": ["Java", "Python"]
}

관계형 Database Table과 같은 고정된 행·열 구조는 아니지만:

name
age
skills

처럼 데이터의 의미를 구분할 수 있는 Key가 존재합니다.

따라서 완전히 구조가 없는 데이터는 아닙니다.

JSON이 유연하다는 것은 무슨 뜻인가#

예를 들어 다음 객체에는 email이라는 항목이 추가될 수도 있습니다.

{
  "name": "이지현",
  "age": 28,
  "email": "example@example.com"
}

첫 번째 데이터와 두 번째 데이터의 필드가 반드시 완전히 같아야 하는 것은 아닙니다.

이런 유연성이 반정형 데이터의 특징입니다.

7장 XML은 왜 반정형 데이터인가#

XML은 Tag를 사용해 데이터의 구조를 표현합니다.

예:

<user>
    <name>김민수</name>
    <age>32</age>
</user>

다음을 보면:

<name>
<age>

같은 Tag가 데이터의 의미를 설명합니다.

즉 Table처럼 완전히 고정된 구조는 아니지만 문서 안에서 데이터의 구조를 파악할 수 있습니다.

그래서 ADsP에서는 XML을 대표적인 반정형 데이터 사례로 구분합니다.

8장 HTML은 왜 반정형 데이터인가#

HTML도 Tag를 가지고 있습니다.

예:

<h1>데이터 분석</h1>
<p>ADsP 학습 자료입니다.</p>

h1, p 같은 Tag를 통해 문서의 구조를 어느 정도 알 수 있습니다.

따라서 ADsP 시험에서:

HTML은 정형 데이터이다.

라는 문장이 나오면 주의해야 합니다.

시험 기준으로는:

HTML
→ 반정형 데이터

로 구분합니다.

9장 JSON은 정형 데이터인가 반정형 데이터인가#

실무에서 JSON은 매우 자주 접하는 데이터 형태이기 때문에 시험에서도 혼동하기 쉽습니다.

예를 들어 API가 다음 데이터를 반환한다고 하겠습니다.

{
  "productId": 101,
  "name": "키보드",
  "price": 49000
}

구조가 전혀 없는 것은 아닙니다.

productId

name

price

라는 Key가 있기 때문입니다.

그러나 관계형 Database처럼 모든 Record가 동일한 Table Schema에 엄격하게 고정되어야 하는 형태와는 다릅니다.

ADsP 학습에서는 따라서:

JSON
→ 반정형 데이터

로 기억합니다.

10장 로그 데이터는 정형·반정형·비정형 중 어디에 속할까#

로그라는 이름만으로 무조건 하나의 유형이라고 단정하기는 어렵습니다.

로그가 어떻게 만들어졌는지에 따라 구조가 달라질 수 있기 때문입니다.

예를 들어:

2026-09-27 10:10:21 ERROR Connection timeout

처럼 자유로운 문자열 형태라면 비정형적인 성격이 강할 수 있습니다.

반면 JSON Log라면:

{
  "timestamp": "2026-09-27T10:10:21",
  "level": "ERROR",
  "message": "Connection timeout"
}

Key와 구조를 가지고 있으므로 반정형 데이터로 볼 수 있습니다.

따라서 실무에서는:

데이터 이름이 무엇인가?

보다:

실제로 어떤 구조로 저장되어 있는가?

를 확인하는 것이 중요합니다.

11장 비정형 데이터란 무엇인가#

비정형 데이터는 영어로 Unstructured Data라고 합니다.

정형 데이터처럼 미리 정해진 행·열 구조나 일정한 Schema에 맞춰 저장되지 않는 데이터입니다.

대표적인 예:

사진

음성

음악

Video

자연어 문서

SNS 게시글

PDF 본문

고객 상담 녹음

입니다.

사진을 생각해보자#

Database Table은:

Column 1
Column 2
Column 3

처럼 각각의 값이 어디에 들어가는지 명확합니다.

하지만 사진 파일 안에는:

사람

자동차

건물

하늘

표지판

등 여러 정보가 픽셀 형태로 들어 있습니다.

