Forståelse af strukturerede, semi-strukturerede og ustrukturerede data

Hvad er strukturerede data?

Strukturerede data er information, der er blevet formateret og transformeret til en veldefineret datamodel. De rådata kortlægges ind i foruddesignede felter, der derefter nemt kan udtrækkes og læses gennem SQL. SQL relationelle databaser, bestående af tabeller med rækker og kolonner, er det perfekte eksempel på strukturerede data.

Den relationelle model i dette dataformat bruger hukommelse, da den minimerer dataredundans. Dette betyder dog også, at strukturerede data er mere indbyrdes afhængige og mindre fleksible.

Eksempler på strukturerede data

Denne type data genereres af både mennesker og maskiner. Der findes adskillige eksempler på strukturerede data fra maskiner, såsom POS-data som mængder, stregkoder og weblogstatistik. Tilsvarende har enhver, der arbejder med data, brugt regneark én gang i deres liv, hvilket er et klassisk tilfælde af strukturerede data genereret af mennesker. På grund af organiseringen af ​​strukturerede data er de lettere at analysere end både semistrukturerede og ustrukturerede data.

Hvad er semi-strukturerede data?

Du finder måske ikke altid, at dine datasæt er strukturerede eller ustrukturerede. Semistrukturerede data eller delvist strukturerede data er en anden kategori mellem strukturerede og ustrukturerede data. Semistrukturerede data er en type data, der har nogle konsistente og bestemte karakteristika.

Det begrænser sig ikke til en stiv struktur som den, der er nødvendig for relationelle databaser. Virksomheder bruger organisatoriske egenskaber som metadata eller semantiktags med semistrukturerede data for at gøre det mere overskueligt. Den indeholder dog stadig en vis variation og inkonsistens.

Eksempler på semi-strukturerede data

Et eksempel på data i et semistruktureret format er afgrænsede filer. Det indeholder elementer, der kan opdele dataene i separate hierarkier. Tilsvarende har billedet i digitale fotografier ikke en foruddefineret struktur i sig selv, men har visse strukturelle egenskaber, der gør dem semistrukturerede.

Hvis du for eksempel tager et billede fra en smartphone, vil det have nogle strukturerede attributter som geotag, enheds-ID og dato- og tidsstempel. Når du har gemt dem, kan du tildele tags til billederne, f.eks. 'kæledyr' eller 'hund', for at give dem en struktur.

I nogle tilfælde klassificeres ustrukturerede data som semistrukturerede data, fordi de har en eller flere klassificeringsattributter.

Hvad er ustrukturerede data?

Ustrukturerede data findes i deres rå, native format uden foruddefineret organisering. Ifølge Gartner, dette repræsenterer 80-90 % af alle nye virksomhedsdata og vokser tre gange hurtigere end strukturerede data.

Disse data er udfordrende at behandle med traditionelle værktøjer, men indeholder omfattende kontekstuelle indsigter, som strukturerede data ikke kan indfange: kundesentiment, visuelle mønstre, nuancer i samtalen og nye tendenser.

Ustrukturerede data omfatter opslag på sociale medier, chats, satellitbilleder, IoT-sensordata, e-mails og præsentationer. Ustruktureret datahåndtering tager disse data til at organisere dem på en logisk, foruddefineret måde i datalagring. Natural Language Processing (NLP) værktøjer hjælper med at forstå ustrukturerede data, der findes i et skrevet format.

I modsætning hertil er betydningen af ​​strukturerede data data, der følger foruddefinerede datamodeller og er lette at analysere. Eksempler på strukturerede data ville omfatte alfabetisk arrangerede navne på kunder og korrekt organiserede kreditkortnumre.

Eksempler på ustrukturerede data

Ustrukturerede data kan være alt, der ikke er i et bestemt format. Dette kan være et afsnit fra en bog med relevant information eller en webside. Et eksempel på ustrukturerede data kunne også være logfiler, som ikke er nemme at adskille. Kommentarer og opslag på sociale medier er også ustrukturerede.

Her er et eksempel på ustrukturerede data fra en logfil:

38,P-R-38636-6-45,P-R-39105-1-11,P-R-38036-1-5,P-R-35697-1-13,P-R-35087-1-27,P-R-34341-1-9,P-R-33341-1-15,P-R-33110-1-29,P-R-31345-1-693,P-R-29076-1-6,P-R-28767-1-8,P-R-28540-2-8,P-R-28312-1-10,P-R-28069-1-27,P-R-28032-1-9,P-R-26562-1-12,P-R-26527-5-20,P-R-26164-1-11,P-R-25785-1-30,P-R-25095-9-70,P-R-23504-1-15,P-R-19719-5-41203

Ons 23. september 2020 05:21:01 GMT+0500

Ustrukturerede data er kvalitative, ikke kvantitative, så de er for det meste kategoriske og karakteristiske.

