क्या आप भी अक्सर डेटा (Data) और सूचना (Information) को एक ही समझ लेते हैं? अगर हाँ, तो आप अकेले नहीं हैं। कंप्यूटर विज्ञान (Computer Science) की दुनिया में प्रवेश करते समय 99% छात्र इसी भ्रम (Confusion) का शिकार होते हैं। लेकिन एक गंभीर प्रतियोगी छात्र (Serious Aspirant) के रूप में, आपके लिए यह जानना अनिवार्य है कि ये दोनों शब्द एक नहीं हैं, बल्कि इनके बीच जमीन और आसमान का अंतर है।
आज के इस All-in-One लेख में, हम डेटा और सूचना में अंतर (Difference Between Data and Information) के विषय को इतनी गहराई से समझेंगे कि इसके बाद आपको कभी भी किसी और किताब या ब्लॉग को पढ़ने की आवश्यकता नहीं होगी। चाहे आप SSC CGL, IBPS PO, RRB NTPC की तैयारी कर रहे हों या UPSC और State Computer Operator परीक्षाओं की, यह टॉपिक कंप्यूटर विषय की रीढ़ (Backbone) है।
इस विस्तृत लेख (Detailed Article) में आपको मिलेगा:
- Data और Information की सटीक परिभाषा और उदाहरण।
- Processing Cycle का विस्तृत विश्लेषण।
- एक शानदार Comparison Table जो एक नज़र में सब कुछ स्पष्ट कर देगी।
- DIKW Pyramid और परीक्षा के लिए महत्वपूर्ण One-Liner Facts।
तो चलिए, अपनी तैयारी को एक नई दिशा देते हैं और डेटा (Data) को ज्ञान (Knowledge) में बदलते हैं!
डेटा क्या है? (What is Data?)
सबसे पहले, हमें डेटा (Data) की मूल अवधारणा को समझना होगा। कंप्यूटर विज्ञान (Computer Science) में, डेटा किसी भी जानकारी की सबसे छोटी और कच्ची इकाई (Raw Unit) होती है।
सरल शब्दों में, डेटा (Data) का अर्थ है—कच्चे तथ्य और आंकड़े (Raw Facts and Figures)। यह वह जानकारी है जो असंगठित (Unorganized) होती है और जिसका अपने आप में कोई स्पष्ट अर्थ (Clear Meaning) नहीं होता।
डेटा की मुख्य विशेषताएं (Key Features of Data):
- अव्यवस्थित (Unorganized): यह बिखरा हुआ होता है।
- अर्थहीन (Meaningless): बिना संदर्भ (Context) के इसका कोई मतलब नहीं होता।
- इनपुट (Input): कंप्यूटर के लिए यह 'कच्चे माल' (Raw Material) की तरह काम करता है।
उदाहरण (Example): मान लीजिए आपके पास कुछ नंबर हैं: 90, 85, 88। ये सिर्फ नंबर हैं। हमें नहीं पता कि ये किसी छात्र के नंबर हैं, किसी का वजन है, या किसी गाड़ी की स्पीड। इसलिए, यह 'डेटा' है। डेटा टेक्स्ट, संख्या, चित्र, या ध्वनि किसी भी रूप में हो सकता है।
डेटा के प्रकार (Types of Data)
एक प्रतियोगी छात्र के रूप में, आपको केवल 'डेटा' शब्द जानकर नहीं रुकना है। परीक्षाओं में डेटा का वर्गीकरण (Classification) कई आधारों पर पूछा जाता है। आइए इसे विस्तार से समझते हैं:
स्वरूप के आधार पर (Based on Nature/Format):
यह सबसे सामान्य वर्गीकरण है जो SSC और State Exams में पूछा जाता है।
- संख्यात्मक डेटा (Numeric Data): इसमें केवल 0 से 9 तक के अंकों (Digits) का उपयोग होता है।
- उदाहरण: रोल नंबर, बैंक अकाउंट नंबर, मोबाइल नंबर, किसी छात्र के मार्क्स।
- खास बात: इस डेटा पर गणितीय क्रियाएं (जोड़, घटाना, गुणा) की जा सकती हैं।
- वर्णमाला डेटा (Alphabetic Data): इसमें केवल अक्षरों (A-Z या क-ज्ञ) का उपयोग होता है।
- उदाहरण: किसी का नाम (Name), शहर का नाम, देश का नाम।
- अल्फ़ान्यूमेरिक डेटा (Alphanumeric Data): यह सबसे महत्वपूर्ण है। इसमें अंक (Numbers), अक्षर (Letters) और विशेष चिह्न (Special Characters like @, #, $, %) सभी शामिल होते हैं।
- उदाहरण: घर का पता (H.No 105, Sector-4), ईमेल आईडी (abc@gmail.com), पासवर्ड।
- अक्सर पूछा जाता है कि 'Address' किस प्रकार का डेटा है? उत्तर है—Alphanumeric.