이 내용을 바로 SQL의 Row와 Column처럼 분석하기는 어렵습니다.

그래서 이미지 자체는 대표적인 비정형 데이터입니다.

12장 음성과 영상은 왜 비정형 데이터인가#

음성 파일에는 사람의 말과 소리가 들어 있고 영상에는 이미지와 소리, 시간 흐름이 함께 존재합니다.

예:

고객센터 상담 녹음

CCTV 영상

YouTube Video

회의 녹음

이 데이터에서:

누가 말했는가?

무슨 내용을 말했는가?

사람이 몇 명 있는가?

어떤 행동을 했는가?

를 알아내려면 별도의 분석 과정이 필요합니다.

예를 들어:

Audio
↓
Speech-to-Text
↓
Text
↓
자연어 처리

과정을 거칠 수도 있습니다.

따라서 ADsP 시험에서는:

이미지
음성
영상
자연어 Text
→ 비정형 데이터

로 기억하면 됩니다.

13장 정형·반정형·비정형 데이터 비교#

구분	정형	반정형	비정형
영어	Structured	Semi-Structured	Unstructured
구조	고정된 구조	구조는 있으나 유연함	고정 구조 없음
Schema	명확	상대적으로 유연	일반적 Table Schema 없음
대표 예	DB Table·CSV	JSON·XML·HTML	이미지·음성·영상·Text
분석	상대적으로 쉬움	Parsing 필요	추가 전처리 필요

가장 단순하게 표현하면:

정형
→ 틀이 확실하다.

반정형
→ 느슨한 틀이 있다.

비정형
→ 정해진 틀이 없다.

입니다.

14장 정형 데이터는 왜 분석하기 쉬운가#

다음과 같은 Table이 있다고 생각해봅시다.

고객	나이	구매금액
A	25	50000
B	32	80000
C	41	120000

이미 데이터가:

나이

구매금액

이라는 명확한 변수로 나뉘어 있습니다.

따라서 바로:

평균 구매금액

나이별 구매금액

최대·최소값

상관관계

등을 계산할 수 있습니다.

반면 고객 Review가 다음처럼 저장되어 있다면:

배송은 정말 빨랐는데
제품 포장이 조금 아쉬웠어요.

먼저 Text를 분석 가능한 형태로 바꾸어야 합니다.

Text
↓
전처리
↓
단어·문장 분석
↓
감성 분석

같은 추가 과정이 필요합니다.

15장 정성적 데이터는 항상 비정형인가#

아닙니다.

이 부분이 초보자가 매우 자주 혼동하는 부분입니다.

예를 들어 Database에 다음 Table이 있다고 생각해봅시다.

고객번호	등급	성별	지역
101	VIP	남성	서울
102	일반	여성	부산

VIP, 일반, 남성, 여성, 서울, 부산은 수량이라기보다 범주와 특성을 나타냅니다.

즉 정성적인 성격을 가질 수 있습니다.

하지만 데이터는 Database Table이라는 정형 구조 안에 저장되어 있습니다.

따라서:

정성적
=
무조건 비정형

은 아닙니다.

16장 정량적 데이터는 항상 정형인가#

이 역시 반드시 그런 것은 아닙니다.

예를 들어 다음 자연어 문장을 생각해봅시다.

오늘 서울의 기온은 30도였고
오후 3시에는 습도가 75%까지 올라갔다.

문장 안에는:

30도

75%

라는 정량적 값이 포함되어 있습니다.

하지만 전체 문장은 자연어 Text 형태입니다.

따라서 데이터의 내용과 저장 구조는 별개의 기준으로 보아야 합니다.

핵심:

정성·정량
≠
정형·비정형

입니다.

17장 두 가지 데이터 분류 기준을 동시에 이해하기#

다음처럼 두 축으로 생각하면 쉽게 이해할 수 있습니다.

내용의 성격
├─ 정성적
└─ 정량적

저장 구조
├─ 정형
├─ 반정형
└─ 비정형

예를 들어 쇼핑몰에는 다음 데이터가 있을 수 있습니다.

