什么是结构化、半结构化和非结构化数据?

学无止境,精益求精

直播预告

产品大讲堂开课了-教你系统数据集成与分析

 11月15号16:00帆软小程序直播间

👨‍🏫直播主题:《系统数据集成与分析——基于简道云的数据集成方案分享》

🔥直播亮点:
  • 思路:简道云数据如何更好发挥价值
  • 方法:真实高效的数据对接场景和方案

  • 案例:简道云深度使用企业数据集成经验

 

👊更多精彩,尽在帆软小程序!点击链接右下角即可预约观看

01

什么是结构化、半结构化和非结构化数据?

①结构化数据:指关系模型数据,即以关系数据库表形式管理的数据,结合到典型场景中更容易理解,比如企业ERP、OA、HR里的数据。

②非结构化数据:指数据结构不规则或不完整,没有预定义的数据模型,不方便用数据库二维逻辑表来表现的数据。如word、pdf、ppt及各种格式的图片、视频等。

半结构化数据:指非关系模型的、有基本固定结构模式的数据,例如日志文件、XML文档、JSON文档、E-mail等;

02

延伸问题:要如何处理这三种异构数据?

1、针对多元结构化数据的融合,主要关注在数据的ETL处理以及时效性上:

①表结构不同,需要做到不同类型的字段映射

②假如要新增表字段的时候,需要新增列

③若有表字段需要进行二次处理规范,需要支持字段转换,比如公式或其他

④新增表设计时,需要保证三大范式,这里就不展开讲了,可参考:数据库三大范式

⑤数据同步的时效性,例如实时同步、半小时一次、或者一天一次、或者说是需要实时同步融合,这个要根据具体业务场景来确认。

2、针对半结构化、非结构化数据,因为数据分散,缺乏统一管理,需要借用专业工具

目前有两种方式来处理半结构、非结构化数据:

①提取半结构、非结构化数据中的关键信息,到结构化数据中进行二次利用,比较好处理的是半结构化(json、xml)、excel、csv,因为这种数据的结构比较统一。

②向word、PDF这种文件提取关键信息,假如是单个文本的话,市面上有些工具可能可以实现,但假如是大批量的话,可能就需要通过程序,去自定义一些正则表达式,去进行关键信息的提取。这种一般来说,因为格式不一致,以及用途不一致,所以程序自定义的比较多。

针对这种的话,会综合考虑数据价值和投入产出比,因为这部分的数据处理较为复杂。

若想提高投入产出比,可以使用例如FineDataLink这类专业工具,去支持结构化/半结构化数据的融合集成,面向ETL数据处理场景,也可以让数据编排更简单一些,提高数据的使用价值。

另外,如若这部分历史文件需要做到备份的话,会通过FTP或者SFTP将文件进行备份存储到文件服务器,进行文件业务分类、文件名、路径的统一管理,提供统一入口,通过权限管理的方式给到大家下载使用。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

返回顶部 返回列表