- ग्राफिकल और मल्टीमीडिया डेटा (Graphical & Multimedia Data): इसमें चित्र (Images), ऑडियो (Audio) और वीडियो (Video) शामिल होते हैं। आज के डिजिटल युग में यह सबसे ज्यादा इस्तेमाल होने वाला डेटा है।
संरचना के आधार पर (Based on Structure):
- संरचित डेटा (Structured Data): वह डेटा जो एक निश्चित प्रारूप (Format) में व्यवस्थित होता है, जैसे Excel Sheet या SQL Database में। इसे खोजना और प्रोसेस करना आसान होता है।
- असंरचित डेटा (Unstructured Data): जिसका कोई निश्चित प्रारूप नहीं होता। जैसे—ईमेल की बॉडी, सोशल मीडिया पोस्ट, वीडियो, फोटो। दुनिया का 80% डेटा इसी श्रेणी में आता है।
संकेत या ट्रांसमिशन के आधार पर (Based on Signal/Transmission):
परीक्षाओं में, विशेषकर Science & Tech वाले सेक्शन में, यह वर्गीकरण सबसे महत्वपूर्ण है। यहाँ हम डेटा को उसके भौतिक (Physical) और तकनीकी (Technical) रूप में देखते हैं।
- एनालॉग डेटा (Analog Data):
- परिभाषा: यह सतत डेटा (Continuous Data) होता है। इसका मान (Value) लगातार बदलता रहता है और यह टूटता नहीं है। यह भौतिक राशियों (Physical Quantities) को दर्शाता है।
- सिग्नल: यह तरंग (Wave/Sine Wave) के रूप में चलता है।
- उदाहरण: तापमान (Temperature), दबाव (Pressure), स्पीडोमीटर की सुई (Speedometer needle), मानव आवाज़ (Human Voice), या पुराने पारे वाले थर्मामीटर की रीडिंग।
- कमीं: एनालॉग डेटा में शोर (Noise) या अशुद्धि की संभावना अधिक होती है।
- डिजिटल डेटा (Digital Data):
- परिभाषा: यह असतत डेटा (Discrete Data) होता है। यह जानकारी को स्पष्ट और अलग-अलग टुकड़ों में दर्शाता है। आधुनिक कंप्यूटर केवल इसी डेटा को समझता है।
- सिग्नल: यह बाइनरी (Binary - 0 और 1) के रूप में चलता है, जिसे 'Square Wave' भी कहते हैं। इसमें डेटा या तो 'ON' (1) होता है या 'OFF' (0)।
- उदाहरण: कंप्यूटर की फाइलें, MP3 गाने, डिजिटल घड़ी (Digital Watch) का समय।
- विशेषता: डिजिटल डेटा को स्टोर करना, कॉपी करना और लंबी दूरी तक भेजना आसान और त्रुटि-मुक्त (Error-free) होता है।
सूचना क्या है? (What is Information?)
जब हम डेटा को प्रोसेस करते हैं और उसे एक व्यवस्थित रूप (Organized Form) देते हैं, तो वह सूचना (Information) बन जाती है।
तकनीकी भाषा में, संसाधित डेटा (Processed Data) को ही सूचना (Information) कहा जाता है। सूचना वह डेटा है जिसे एक विशेष संदर्भ (Context) में रखा गया है ताकि उसका एक अर्थ (Meaning) निकल सके और जिसके आधार पर हम निर्णय (Decision) ले सकें।
सूचना की मुख्य विशेषताएं (Key Features of Information):
- व्यवस्थित (Organized): यह संरचित (Structured) होती है।
- अर्थपूर्ण (Meaningful): इससे हमें स्पष्ट जानकारी मिलती है।
- आउटपुट (Output): यह प्रोसेसिंग का अंतिम परिणाम (Result) होती है।
उदाहरण (Example): उसी पिछले उदाहरण को देखिए। यदि हम कहें: "रोहन ने गणित में 90, विज्ञान में 85 और अंग्रेजी में 88 अंक प्राप्त किए।" अब इन नंबरों का एक अर्थ है। हमें पता चल गया कि यह एक छात्र का रिजल्ट है। इसलिए, यह 'सूचना' (Information) है।
सूचना के प्रकार (Types of Information)
जिस तरह डेटा अलग-अलग होता है, उसी तरह सूचना (Information) को भी प्रबंधन (Management) और उपयोग के आधार पर वर्गीकृत किया जाता है।
प्रबंधन स्तर के आधार पर (Based on Management Levels):
- रणनीतिक सूचना (Strategic Information):
- कौन उपयोग करता है: शीर्ष प्रबंधन (Top Management - CEO, Directors)।
- उद्देश्य: लंबी अवधि के निर्णय (Long-term decisions) लेना।
- उदाहरण: "अगले 5 साल में कंपनी का प्रॉफिट 20% कैसे बढ़ाएं?" या "बाजार में नई तकनीक का क्या रुझान है?"