주문금액#

59,000원

내용:

정량적

Database Table에 저장했다면 구조:

정형

고객 등급#

VIP

내용:

정성적

Database Column에 저장했다면:

정형

고객 Review#

제품은 좋지만 배송이 늦었습니다.

내용:

정성적

자유로운 Text 형태라면:

비정형

이처럼 하나의 데이터는 여러 분류 관점에서 동시에 설명할 수 있습니다.

18장 API 데이터는 어떤 유형일까#

개발자가 자주 접하는 REST API에서는 JSON을 많이 사용합니다.

예:

{
  "orderId": 1001,
  "customer": "Kim",
  "amount": 59000,
  "status": "PAID"
}

이 데이터에는:

orderId
amount
→ 정량적 성격

customer
status
→ 범주·정성적 성격

의 값들이 함께 들어 있습니다.

하지만 전체 저장 표현은 JSON이므로 ADsP 분류에서는 일반적으로:

반정형 데이터

로 봅니다.

이 사례만 보더라도:

정성·정량

과:

정형·반정형·비정형

이 서로 다른 분류 기준이라는 것을 알 수 있습니다.

19장 빅데이터에서는 왜 비정형 데이터가 중요한가#

과거 기업 시스템에서는 Database에 저장된 정형 데이터가 분석의 중심이었습니다.

예:

매출

재고

고객

주문

결제

하지만 인터넷과 스마트폰, IoT, SNS가 확산되면서 다음과 같은 데이터가 대량으로 만들어집니다.

SNS 게시글

Image

Video

Audio

고객 Review

Chat

Sensor Log

이런 데이터를 분석하면 기존 Table 데이터만으로는 알기 어려웠던 새로운 정보를 얻을 수 있습니다.

예를 들어:

고객 Review
↓
Text Mining
↓
고객 불만 Keyword 추출

또는:

CCTV Video
↓
Computer Vision
↓
객체 탐지

와 같은 분석이 가능합니다.

20장 AI는 비정형 데이터를 어떻게 다루는가#

비정형 데이터는 전통적인 Table 분석보다 어렵지만 AI 기술이 발전하면서 활용 범위가 크게 넓어졌습니다.

Text#

자연어
↓
NLP·LLM
↓
분류·요약·검색·질의응답

Image#

Image
↓
Computer Vision
↓
객체 인식·분류

Audio#

Audio
↓
Speech Recognition
↓
Text 또는 특징 추출

Video#

Video
↓
Frame·Audio 분석
↓
행동·객체·Event 분석

따라서 현대 데이터 분석에서는 정형 데이터뿐 아니라 반정형·비정형 데이터를 처리하는 능력도 중요합니다.

21장 CSV는 무조건 정형 데이터인가#

ADsP 시험에서는 CSV를 대표적인 정형 데이터 사례로 이해하는 것이 일반적입니다.

CSV는 다음처럼 일정한 Column 구조를 가질 수 있습니다.

id,name,age
1,Kim,30
2,Lee,25
3,Park,40

각 행이 같은 구조를 가지고 있기 때문에 Table처럼 분석할 수 있습니다.

다만 실무에서는 CSV 파일이라고 해서 항상 데이터 품질이 완벽한 것은 아닙니다.

예를 들어:

Column 수 불일치

날짜 형식 혼재

Delimiter 오류

결측값

Header 누락

같은 문제가 발생할 수 있습니다.

즉:

정형 데이터
=
데이터 품질이 무조건 좋다

는 의미는 아닙니다.

22장 Excel은 무조건 정형 데이터인가#

Excel 역시 시험에서는 행과 열로 일정하게 구성된 경우 정형 데이터의 대표적인 예로 볼 수 있습니다.

하지만 실제 Excel 파일은 다음처럼 자유롭게 작성될 수도 있습니다.

제목 행 여러 개

병합 Cell

중간에 설명문

표 여러 개 혼재

빈 행

이미지 삽입

이 경우 단순한 Database Table처럼 바로 처리하기 어려울 수 있습니다.

따라서 실무에서는 파일 확장자만 보지 않고 실제 데이터 구조를 확인하는 것이 중요합니다.

