结构化和非结构化数据快速指南

大数据打开了许多企业从未考虑过的大门。在过去，利用非结构化数据进行分析的想法对于大多数公司来说过于昂贵而无法考虑。得益于Hadoop 等技术，非结构化数据分析在商业世界中变得越来越普遍。企业主可能想知道使用非结构化数据是否也能为他们提供有价值的见解。回答这个问题首先要了解结构化数据和非结构化数据之间的区别。 内容 非结构化数据 结构化数据 机器生成 人为生成 结论 非结构化数据 首先，我想参考一个插图，该插图提供了结构化数据与非结构化数据的快速快照。 非结构化-vs-结构化图片来源：大数据和 高管指南由  撰写；第 9 页 我想通过添加非结构化数据的定义来为插图添加更多上下文：“非结构化数据是指没有预定义数据模型和/或未以预定义方式组织的信息。” 很好，非结构化数据在适合模式/表时没有用。我将以电子邮件为例。电子邮件中的某些值可以放入表格中。发件人、收件人、电子邮件正文等。

虽然您可以为电子

邮件正文设置一列，但以这种方式分析时，存储在该列中的信息将毫无用处。分析师可以对“电子邮件正文”列中的所有数据条目提出什么问题？他们能得到答复吗？答案是不。从插图中可以明显看出，社交媒体在非结构化数据中扮演着重要角色。，73% 的在线成年人使用社交网站。许多企业利用这些 Whatsapp 手机号码列表 数据的方式之一是收集品牌情绪。除了社交媒体之外，还有许多其他常见形式的非结构化数据： 更多阅读 文本挖掘 可扩展数据解决方案的文本挖掘策略和局限性 了解和分析非结构化数据集的隐藏结构 7 种重要的大数据类型 大数据赋能洲际酒店集团 谈判云合同的 7 个关键条款 视频——警察行车记录仪、个人视频、YouTube 上传 图像——图片、插图、模因 消息——即时消息、短信 在所有这些情况下，数据都可以提供令人信服的见解。使用正确的工具，非结构化数据可以增加数据分析的深度，这是其他方法无法实现的。 我想以客户服务音频和文字记录为例。

在客户服务场景中收集

的结构化数据可能包括以下内容： 客户咨询数量 投诉类别 问题解决的速度有多快 通过消费者反馈对客户服务进行评级 所有这些数据都是有用的，但它缺少非结构化数据对应物的增强功能。通过将客户服务音频与结构化数据洞察结合起来，公司可能会发现以下内容： 问题的根源——是什么导致了技术或 DY线索 计费部门的问题？客户是否因为没有得到有效引导而感到困惑？在某些地区、年龄段或技术能力方面是否存在问题？ 更好的消费者反馈——企业可以看到为什么他们首先获得该评级，而不是星级评级。消费者是否对销售代表的沟通能力感到失望？主管的参与是否会带来更好的体验？代表和客户之间对话的一般基调是什么？ 深入了解问题解决的速度——哪些类型的问题需要很长时间才能解决？客户服务代表是否接受过处理常见问题的充分培训？是否有一个合理的系统可以让客户尽快找到合适的人来解决他们的问题？ 所有这些见解都与结构化数据对应物相关联。非结构化数据增强了企业从数据集中获得更深入洞察的能力。