（二）數(shù)據(jù)要素的主要特征和分類

1.應(yīng)用場(chǎng)景成為數(shù)據(jù)要素鑒別標(biāo)準(zhǔn)

數(shù)據(jù)本質(zhì)上是信息的記錄，但數(shù)據(jù)并非都是要素。有學(xué)者提出首先需依照應(yīng)用場(chǎng)景分清四類具有不同性質(zhì)的數(shù)據(jù)：第一類數(shù)據(jù)本身就是最終商品或服務(wù)，比如在線讀資訊、看視頻——作為最終消費(fèi)品的數(shù)據(jù)不是生產(chǎn)要素；第二類數(shù)據(jù)是直接進(jìn)行交易的生產(chǎn)要素，比如大數(shù)據(jù)交易所里打包交易的數(shù)據(jù)；第三類數(shù)據(jù)幫助提升最終產(chǎn)品或服務(wù)的性能或生產(chǎn)效率，是企業(yè)內(nèi)部生產(chǎn)要素，比如引流、效果廣告、配送優(yōu)化等，但并沒(méi)有在市場(chǎng)中直接進(jìn)行數(shù)據(jù)交易；第四類數(shù)據(jù)作為生產(chǎn)要素在兼并收購(gòu)或戰(zhàn)略合作中有價(jià)值體現(xiàn)，但并非直接交易數(shù)據(jù)。

2.數(shù)據(jù)要素的三種類型

就作為生產(chǎn)要素的數(shù)據(jù)來(lái)說(shuō)，數(shù)據(jù)類型豐富多樣，而這些數(shù)據(jù)可以劃分成結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)三個(gè)不同類型。

（1）結(jié)構(gòu)化數(shù)據(jù)

結(jié)構(gòu)化數(shù)據(jù)，也被稱為“定量數(shù)據(jù)”，是高度組織和整齊格式化的數(shù)據(jù)，是能夠用數(shù)據(jù)或統(tǒng)一的結(jié)構(gòu)加以表示的信息，如數(shù)字、符號(hào)。其一般特點(diǎn)是：數(shù)據(jù)以行為單位即一行數(shù)據(jù)表示一個(gè)實(shí)體的信息；同時(shí)每一行數(shù)據(jù)的屬性是相同的。結(jié)構(gòu)化數(shù)據(jù)是可以輕易放入表格和電子表格中的數(shù)據(jù)類型。在項(xiàng)目中，保存和管理此類數(shù)據(jù)的一般為關(guān)系數(shù)據(jù)庫(kù)，當(dāng)使用結(jié)構(gòu)化查詢語(yǔ)言或SQL時(shí)，計(jì)算機(jī)程序很容易搜索這些術(shù)語(yǔ)。

結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)和排列是有規(guī)律的，對(duì)查詢和修改等操作很有幫助，但是在日常生活中不易找到。結(jié)構(gòu)化數(shù)據(jù)的擴(kuò)展性也不好，比如，如果字段不固定，關(guān)系型數(shù)據(jù)庫(kù)的使用也是比較困難的。

典型的結(jié)構(gòu)化數(shù)據(jù)包括：信用卡號(hào)碼、日期、財(cái)務(wù)金額、電話號(hào)碼、地址、產(chǎn)品名稱等。結(jié)合到典型場(chǎng)景中更容易理解，比如企業(yè)ERP、財(cái)務(wù)系統(tǒng)、醫(yī)療HIS數(shù)據(jù)庫(kù)、教育一卡通、政府行政審批，以及其他核心數(shù)據(jù)庫(kù)。

（2）半結(jié)構(gòu)化數(shù)據(jù)

半結(jié)構(gòu)化數(shù)據(jù)是結(jié)構(gòu)化數(shù)據(jù)的一種形式，卻并不符合通過(guò)關(guān)系型數(shù)據(jù)庫(kù)或其他數(shù)據(jù)表的形式關(guān)聯(lián)起來(lái)的數(shù)據(jù)模型結(jié)構(gòu)，但包含相關(guān)標(biāo)記，用來(lái)分隔語(yǔ)義元素以及對(duì)記錄和字段進(jìn)行分層。因此，半結(jié)構(gòu)化數(shù)據(jù)也被稱為“自描述的結(jié)構(gòu)”，其應(yīng)用有日志文件、XML文檔、JSON文檔、電子郵件等，包括郵件、HTML、報(bào)表、資源庫(kù)等等，典型場(chǎng)景如郵件系統(tǒng)、Web集群、教學(xué)資源庫(kù)、數(shù)據(jù)挖掘系統(tǒng)、檔案系統(tǒng)等等。這些應(yīng)用對(duì)于數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)備份、數(shù)據(jù)共享以及數(shù)據(jù)歸檔等存在基本存儲(chǔ)需求。

半結(jié)構(gòu)化數(shù)據(jù)中，同一類實(shí)體可以有不同的屬性（即使他們被組合在一起），而這些屬性的順序并不重要，且屬性的個(gè)數(shù)不一定一樣。以樹(shù)或者圖的數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)的半結(jié)構(gòu)化數(shù)據(jù)可以自由地表達(dá)很多有用的信息，包括自我描述信息（元數(shù)據(jù)）。所以，半結(jié)構(gòu)化數(shù)據(jù)具備很好的擴(kuò)展性。

（3）非結(jié)構(gòu)化數(shù)據(jù)