23장 데이터 유형을 구분하는 가장 쉬운 질문#

데이터를 봤을 때 먼저 다음 질문을 합니다.

정성적·정량적 구분#

수량과 크기를 숫자로 측정하는 데이터인가?

그렇다면 정량적 데이터일 가능성이 높습니다.

특성·상태·의견·범주를 나타내는가?

그렇다면 정성적 데이터로 볼 수 있습니다.

정형·반정형·비정형 구분#

다음 질문을 합니다.

고정된 행·열 Schema인가?

그렇다면:

정형

입니다.

JSON·XML처럼
자체적인 구조 정보는 있는가?

그렇다면:

반정형

입니다.

Image·Video·Audio·자연어처럼
고정된 구조가 없는가?

그렇다면:

비정형

입니다.

24장 ADsP 시험에서 자주 나오는 함정#

함정 1. HTML을 정형 데이터로 분류#

HTML
→ 정형
X

ADsP에서는:

HTML
→ 반정형

으로 기억합니다.

함정 2. JSON을 비정형 데이터로 분류#

JSON은 자유로운 구조를 가질 수 있지만 Key를 통해 데이터 구조를 파악할 수 있습니다.

JSON
→ 반정형

입니다.

함정 3. Image와 Audio를 정형으로 분류#

Image

Audio

Video

는 대표적인 비정형 데이터입니다.

함정 4. 정성적 데이터와 비정형 데이터를 같은 개념으로 생각#

둘은 분류 기준 자체가 다릅니다.

정성
→ 내용의 성격

비정형
→ 저장 구조

입니다.

함정 5. 정량 데이터는 무조건 정형이라고 생각#

정량적 값이 자연어 Text나 다른 비정형 데이터 속에 들어 있을 수도 있습니다.

따라서 자동으로 같은 개념으로 연결하면 안 됩니다.

25장 ADsP 시험 핵심 비교표#

정성적 vs 정량적#

구분	정성적	정량적
영어	Qualitative	Quantitative
중심	성질·특성	수량·크기
대표 형태	문자·범주	숫자
예	고객 의견·날씨 상태	기온·나이·습도·매출

정형 vs 반정형 vs 비정형#

유형	특징	대표 예
정형	고정된 Schema	DB Table·CSV
반정형	구조는 있으나 유연	JSON·XML·HTML
비정형	고정된 구조 없음	Image·Audio·Video·Text

26장 시험 직전 30초 암기#

정성적
Qualitative

특성·상태·의견
문자·범주 중심

정량적
Quantitative

수량·크기
숫자로 측정 가능

정형
Structured

고정된 Schema
DB Table
CSV

반정형
Semi-Structured

유연한 구조
JSON
XML
HTML

비정형
Unstructured

고정 구조 없음
Image
Audio
Video
Text

가장 중요한 함정:

HTML
→ 반정형

JSON
→ 반정형

XML
→ 반정형

Image
→ 비정형

Audio
→ 비정형

Video
→ 비정형

그리고 반드시 기억합니다.

정성·정량
≠
정형·반정형·비정형

데이터 유형 FAQ#

정성적 데이터란 무엇인가#

대상의 성질, 상태, 특징, 의견 등을 나타내는 데이터입니다.

고객 Review, 기상특보, 만족도 범주, SNS 게시글 등이 대표적인 사례입니다.

정량적 데이터란 무엇인가#

수량과 크기를 숫자로 측정할 수 있는 데이터입니다.

나이, 기온, 풍속, 습도, 매출액 등이 대표적인 사례입니다.

정형 데이터란 무엇인가#

미리 정의된 Schema와 행·열 구조에 따라 일정한 형태로 저장되는 데이터입니다.

Database Table이나 일정한 Column 구조의 CSV가 대표적입니다.

반정형 데이터란 무엇인가#

관계형 Table처럼 완전히 고정된 구조는 아니지만 Tag나 Key 등을 이용해 내부 구조를 구분할 수 있는 데이터입니다.

JSON, XML, HTML이 대표적입니다.

