首先 – 有两种类型的数据 – 结构化数据，顾名思义它是有纪律的、可预测的和可重复的。第二类是非结构化数据，进一步分为文本非结构化信息和非文本非结构化信息。文本非结构化内容是电子邮件、医疗记录、报告、文档、演示文稿和电子表格。没有格式、结构或可重复性。非文本非结构化内容包括形状、图像、颜色和声音。 非结构化（文本和非文本）内容需要完全不同的分析方法。各行各业的企业每天都在收集和存储越来越多的信息。人们经常引用的统计数据表明，80% 的信息是以电子邮件、演示文稿、音频、视频、日志信息或社交媒体网站等外部信息的形式呈现的非结构化信息。
管理大量非结构
化内容是一项具有挑战性的任务，并不容易。析师 Alan Dayley 撰写了《创新洞察》一书——文件创新提供了对非结构化暗数据的理解和管理，这些 寻求商机的电子邮件列表 数据至今仍然具有相关性。Gartner 分析师还在 2013 年预测，未来五年非结构化数据将大幅增长 800%。我们如何管理这些暗数据？ 随着如此多的数据源泛滥，处于数据管理项目的最前沿非常重要。 业务目标和见解待确定。 来自电子邮件、ERP 系统、CRM 系统、数据库、文件共享、社交媒体等的信息需要进行审核，这意味着在将数据标记为相关洞察之前需要先发现数据。 消除重复数据，这会导致更复杂的问题。 整合并关联其所在的所有数据和信息源 – 简而言之，索引。 识别可以通过发现以前未知的相关性来深入了解数据的主题专家。
数据的保留应该是
种实践，就像数据分类和信息生命周期管理一样。 非结构化数据需要提供治理安全性。 数据乘以 x 次方，这意味着数据增长迅速，因此系统应该有扩展空间。 围绕数 DV 线索 据制定明确的政策。 历史上难以管理非结构化数据。等待？为了让我们的头脑扭转非结构化数据，让我们深入研究一下数据的简史。我们的世界在 20 世纪开始将数据数字化。该过程从交易数据（会计）开始，其中信息按行和列整齐地组织，几十年后，我们将所有洞察数字化并在整个企业、个人关系和合作伙伴中共享。 那么，问题是这些非结构化数据以什么格式存在？那么，文本、文档、电子邮件、演示文稿、图形、音频、视频、网页中的大量企业信息简而言之，并不适合关系数据模型。 我们有工具来修复它吗？ 我们确实拥有一些强大的搜索和数据管理工具。