- सामरिक सूचना (Tactical Information):
- कौन उपयोग करता है: मध्य प्रबंधन (Middle Management - Managers)।
- उद्देश्य: अल्पकालिक निर्णय (Short-term decisions) लेना और रणनीतियों को लागू करना।
- उदाहरण: "इस महीने की बिक्री रिपोर्ट (Monthly Sales Report)" या "कर्मचारियों की छुट्टी का विवरण।"
- परिचालन सूचना (Operational Information):
- कौन उपयोग करता है: निचला स्तर (Lower Level Supervisors)।
- उद्देश्य: दैनिक कार्यों (Day-to-day operations) को संभालना।
- उदाहरण: "आज कितनी यूनिट का उत्पादन हुआ?" या "आज कितने कर्मचारी उपस्थित हैं?"
समय के आधार पर (Based on Time):
- Real-Time Information: जो घटना घटते ही तुरंत मिलती है (जैसे: लाइव क्रिकेट स्कोर, शेयर मार्केट के भाव)।
- Delayed/Batch Information: जो कुछ समय बाद या एक साथ मिलती है (जैसे: महीने के अंत में बैंक स्टेटमेंट)।
डेटा सूचना में कैसे बदलता है? (Data Processing Cycle)
कंप्यूटर की दुनिया में, डेटा का सूचना में बदलना एक जादुई प्रक्रिया नहीं, बल्कि एक तार्किक चक्र (Logical Cycle) है। इसे I-P-O Cycle (Input-Process-Output) कहा जाता है।
- Input (इनपुट): हम कंप्यूटर को Data देते हैं (जैसे कीबोर्ड से टाइप करना)।
- Process (प्रक्रिया): सीपीयू (CPU) उस डेटा पर गणना (Calculation) करता है।
- Output (आउटपुट): मॉनिटर (Monitor) पर हमें Information मिलती है।
साधारण समीकरण (Simple Equation):
Data + Context + Meaning = Information (डेटा + संदर्भ + अर्थ = सूचना)
उदाहरण से समझें (Understand through Example)
आइए इसे एक बहुत ही सरल उदाहरण से समझते हैं।
परिदृश्य: एक क्रिकेट मैच (Scenario: A cricket match)
-
डेटा (Data):
- खिलाड़ी का नाम: विराट
- रन बनाए: 15
- गेंदे खेलीं: 10
- खिलाड़ी का नाम: रोहित
- रन बनाए: 8
- गेंदे खेलीं: 12
यह सब सिर्फ आंकड़े हैं, यानी डेटा है। इससे कोई खास निष्कर्ष नहीं निकल रहा।
-
सूचना (Information):
- विराट का स्ट्राइक रेट रोहित से बेहतर है। (15 रन / 10 गेंद * 100 = 150 का स्ट्राइक रेट)
- टीम का कुल स्कोर 23 रन है।
यहां हमने उस डेटा को प्रोसेस करके एक उपयोगी और अर्थपूर्ण जानकारी निकाली है, जो सूचना है।
डेटा और सूचना में अंतर (Difference Between Data and Information)
यह इस लेख का सबसे महत्वपूर्ण हिस्सा है। नीचे दी गई तालिका (Table) को ध्यान से पढ़ें, क्योंकि 90% प्रश्न यहीं से बनते हैं।
| तुलना (Comparison) | डेटा (Data) | सूचना (Information) |
|---|---|---|
| 1. अर्थ (Meaning) | यह कच्चे तथ्य (Raw Facts) होते हैं जिनका कोई स्वतंत्र अर्थ नहीं होता। | यह संसाधित डेटा (Processed Data) है जिसका एक स्पष्ट और उपयोगी अर्थ होता है। |
| 2. स्वरूप (Form) | यह असंगठित (Unorganized) और बेतरतीब होता है। | यह संगठित (Organized) और संरचित (Structured) होता है। |
| 3. निर्भरता (Dependency) | डेटा सूचना पर निर्भर नहीं होता। | सूचना पूरी तरह से डेटा पर निर्भर होती है (बिना डेटा के सूचना नहीं बन सकती)। |
| 4. कंप्यूटर टर्म (Computer Term) | यह इनपुट (Input) है। | यह आउटपुट (Output) है। |
| 5. उदाहरण (Example) | किसी छात्र का रोल नंबर (101)। | "रोल नंबर 101 कक्षा में उपस्थित है।" |
| 6. निर्णय (Decision Making) | आप केवल डेटा के आधार पर निर्णय नहीं ले सकते। | सूचना के आधार पर निर्णय लिया जा सकता है। |
DIKW पिरामिड क्या है? (What is DIKW Pyramid?)