Hvorfor dette er vigtigt for virksomheder

Ustrukturerede data afslører indsigter, der er umulige at indfange i strukturerede formater. Stemning på sociale medier forudsiger markedstendenser, før de optræder i salgsdata. Support-supportmønstre identificerer produktproblemer, før de eskalerer. Optagelser af kundeopkald indfanger indvendinger, som undersøgelser overser.

Organisationer med datasøer rapporterer:

• 41% gevinst i konkurrencefordel
• 37% omkostningsreduktion
• 35% forbedrede kundeoplevelser
• 33% bedre respons på muligheder og trusler

Udfordringen? Mere end 95% af virksomhederne anerkender, at det er vanskeligt at håndtere ustrukturerede data, og mange bruger over 30 % af deres IT-budget på lager og administration.

Data fra sociale medier eller websteder kan hjælpe med at forudsige fremtidige købstendenser eller bestemme effektiviteten af ​​en marketingkampagne. Et andet eksempel på ustruktureret dataanalyse er at opdage mønstre i svindel-e-mails og chat, hvilket kan være nyttigt for virksomheder, der overvåger overholdelse af politikker. Virksomheder udtrækker og lagrer ustrukturerede data i datalagre (også kaldet datasøer) til analyse.

Forskellen mellem strukturerede, semistrukturerede og ustrukturerede data

Overvej tre typer jobsamtaler: ustrukturerede, semistrukturerede og strukturerede.

I et interview i ustruktureret format er de stillede spørgsmål fuldstændigt interviewerens valg. Han kan bestemme, hvilke spørgsmål han vil stille, og i hvilken rækkefølge han vil stille dem. Populære eksempler på ustrukturerede spørgsmål omfatter "Fortæl mig om dig selv" og "Beskriv din ideelle rolle."

En anden type er et struktureret interview. I dette tilfælde vil intervieweren nøje følge et manuskript oprettet af HR-afdelingen og vil bruge det samme manuskript for alle ansøgere. Ligeledes følger strukturerede vs. ustrukturerede data et organiseret format med et mindre fleksibelt skema.

Den tredje type er semistrukturerede data. I et semistruktureret interview vil intervieweren kombinere elementerne fra både ustrukturerede og strukturerede interviews. Det vil omfatte de kvantitative og konsistenselementer, svarende til et struktureret interview.

Men samtidig vil strukturerede interviews, ligesom semistrukturerede data, have fleksibiliteten til at tilpasse spørgsmål efter situationen. For at gentage er den største forskel mellem ustrukturerede og semistrukturerede data, at ustrukturerede data ikke følger noget foruddefineret format, mens semistrukturerede data kun er delvist ustrukturerede.

Følgende punkter fremhæver forskellene mellem strukturerede data vs. ustrukturerede data vs. semi-strukturerede data:

• Organisation: Strukturerede data er godt organiseret. Derfor har det det højeste niveau af organisation. Semistrukturerede data er delvist organiseret; Derfor er organiseringsniveauet mindre end strukturerede data, men højere end for ustrukturerede data. Endelig er sidstnævnte kategori slet ikke organiseret.
• Fleksibilitet og skalerbarhed: Strukturerede data er relationelle database- eller skemaafhængige, derfor mindre fleksible og svære at skalere, mens semistrukturerede data er mere fleksible og enklere at skalere end strukturerede data. Ustrukturerede data har dog ikke et skema, der gør det til det mest fleksible og skalerbare ud af de to andre.
• Versionering: Da strukturerede data er baseret på en relationel database, udføres versionering over tupler, rækker og tabeller. På den anden side, i semistrukturerede data, er tupler eller grafer mulige, da kun en delvis database understøttes. Endelig, i ustrukturerede data, er versionering sandsynligvis som en hel data, da der ikke er nogen databaseunderstøttelse.

Historisk set har virksomheder kun fokuseret på at udtrække og analysere information fra strukturerede data. Men med væksten af ​​semistrukturerede og ustrukturerede data skal virksomheder nu lede efter en løsning, der kan hjælpe dem med at analysere alle tre typer data.