数据集正在以不断加速的速度爆炸，因此收集和分析数据以达到最大效果至关重要。 公司和企业非常关注数据收集，以确保他们能够从中获得有价值的见解。 了解信息结构可能是打开其价值的关键。

什么是结构化数据？

术语结构化数据是指任何类型的数据，其中格式、数字和布局是文件或记录中的固定字段。 Excel 表格就是一个很好的例子，但它们并不是结构化信息的唯一例子。

大多数问卷和申请表都是固定的表格，但这些表格也可以通过多种方式分发，包括通过电子邮件、社交媒体和其他沟通形式。

结构化数据最吸引人的特点是它在机器语言中很容易理解，并且可以通过多种不同的方式进行搜索和操作。 那些使用关系数据库的人可以相对快速地输入、搜索和操作结构化数据。 结构化数据的示例包括问卷、调查、社交媒体和其他形式的交流以及社交网络。

阅读更多： 什么是OCR准确率和如何改善它

什么是非结构化数据？

非结构化数据被归类为定性数据，这意味着它不能用传统的工具和方法进行处理或分析。 因为它没有预定义的模型，所以很难解构，所以数据必须以其原始格式存储。 数据模型是文本、图像、视频、音频和其他富媒体等数据类型的组合。

今天生成的绝大多数数据都是非结构化的，占所有业务数据的 80% 或更多。 非结构化数据的典型示例是来自美国能源部管理和预算办公室 (OMB) 的数据。

这意味着不考虑非结构化数据的公司会错过许多有价值的商业智能。 由于这种杂乱无章的结构，机器和计算机要理解这一切是非常麻烦的，甚至是不可能的。 机器学习在教机器如何理解和从非结构化文档中提取数据方面取得了长足的进步。

什么是半结构化数据？

具有一定组织程度的数据是半结构化的，但是，这可能会有所不同。 这是介于其他两个类别之间的第三个类别，它是通过使用类型、标记或其他定义的属性来实现的，这些属性被引入到文件或文件中的层次结构系统中。

智能手机照片是具有一定组织程度的半结构化数据的一个很好的例子。 在智能手机上拍摄的照片包含时间和地点，由一系列标签标记，例如日期、时间和其他可识别（和结构化）信息。

Gleematic 配备了人工智能和机器学习，确保即使在最复杂的数据结构中也能提取重要信息。 半结构化数据格式包括 JSON、CSV 和 XML 文件类型。

参考

DeCouto, C. (2021, January 25). Understanding Structured and Unstructured Data. Sisense. https://www.sisense.com/blog/understanding-structured-and-unstructured-data/