अगर आप उच्च स्तरीय परीक्षाओं की तैयारी कर रहे हैं, तो आपको DIKW मॉडल के बारे में पता होना चाहिए। यह ज्ञान का पदानुक्रम (Hierarchy of Knowledge) दर्शाता है।
- Data (डेटा): सबसे निचला स्तर। (उदाहरण: 'लाल रंग')
- Information (सूचना): संदर्भ के साथ डेटा। (उदाहरण: 'ट्रैफिक लाइट लाल है')
- Knowledge (ज्ञान): सूचना का अनुभव के साथ उपयोग। (उदाहरण: 'लाल लाइट का मतलब है रुकना चाहिए, नहीं तो दुर्घटना हो सकती है')
- Wisdom (बुद्धिमत्ता): ज्ञान का सही समय पर सही उपयोग। (उदाहरण: 'गाड़ी रोक देना क्योंकि लाइट लाल है')
महत्वपूर्ण तथ्य (Data vs. Information: Exam Facts)
दोस्तों, यह इस लेख का वह 'बोनस सेक्शन' है जो आपको भीड़ से अलग बनाता है। सेलेक्शन पाने वाले अभ्यर्थी इन बारीक तथ्यों (Hidden Facts) पर ध्यान देते हैं जो सीधे MCQ बनकर सामने आते हैं। यहाँ हमने Data और Information से जुड़े 15 ऐसे अनोखे तथ्य संकलित किए हैं जो अक्सर परीक्षाओं में पूछे जाते हैं।
- Data शब्द लैटिन भाषा के 'Datum' शब्द का बहुवचन (Plural) है। जिसका अर्थ होता है "तथ्य" (Facts)।
- सूचना (Information) शब्द फ्रेंच शब्द 'Informer' से बना है, जिसका अर्थ है 'आकार देना'।
- सभी सूचनाएं डेटा होती हैं, लेकिन सभी डेटा सूचना नहीं होते।
- कंप्यूटर विज्ञान में एक प्रसिद्ध सिद्धांत है—GIGO (Garbage In, Garbage Out)। इसका अर्थ है कि यदि आप कंप्यूटर को गलत डेटा (Wrong Data) इनपुट देंगे, तो वह आपको गलत सूचना (Wrong Information) ही आउटपुट देगा।
- Metadata का अर्थ होता है 'Data about Data' (डेटा के बारे में डेटा)। यह डेटा का वर्णन करता है, जैसे फाइल का आकार, बनाने की तारीख आदि।
- कंप्यूटर में डेटा की सबसे छोटी इकाई बिट (Bit) होती है, जो केवल 0 या 1 हो सकती है।
- Alphanumeric Data (अल्फ़ान्यूमेरिक डेटा) में न केवल नंबर होते हैं, बल्कि अक्षर (Letters) और विशेष चिह्न (Special Characters) भी शामिल होते हैं।
- जब डेटा को एक जगह से दूसरी जगह भेजा जाता है, तो उसकी शुद्धता (Accuracy) और संपूर्णता (Completeness) को Data Integrity कहा जाता है।
- Electronic Data Processing (EDP) वह प्रक्रिया है जिसके द्वारा कंप्यूटर कच्चे डेटा को सूचना में बदलता है।
- Database (जैसे SQL, Oracle) वास्तव में संबंधित डेटा (Related Data) का एक संगठित संग्रह होता है।
- Data Redundancy का अर्थ है डेटा का दोहराव (Duplication)। एक अच्छे डेटाबेस में इसे कम से कम रखा जाता है।
- Data Mining एक ऐसी तकनीक है जिसका उपयोग डेटा के विशाल भंडार (Big Data) से छिपी हुई उपयोगी जानकारी और पैटर्न खोजने के लिए किया जाता है।
- Field डेटाबेस में डेटा की सबसे छोटी तार्किक इकाई (Logical Unit) होती है, जैसे—किसी का 'नाम' या 'उम्र'।