數(shù)據(jù)結(jié)構(gòu)不規(guī)則或不完整、沒(méi)有預(yù)定義的數(shù)據(jù)模型、不方便用數(shù)據(jù)庫(kù)二維邏輯表來(lái)表現(xiàn)的數(shù)據(jù)就是“非結(jié)構(gòu)化數(shù)據(jù)”。本質(zhì)上，非結(jié)構(gòu)化數(shù)據(jù)是結(jié)構(gòu)化數(shù)據(jù)之外的一切數(shù)據(jù)，其字段長(zhǎng)度可變，并且每個(gè)字段的記錄又可以由可重復(fù)或不可重復(fù)的子字段構(gòu)成的數(shù)據(jù)庫(kù)。用它不僅可以處理結(jié)構(gòu)化數(shù)據(jù)（如數(shù)字、符號(hào)等信息），而且更適合處理非結(jié)構(gòu)化數(shù)據(jù)（如全文文本、圖像、聲音、影視、超媒體等信息）。它不符合任何預(yù)定義的模型，因此存儲(chǔ)在非關(guān)系型數(shù)據(jù)庫(kù)中。它可能是文本的或非文本的，也可能是人為的或機(jī)器生成的。簡(jiǎn)單地說(shuō)，非結(jié)構(gòu)化數(shù)據(jù)就是字段可變的數(shù)據(jù)。

非結(jié)構(gòu)化數(shù)據(jù)不是那么容易組織或格式化的。收集、處理和分析非結(jié)構(gòu)化數(shù)據(jù)也是一項(xiàng)重大挑戰(zhàn)。這產(chǎn)生了一些問(wèn)題，因?yàn)榉墙Y(jié)構(gòu)化數(shù)據(jù)構(gòu)成了網(wǎng)絡(luò)上絕大多數(shù)可用數(shù)據(jù)，并且它每年都在增長(zhǎng)。隨著更多信息在網(wǎng)絡(luò)上可用，并且大部分信息都是非結(jié)構(gòu)化的，找到使用它的方法已成為許多企業(yè)的重要戰(zhàn)略。更傳統(tǒng)的數(shù)據(jù)分析工具和方法還不足以完成這項(xiàng)工作。

典型的人為生成的非結(jié)構(gòu)化數(shù)據(jù)包括：

· 文本文件：文字處理、電子表格、演示文稿、電子郵件、日志。

· 電子郵件：電子郵件由于包含元數(shù)據(jù)而具有一些內(nèi)部結(jié)構(gòu)，我們有時(shí)將其稱為半結(jié)構(gòu)化。但是，消息字段是非結(jié)構(gòu)化的，傳統(tǒng)的分析工具無(wú)法解析它。

· 社交媒體：來(lái)自新浪微博、微信、QQ、Facebook、Twitter、LinkedIn等平臺(tái)的數(shù)據(jù)。

· 網(wǎng)站：?jiǎn)袅▎袅ā⒄掌蚕砭W(wǎng)站。

· 移動(dòng)數(shù)據(jù)：短信、位置等。

· 通訊：聊天、即時(shí)消息、電話錄音、協(xié)作軟件等。

· 媒體：MP3、數(shù)碼照片、音頻文件、視頻文件。

· 業(yè)務(wù)應(yīng)用程序：MS Office文檔、生產(chǎn)力應(yīng)用程序。

典型的機(jī)器生成的非結(jié)構(gòu)化數(shù)據(jù)包括：

· 衛(wèi)星圖像：天氣數(shù)據(jù)、地形、軍事活動(dòng)。

· 科學(xué)數(shù)據(jù)：石油和天然氣勘探、空間勘探、地震圖像、大氣數(shù)據(jù)。

· 數(shù)字監(jiān)控：監(jiān)控照片和視頻。

· 傳感器數(shù)據(jù)：交通、天氣、海洋傳感器。

（4）結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)的區(qū)別

除了存儲(chǔ)在關(guān)系數(shù)據(jù)庫(kù)和存儲(chǔ)在非關(guān)系數(shù)據(jù)庫(kù)之外，結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)之間最大的區(qū)別在于便利性上的不同：針對(duì)結(jié)構(gòu)化數(shù)據(jù)存在成熟的分析工具，但用于挖掘非結(jié)構(gòu)化數(shù)據(jù)的分析工具還處于發(fā)展的階段中。因?yàn)榕c結(jié)構(gòu)化數(shù)據(jù)相比，非結(jié)構(gòu)化數(shù)據(jù)相對(duì)較多，占企業(yè)數(shù)據(jù)的80%以上，如果沒(méi)有工具來(lái)分析這些海量數(shù)據(jù)，企業(yè)數(shù)據(jù)的巨大價(jià)值都將無(wú)法發(fā)揮。

隨著儲(chǔ)存成本的下降，以及新興技術(shù)的發(fā)展，行業(yè)對(duì)非結(jié)構(gòu)化數(shù)據(jù)的重視程度得到提高。比如，物聯(lián)網(wǎng)、工業(yè)4.0、視頻直播產(chǎn)生了更多的非結(jié)構(gòu)化數(shù)據(jù)；同時(shí)，人工智能、機(jī)器學(xué)習(xí)、語(yǔ)義分析、圖像識(shí)別等技術(shù)方向更需要大量的非結(jié)構(gòu)化數(shù)據(jù)來(lái)開(kāi)展工作。