在统计学中，数据的分类依据其计量尺度被划分为三个主要类别：定距型数据（Interval Scale）、定序型数据（Ordinal Scale）和定类型数据（Nominal Scale）。
定距型数据，如身高、体重和血压，是连续性的，也包括像人数和商品件数这样的离散值。这些数据的特点在于它们之间存在明确的间隔，但数值之间没有固定的间距，例如，每增加一英寸或公斤并不意味着同样的绝对差异。同样，人数和商品件数虽然可以量化，但它们之间的差距并非均匀的。
定序型数据，如职称和年龄段，虽然具有内在的高低顺序，但它们并非定距型数据。例如，职称可能有低级、中级和高级三个等级，分别用1、2、3表示，或者年龄段用A、B、C表示。这里的数值或字符表示的顺序是明确的，比如中级职称位于低级和高级之间，但这个顺序的差距并非固定，如中级和高级之间的差距可能大于低级和中级。
最后，定类型数据是最基本的分类，它不具备内在的大小或高低顺序，比如性别、国籍等，通常用数值或字符来标识，如男性为1，女性为2，或者中国为C，美国为USA。这种数据的特点在于，每个类别是独立的，没有相互的大小或等级关系。
总的来说，这些数据类型的划分关键在于它们之间的比较关系和数值的含义，帮助我们理解和处理不同类型的数据。