- Big Data शब्द का प्रयोग उस डेटा के लिए किया जाता है जो इतना विशाल और जटिल है कि उसे पारंपरिक सॉफ़्टवेयर से प्रोसेस नहीं किया जा सकता।
- Knowledge (ज्ञान) सूचना का वह स्तर है जहाँ हम सूचना का उपयोग करके अनुभव और समझ विकसित करते हैं।
- जनगणना (Census) के दौरान घर-घर जाकर जो जानकारी भरी जाती है वह 'डेटा' है, लेकिन जब सरकार बताती है कि "देश की साक्षरता दर 74% है", तो वह 'सूचना' है।
- कंप्यूटर Data को Information में बदलने के लिए जिस चक्र का पालन करता है उसे IPOS Cycle (Input-Process-Output-Storage) भी कहा जाता है।
सही/गलत तथ्यों की जाँच (Data vs. Information: True/False)
सही या गलत देखने के लिए ब्लर किये गये स्थान (Blurred Areas) पर क्लिक करें।
- डेटा एक संसाधित तथ्य है। [ False ]
- सूचना निर्णय लेने में सहायक होती है। [ True ]
- डेटा, सूचना पर निर्भर करता है। [ False ]
- कंप्यूटर द्वारा दिया गया आउटपुट हमेशा सूचना होता है। [ True ]
- 'राम' एक डेटा का उदाहरण है। [ True ]
- सभी डेटा को सूचना में परिवर्तित किया जा सकता है। [ False ]
- सूचना हमेशा डेटा से अधिक विस्तृत होती है। [ False ]
- एक तस्वीर (image) डेटा नहीं हो सकती। [ False ]
- किसी कक्षा की मार्कशीट एक सूचना का उदाहरण है। [ True ]
निष्कर्ष (Conclusion)
दोस्तों, अक्सर प्रतियोगी परीक्षाओं में छात्र सिर्फ एक या दो नंबर से पीछे रह जाते हैं, और उसका मुख्य कारण होता है—बुनियादी अवधारणाओं (Basic Concepts) में स्पष्टता न होना। अब तक शायद आप भी डेटा (Data) और सूचना (Information) को एक ही तराजू में तौल रहे थे, लेकिन इस लेख को पढ़ने के बाद वह भ्रम पूरी तरह से दूर हो चुका होगा। आज आपने न केवल इनकी परिभाषा सीखी है, बल्कि Processing Cycle और DIKW पिरामिड जैसे एडवांस टॉपिक्स पर भी पकड़ बना ली है।
इस लेख का सार (Quick Recap):
- 📌 डेटा (Data) कच्चे तथ्य हैं (जैसे: सब्जी), जबकि सूचना (Information) पका हुआ भोजन है (जैसे: तैयार डिश)।
- 📌 कंप्यूटर हमेशा Input के रूप में डेटा लेता है और Output के रूप में सूचना देता है।
- 📌 निर्णय (Decision) हमेशा सूचना के आधार पर लिया जाता है, न कि कच्चे डेटा के आधार पर।
अगर इस लेख से आपको आज कुछ नया सीखने को मिला है, तो कृपया इसे अपने दोस्तों के साथ शेयर करें ताकि वे भी आपकी वजह से कुछ नया सीख सकें। साथ ही, नीचे कमेंट करके अपनी कीमती राय ज़रूर दें। दोबारा देखने के लिए इस पेज को बुकमार्क (Ctrl+D) कर लें। परीक्षा पैटर्न पर आधारित रोज़ाना क्विज़, शॉर्ट नोट्स और परीक्षा से जुड़ी जानकारी के लिए हमारे टेलीग्राम चैनल @rojgarbytes से जुड़ें।
पढ़ते रहिए, आगे बढ़ते रहिए! 🚀
अक्सर पूछे जाने वाले प्रश्न (FAQs)
डेटा और सूचना में मुख्य अंतर क्या है?
