数据上的概括是形成概念的一种过程，可以理解为基于历史的经验，把大脑中所描述的对象中某些的特征特质抽离出来并形成一种认识，例如对女孩气质的概括。气质是基于这个女孩走路的姿势、穿衣的风格及面部表情等元素综合在一起，然后基于历史对“气质”这样一件事情的概念得出的结论。气质是不可以依靠眼睛感受的自然光线来直接获取的，而是需要收集这个人的所有细节描写的信息，形成对这个人的整体印象，然后从整体印象中抽离出“气质”这个充满概括属性的说法。
如果将概括这样的概念引入到数据分析中，最常见的就是正态分布、均匀分布等。
为了给大家一个直观的印象，均匀分布可以理解为掷一枚均匀的骰子，各个点数出现的概率是均等的，每次实验都把这些点数记录下来并计算它们出现的概率，每个数字出现的概率就服从均匀分布。
同样的正态分布可以理解为大家都趋向于中间一点的分布。（比如高中生的身高）
概括的意义在于用一两个简单的概念就能传达出大量的信息，就好像你说某某姑娘“御姐范”、“女王范”、“萝莉范”，我说这个数据服从正态分布、均匀分布、泊松分布。
从数据的描述性变量中抽取关键元素（最关键的是平均值和方差），结合已经掌握的经验知识给予数据一个概括：均值为0，方差为1的正态分布数据，同业人员听完就基本了解这组数据的特征了。
所以说概括是在具象描述的基础上抽离出的概念与总结，结合之前的描述性统计的掌握，当我们面对大量数据时我们先进行描述性统计（计算平均数与方差等），然后在基于此给出一个概括（确定数据服从哪一个分布），就把这样一组庞大的数据信息传递出来了。
到这里，基本可以看到描述与概括的意义了，在庞大繁杂的数据中我们需要一些东西来了解数据，掌握数据的特点，知悉数据的结构，才能为下一步的分析做准备。
