Video: Keynote: Big Data Management - wie Sie mit Daten Wert generieren 2024
Daten, die in Datenbanken, Dokumenten, E-Mails und anderen Datendateien für die vorausschauende Analyse enthalten sind, können entweder als strukturierte oder als unstrukturierte Daten kategorisiert werden. Strukturierte Daten sind gut organisiert, folgen einer konsistenten Reihenfolge, sind relativ leicht zu durchsuchen und abzufragen und können leicht von einer Person oder einem Computerprogramm abgerufen und verstanden werden.
Ein klassisches Beispiel für strukturierte Daten ist eine Excel-Tabelle mit beschrifteten Spalten. Solche strukturierten Daten sind konsistent. Spaltenüberschriften - normalerweise kurze, genaue Beschreibungen des Inhalts in jeder Spalte - sagen Ihnen genau, welche Art von Inhalt zu erwarten ist.
Strukturierte Daten werden normalerweise in gut definierten Schemata wie Datenbanken gespeichert. Es ist normalerweise tabellarisch, mit Spalten und Zeilen, die seine Attribute klar definieren.
Unstrukturierte -Daten sind dagegen eher frei, nicht tabellarisch, verstreut und nicht leicht abrufbar; solche Daten erfordern ein absichtliches Eingreifen, um sie zu verstehen. Verschiedene E-Mails, Dokumente, Webseiten und Dateien (ob Text, Audio und / oder Video) an verteilten Standorten sind Beispiele für unstrukturierte Daten.
Es ist schwer, den Inhalt unstrukturierter Daten zu kategorisieren. Es handelt sich meist um Text, es wird normalerweise in einem Sammelsurium von Freiform-Stilen erstellt, und es ist keine leichte Aufgabe, Attribute zu finden, die Sie zum Beschreiben oder Gruppieren verwenden können.
Der Inhalt von unstrukturierten Daten ist schwer zu bearbeiten oder programmtechnisch sinnvoll. Computerprogramme können keine Berichte über solche Daten analysieren oder generieren, einfach weil sie keine Struktur haben, keine zugrundeliegende dominante Eigenschaft haben und einzelne Datenelemente keine gemeinsame Grundlage haben.
Im Allgemeinen gibt es einen höheren Prozentsatz unstrukturierter Daten als strukturierte Daten in der Welt. Unstrukturierte Daten erfordern mehr Arbeit, um sie nützlich zu machen, damit sie mehr Aufmerksamkeit erhält - und daher tendenziell mehr Zeit in Anspruch nimmt.
Unterschätzen Sie nicht die Bedeutung strukturierter Daten und die Macht, die sie für Ihre Analyse mit sich bringt. Es ist viel effizienter, strukturierte Daten zu analysieren als unstrukturierte Daten zu analysieren. Unstrukturierte Daten können außerdem kostspielig sein, um für die Analyse vorab zu prozessieren, wenn Sie ein Vorhersageanalyseprojekt erstellen. Die Auswahl relevanter Daten, ihre Reinigung und nachfolgende Transformationen können langwierig und mühsam sein.
Die resultierenden neu organisierten Daten aus diesen notwendigen Vorverarbeitungsschritten können dann in einem Vorhersageanalysemodell verwendet werden. Die Großhandelsumwandlung von unstrukturierten Daten muss jedoch möglicherweise warten, bis Ihr Vorhersageanalysemodell in Betrieb ist.
Data Mining und Textanalyse sind zwei Ansätze, um Textdokumente zu strukturieren, ihre Inhalte zu verknüpfen, ihre Daten zu gruppieren und zusammenzufassen und Muster in diesen Daten aufzudecken. Beide Disziplinen bieten ein reiches Framework an Algorithmen und Techniken, um den über ein Meer von Dokumenten verstreuten Text abzubauen.
Es ist auch erwähnenswert, dass Suchmaschinenplattformen leicht verfügbare Tools zur Indizierung von Daten bereitstellen und diese durchsuchbar machen.
Vergleichen wir strukturierte und unstrukturierte Daten.
| Merkmale | Strukturiert | Unstrukturiert |
|---|---|---|
| Assoziation | Organisiert | Gestreut und verstreut |
| Erscheinungsbild | Formal definiert | Freiform |
| Erreichbarkeit | Einfach zu Zugriff und Abfrage | Schwer zuzugreifen und abfragen |
| Verfügbarkeit | Prozentual niedriger | Prozentual höher |
| Analyse | Effizient zu analysieren | Zusätzliche Vorverarbeitung wird benötigt |
Unstrukturierte Daten nicht vollständig Mangel Struktur - Sie müssen es nur herausfinden. Sogar der Text in digitalen Dateien ist noch mit einer Struktur versehen, die oft in den Metadaten auftaucht - zum Beispiel Dokumenttitel, Datumsangaben, an denen die Dateien zuletzt geändert wurden, und Namen ihrer Autoren.
Dasselbe gilt für E-Mails: Der Inhalt kann unstrukturiert sein, aber strukturierte Daten sind mit ihnen verbunden - zum Beispiel das Datum und die Uhrzeit, zu der sie gesendet wurden, die Namen ihrer Absender und Empfänger, unabhängig davon, ob sie Anhänge enthalten.
Die Trennlinie zwischen den beiden Datentypen ist nicht immer eindeutig. Im Allgemeinen können Sie immer einige Attribute von unstrukturierten Daten finden, die als strukturierte Daten betrachtet werden können. Ob diese Struktur den Inhalt dieser Daten widerspiegelt - oder bei der Datenanalyse nützlich ist - ist bestenfalls unklar.
Zu diesem Zweck können strukturierte Daten unstrukturierte Daten enthalten. Beispielsweise können Benutzer in einem Webformular gebeten werden, Feedback zu einem Produkt zu geben, indem sie eine Antwort aus mehreren Optionen auswählen - aber auch mit einem Kommentarfeld versehen, in dem sie zusätzliches Feedback bereitstellen können.
Die Antworten aus mehreren Optionen sind strukturiert. Das Kommentarfeld ist wegen seiner freien Form unstrukturiert. Solche Fälle lassen sich am besten als eine Mischung aus strukturierten und unstrukturierten Daten verstehen. Die meisten Daten sind eine Kombination aus beiden.
Für ein erfolgreiches Predictive Analytics-Projekt müssen sowohl strukturierte als auch unstrukturierte Daten in einem logischen Format kombiniert werden, das analysiert werden kann.