सबसे बड़ा अंतर यह है कि डेटा (Data) असंगठित और कच्चे तथ्य (Raw Facts) होते हैं जिनका कोई स्पष्ट अर्थ नहीं होता, जबकि सूचना (Information) उस डेटा का संसाधित (Processed) रूप है जो व्यवस्थित और अर्थपूर्ण होता है।
कंप्यूटर में डेटा और सूचना का उदाहरण क्या है?
उदाहरण के लिए, यदि आप कीबोर्ड से '50' और '100' टाइप करते हैं, तो यह डेटा है। लेकिन जब कंप्यूटर इसे जोड़कर परिणाम '150' दिखाता है, तो वह सूचना बन जाता है।
डेटा प्रोसेसिंग साइकिल (DPC) क्या है?
यह वह प्रक्रिया है जिसके द्वारा कंप्यूटर डेटा को सूचना में बदलता है। इसके तीन मुख्य चरण हैं: Input (डेटा) → Process (CPU द्वारा गणना) → Output (सूचना)। इसे IPO साइकिल भी कहा जाता है।
क्या सूचना के बिना डेटा संभव है?
जी हाँ, डेटा सूचना के बिना अस्तित्व में रह सकता है क्योंकि यह कच्चा माल है। लेकिन सूचना (Information) डेटा के बिना संभव नहीं है, क्योंकि सूचना डेटा को प्रोसेस करके ही बनाई जाती है।
क्या सूचना के बिना डेटा मौजूद हो सकता है?
हाँ, डेटा सूचना के बिना मौजूद हो सकता है। उदाहरण के लिए, एक सर्वे फॉर्म में भरे गए उत्तर केवल डेटा हैं जब तक कि उनका विश्लेषण करके कोई रिपोर्ट न बनाई जाए।
सूचना, डेटा से अधिक विश्वसनीय होती है।
यह हमेशा सच नहीं होता। सूचना की विश्वसनीयता इस बात पर निर्भर करती है कि डेटा कितना सटीक है और उसे कैसे संसाधित किया गया है। यदि डेटा गलत है (Garbage In), तो उससे उत्पन्न सूचना भी गलत होगी (Garbage Out - GIGO)।
ज्ञान (Knowledge) और सूचना (Information) में क्या अंतर है?
सूचना (Information) हमें बताती है कि "क्या" हुआ है (जैसे: तापमान 40°C है)। जबकि ज्ञान (Knowledge) हमें बताता है कि उस सूचना का उपयोग "कैसे" करना है (जैसे: 40°C तापमान है, इसलिए बाहर नहीं जाना चाहिए)।
डेटा और सूचना में से कौन सा निर्णय लेने के लिए उपयोगी है?
निर्णय (Decision Making) हमेशा सूचना (Information) के आधार पर लिया जाता है। कच्चे डेटा के आधार पर सही निर्णय लेना कठिन और जोखिम भरा होता है।
कंप्यूटर में डेटा प्रोसेसिंग क्यों आवश्यक है?
डेटा प्रोसेसिंग आवश्यक है ताकि कच्चे डेटा को उपयोगी सूचना में बदला जा सके, जिसका उपयोग विश्लेषण और निर्णय लेने के लिए किया जा सकता है।
ज्ञान (Knowledge) डेटा और सूचना से कैसे संबंधित है?
जब सूचना को अनुभव और समझ के साथ जोड़ा जाता है, तो वह ज्ञान बन जाती है। यह पदानुक्रम इस प्रकार है: डेटा -> सूचना -> ज्ञान -> बुद्धिमत्ता (Wisdom)।
क्या एक व्यक्ति के लिए जो डेटा है, वह दूसरे के लिए सूचना हो सकता है?
हाँ, यह संभव है। संदर्भ (context) पर निर्भर करता है। एक वैज्ञानिक के लिए कच्चे प्रायोगिक आंकड़े डेटा हो सकते हैं, लेकिन एक प्रबंधक के लिए उन आंकड़ों का सारांश (summary) सूचना होगी।
Thanks for Reading! / पढ़ने के लिए धन्यवाद! 🙏
सरकारी परीक्षाओं की तैयारी कर रहे
हैं?
हमारे ब्लॉग पर पाएं
Best Computer Notes, PYQs, Mock Tests और
Quizzes बिल्कुल फ्री।