비정형 데이터란 무엇인가#

고정된 Table Schema가 없는 데이터입니다.

Image, Audio, Video, 자연어 Text 등이 대표적인 사례입니다.

JSON은 정형 데이터인가#

ADsP에서는 일반적으로 JSON을 반정형 데이터로 분류합니다.

Key와 Value를 통해 구조를 가지고 있지만 관계형 Table과 같은 엄격한 고정 Schema는 아니기 때문입니다.

XML은 어떤 데이터인가#

XML 역시 Tag로 내부 구조를 표현할 수 있기 때문에 반정형 데이터로 분류합니다.

HTML은 어떤 데이터인가#

ADsP에서는 HTML을 반정형 데이터로 구분합니다.

Tag를 통해 문서 구조를 표현하기 때문입니다.

이미지와 영상은 어떤 데이터인가#

대표적인 비정형 데이터입니다.

고정된 행·열 Schema로 바로 분석하기 어렵기 때문에 Computer Vision 등의 별도 처리 과정이 필요할 수 있습니다.

CSV는 어떤 데이터인가#

일정한 Column과 Row 구조로 작성된 CSV는 일반적으로 정형 데이터로 분류합니다.

로그 데이터는 어떤 유형인가#

저장 형태에 따라 달라질 수 있습니다.

자유로운 Text Log는 비정형적일 수 있고 JSON 구조의 Log는 반정형 데이터로 볼 수 있습니다.

정성적 데이터와 비정형 데이터는 같은 것인가#

아닙니다.

정성적 데이터는 데이터가 표현하는 내용의 성격에 관한 분류이고 비정형 데이터는 데이터 저장 구조에 관한 분류입니다.

정량적 데이터와 정형 데이터는 같은 것인가#

아닙니다.

숫자로 표현된 정량 데이터가 정형 구조에 저장되는 경우가 많지만 두 용어의 분류 기준 자체는 다릅니다.

자기 점검#

다음 질문에 바로 답할 수 있는지 확인해봅니다.

정성적 데이터와 정량적 데이터의 차이를 설명할 수 있는가?
정형 데이터의 핵심 특징을 설명할 수 있는가?
반정형 데이터가 완전한 비정형 데이터와 다른 이유를 설명할 수 있는가?
JSON·XML·HTML이 어느 유형인지 알고 있는가?
Image·Audio·Video가 어느 유형인지 알고 있는가?
Database Table과 CSV가 왜 정형 데이터인지 설명할 수 있는가?
정성적 = 비정형이라고 단정하면 안 되는 이유를 설명할 수 있는가?
정량적 = 정형이라고 단정하면 안 되는 이유를 설명할 수 있는가?
JSON 안에 정성적 값과 정량적 값이 동시에 들어갈 수 있다는 것을 이해했는가?
새로운 데이터를 보고 내용과 구조라는 두 기준으로 각각 분류할 수 있는가?

이 글을 마치며#

데이터 유형을 공부할 때 가장 먼저 해야 할 일은 서로 다른 분류 기준을 섞지 않는 것입니다.

첫 번째 기준은 데이터가 무엇을 표현하는지입니다.

정성적
→ 성질·특징·의견

정량적
→ 수량·크기

두 번째 기준은 데이터를 어떤 구조로 저장했는지입니다.

정형
→ 고정된 구조

반정형
→ 유연하지만 구조 정보가 있음

비정형
→ 고정된 구조 없음

따라서 다음처럼 두 질문을 따로 하면 됩니다.

이 데이터는
무엇을 표현하는가?

↓

정성적 / 정량적

그리고:

이 데이터는
어떻게 구조화되어 있는가?

↓

정형 / 반정형 / 비정형

이 두 축을 분리해서 이해하면 ADsP 시험에서 데이터 유형 문제가 조금 다르게 표현되더라도 단순 암기 없이 구분할 수 있습니다.

특히 시험 직전에는 다음 한 줄을 기억하면 됩니다.

정성·정량은 내용,
정형·반정형·비정형은 구조.

데이터 유형 총정리: 정성적·정량적 데이터와 정형·반정형·비정형 데이터 차이