本文探讨了非结构化数据治理的挑战，包括数据分散、标准不一、种类繁多等问题。作者强调企业在治理非结构化数据前，首先需要梳理数据分布，明确治理重点。第一步不是直接进行数据盘点或汇聚，而是理解数据的重要性和影响，然后通过应用牵引，如使用NLP技术结构化数据，快速打造示范项目以建立信心。非结构化数据管理难度高，需要慎重对待。
编 辑：彭文华
来 源：大数据架构师
彭友们好，我是老彭。最近遇到几个项目，都跟非结构化数据脱不开关系。
老彭刚毕业的时候，做的是数据库的活儿，那都是结构化数据。后来有了hadoop技术，可以用来处理物联网、互联网的半结构化数据。
真正做非结构化的场景还是比较少的，大多是在项目中选取一两个点给意思意思一下。
但是现在已经发展这么多年了，大多数企业结构化数据多少有些基础了，非结构化数据治理还是一片空白。今天就唠唠这个话题~~
非结构化数据
这里说的非结构化数据特指：
1、公文、研究报告等各种文档
2、监控视频等各种音视频
3、设计图等各种特殊文件
这些东西想想就很费劲。与数据库里的结构化数据不一样，这些数据的问题更严重。我们随便想想都能罗列几个出来：
1、没有统一存储（各种附件，各种微信传输）
2、没有统一标准（都是各自写的文件）
3、数据种类特别多（除了结构化的，都是非结构化、半结构化的）
4、法外之地，治理盲区（第一次知道处理非结构化数据的方法是TF/IDF词频统计，第一次知道非结构化应用是词云）
5、没人管，不知道怎
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
