分类数据和顺序数据是常见的定性数据类型，分类数据通过标签对事物进行区分，如性别、职业、颜色等，类别之间没有高低次序；顺序数据则在分类基础上包含等级或顺序，如满意度、学历、比赛名次等，别小看这些标签，它们将复杂信息结构化为可识别、可比较的单元，是统计分析、市场调研和机器学习的基础，合理区分两类数据有助于选择正确的分析方法，分类数据解释“是什么”，顺序数据进一步揭示“处于什么层级”，二者共同帮助我们理解世界、发现模式并做出决策。
在数据分析和机器学习中，我们常常被连续数据吸引，比如收入、温度、点击率、停留时长，但现实中，大量信息其实是以分类数据的形式存在的：性别、城市、职业、商品品类、用户等级、满意度评价、疾病类型，分类数据又称定性数据或属性数据，它是把观测对象划入不同类别后得到的数据，它不能直接做加减乘除，却蕴含着分类逻辑、群体差异和行为规律。
分类数据通常分为两类，一类是名义分类数据，类别之间没有天然顺序，例如血型A/B/O/AB、手机品牌、所在省份，另一类是顺序分类数据，类别之间存在等级或顺序，但差值没有实际意义，例如学历从高中到博士、满意度从“非常不满意”到“非常满意”、病情严重程度“轻度/中度/重度”。
分类数据有两个核心特征：互斥性和完备性，互斥性意味着每个观测对象只能归入一个类别，不能同时属于两个类别；完备性则要求所列类别能够覆盖所有可能情况，顺序分类数据在此之上还增加了单调顺序关系，正因如此，分析时不能简单把类别编码为1、2、3，就当作连续变量去计算均值或做线性回归,否则很容易制造虚假的数学关系。
如何分析分类数据？
在描述统计层面，通常使用频数、比例、众数来描述分类数据，可视化工具包括条形图、饼图、堆积柱状图、马赛克图等，在推断统计层面，如果要研究两个分类变量之间是否存在关联，可以使用列联表和卡方检验；当样本量较小或频数较低时，可以使用Fisher精确检验，如果因变量是连续变量，而自变量是分类变量，可以使用方差分析；如果因变量本身也是分类变量，则可以考虑逻辑回归、决策树等模型。
在机器学习中，分类变量通常需要编码后才能进入模型，无序分类变量常使用独热编码，将每个类别展开为0/1变量；有序分类变量则可以使用顺序整数编码，或者采用能够保留顺序信息的编码方式，编码方式的选择直接影响模型表现,不能随意处理。
举一个常见例子，某电商平台想了解会员等级与复购行为之间的关系，会员等级是顺序分类数据：普通会员、银卡会员、金卡会员、钻石会员；是否复购是二分类变量，通过列联表可以计算不同会员等级的复购率，并通过卡方检验判断会员等级与复购是否显著相关，进一步，可以建立逻辑回归模型，将会员等级作为有序自变量编码后放入模型，估计会员等级每提升一级，复购概率如何变化，分类数据就不再只是一个个标签，而成为解释行为、预测趋势的重要变量。
使用分类数据时还需要注意几个常见问题，类别过多会导致频数稀疏、模型复杂度上升，此时需要适当合并类别或进行降维，类别不平衡会影响模型判断，需要采用重采样、调整权重或选择合适评价指标，无序分类和有序分类不可混用：把无序类别强行编码为数字，会引入本来不存在的顺序；把有序类别简单做独热编码，又可能丢失顺序信息，缺失类别、未知类别、类别定义变化等,也需要在数据清洗阶段妥善处理。
分类数据并不是“低等数据”，它和连续数据一样，是理解世界的一种基本维度，连续数据回答“多少”，分类数据回答“哪种”“属于哪一类”，许多重要问题，例如用户是否会流失、疾病属于哪种亚型、客户属于哪个细分市场、评论是正面还是负面，本质上都是分类问题，学会正确理解、处理和分析分类数据，是数据分析和建模的基本功,也是从标签中发现洞察的开始。