Isi kandungan:
Video: Build Tomorrow's Library by Jeffrey Licht 2024
Data tak berstruktur adalah data yang tidak mengikut format tertentu untuk data besar. Jika 20 peratus daripada data yang tersedia untuk perusahaan adalah data berstruktur, 80 peratus lagi tidak berstruktur. Data yang tidak berstruktur adalah benar-benar kebanyakan data yang akan anda hadapi. Sehingga baru-baru ini, bagaimanapun, teknologi itu tidak benar-benar menyokong melakukan banyak dengannya kecuali menyimpannya atau menganalisisnya secara manual.
Sumber data besar tidak terstruktur
Data tidak tersusun adalah di mana-mana sahaja. Malah, kebanyakan individu dan organisasi menjalankan kehidupan mereka di sekitar data tidak berstruktur. Sama seperti data berstruktur, data tidak berstruktur adalah sama ada mesin yang dijana atau dihasilkan oleh manusia.
Berikut adalah beberapa contoh data yang tidak dihasilkan oleh mesin:
-
Imej satelit: Ini termasuk data cuaca atau data yang diambil oleh kerajaan dalam imejan pengawasan satelitnya. Cukup fikirkan tentang Google Earth, dan anda mendapat gambar.
-
Data saintifik: Ini termasuk imejan seismik, data atmosfera, dan fizik tenaga yang tinggi.
-
Gambar dan video: Ini termasuk keselamatan, pengawasan, dan video trafik.
-
Data radar atau sonar: Ini termasuk profil seismik kenderaan, meteorologi dan oseanografi.
Senarai berikut menunjukkan beberapa contoh data tidak berstruktur manusia:
-
Teks dalaman ke syarikat anda: Fikirkan semua teks dalam dokumen, log, hasil tinjauan dan e-mel. Maklumat perusahaan sebenarnya mewakili peratus besar maklumat teks di dunia hari ini.
-
Data media sosial: Data ini dihasilkan dari platform media sosial seperti YouTube, Facebook, Twitter, LinkedIn, dan Flickr.
-
Data mudah alih: Ini termasuk data seperti mesej teks dan maklumat lokasi. Kandungan laman web
-
: Ini berasal dari mana-mana laman web yang menyampaikan kandungan tidak terstruktur, seperti YouTube, Flickr, atau Instagram.
Dan senarai itu terus berlaku.
Sesetengah orang percaya bahawa istilah data tidak terstruktur mengelirukan kerana setiap dokumen mungkin mengandungi struktur atau pemformatannya sendiri berdasarkan perisian yang menciptanya. Walau bagaimanapun, apa yang dalaman kepada dokumen itu benar-benar tidak berstruktur.
Setakat ini, data tidak berstruktur adalah sekeping terbesar persamaan data, dan kes penggunaan data tak berstruktur berkembang pesat. Di sebelah teks sahaja, analisis teks boleh digunakan untuk menganalisis teks yang tidak tersusun dan untuk mengekstrak data yang relevan dan mengubah data tersebut menjadi maklumat berstruktur yang boleh digunakan dalam pelbagai cara.
Sebagai contoh, kes penggunaan data besar yang popular adalah analisis media sosial untuk digunakan dengan perbualan pelanggan volume tinggi. Di samping itu, data yang tidak berstruktur dari nota pusat panggilan, e-mel, komen bertulis dalam tinjauan, dan dokumen lain dianalisis untuk memahami tingkah laku pelanggan. Ini boleh digabungkan dengan media sosial dari berpuluh-puluh juta sumber untuk memahami pengalaman pelanggan.
Peranan CMS dalam pengurusan data yang besar
Organisasi menyimpan beberapa data tidak terstruktur dalam pangkalan data. Walau bagaimanapun, mereka juga menggunakan sistem pengurusan kandungan perusahaan (CMS) yang boleh mengurus kitar hayat kandungan yang lengkap. Ini termasuk kandungan web, kandungan dokumen, dan media bentuk lain. Menurut organisasi Persatuan Pengurusan Maklumat dan Imej (AIIM), organisasi bukan keuntungan yang menyediakan pendidikan, penyelidikan, dan amalan terbaik, Pengurusan Kandungan Enterprise (ECM) terdiri daripada "strategi, kaedah, dan alat yang digunakan untuk menangkap, mengurus, menyimpan, memelihara dan menyampaikan kandungan dan dokumen yang berkaitan dengan proses organisasi. "Teknologi termasuk dalam ECM termasuk pengurusan dokumen, pengurusan rekod, pengimejan, pengurusan aliran kerja, pengurusan kandungan web, dan kerjasama.
Industri keseluruhan telah berkembang di sekitar mengurus kandungan, dan banyak vendor pengurusan kandungan mengetengahkan penyelesaian mereka untuk mengendalikan jumlah besar data tidak berstruktur. Walau bagaimanapun, teknologi baru juga berkembang untuk membantu menyokong data tak berstruktur dan analisis data tidak berstruktur. Sebahagian daripada sokongan ini adalah data berstruktur dan tidak berstruktur. Sesetengah menyokong aliran masa sebenar. Ini termasuk teknologi seperti Hadoop, MapReduce, dan streaming.
Sistem yang direka untuk menyimpan kandungan dalam bentuk sistem pengurusan kandungan adalah penyelesaian yang tidak lagi berdiri sendiri. Sebaliknya, mereka mungkin menjadi sebahagian daripada penyelesaian pengurusan data keseluruhan. Sebagai contoh, organisasi anda boleh memantau suapan Twitter yang kemudiannya boleh memicu carian CMS secara pemrogram.
Sekarang, orang yang mencetuskan tweet mendapat jawapan kembali yang menawarkan lokasi di mana individu boleh mencari produk yang mungkin dia cari. Manfaat terbesar adalah apabila interaksi jenis ini dapat terjadi dalam waktu nyata. Ia juga menggambarkan nilai memanfaatkan masa nyata yang tidak terstruktur, berstruktur (data pelanggan mengenai orang yang tweet), dan data separuh berstruktur (kandungan sebenar dalam CMS).
Hakikatnya, anda mungkin akan menggunakan pendekatan hibrid untuk menyelesaikan masalah data besar anda. Sebagai contoh, tidak masuk akal untuk memindahkan semua kandungan berita anda, misalnya, ke Hadoop di premis anda kerana sepatutnya membantu menguruskan data yang tidak terstruktur.
