非结构化数据怎么治理?刘英扮演者

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

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,不知道怎么管(有档案管理室、档案管理员的企业非常非常少)

如果你原意,自己都还能再列个十条八条的。总之,这就是个巨坑!

非结构化数据治理

其实按我说,绝大多数企业的非结构化数据还远远没有具备“治理”的前期条件。

因为他们连数据都还没准备好,全都散落在各个地方,你就说怎么治?

对于结构化数据,我们知道要盘点,要做标准,要弄主数据,要梳理指标,要做质量控制。因为我们知道数据就在那几个库里。

不管数据库有多少个,表有多少张,我们知道,数据就在那里。但是非结构化数据不一样啊!鬼知道在哪里!

有档案管理室、知识中心的公司,还算好的,不管全不全,总归有个集中的地方。

但是更多的,都是各自存储:OA、邮箱、云盘、个人存储,到处都是!没法弄!

所以,想要做非结构化数据治理,第一步是什么?数据盘点吗?数据汇聚吗?

NONONONONO!

首先要做的,是对企业的非结构化数据的分布进行梳理,知道哪些是我们治理的重心才行!

你就说,这么多各种非结构化数据,哪些多,哪些少?哪些重要,哪些次要?哪些先治理?哪些后治理?哪些对业务影响大?哪些对业务影响小?哪些价值大?哪些价值小?

这些问题都不搞清楚,就闷头干活,谁知道你干了半天是不是有效的?

你可能会问了,那搞清楚了这些,是不是就该汇聚数据了?

NONONONONO!

还是不行。还是那句话,你得有一个牵引才行。一般来说,最好是应用牵引比较好。跟数仓建设逻辑一样,自下而上建设见效快。

第一个项目,必须速胜!给所有人信心才行。否则遥遥无期,谁都受不了。

所以第二步应该是根据业务,拟定一个合适的应用,然后再快速收集部分数据,用NLP等技术将非结构化数据结构化,然后再利用数据库、大数据、图计算等技术处理数据,做出一两个能看到效果的应用。

比如这个:

在报销场景中,用OCR识别,用RPA进行发票验真、数据校对,实现快速报销、记账。

这样就能帮助哥们解放报销的时间了:

小结

非结构化数据管理很难,非常难,不管是技术还是管理,都比结构化数据难上N个量级。工作的方式方法也完全不一样,需要慎重!一定要慎重啊!!!

原文链接:http://www.wanshiruyi.cc/news/18423.html,转载和复制请保留此链接。
以上就是关于非结构化数据怎么治理?刘英扮演者全部的内容,关注我们,带您了解更多相关内容。

特别提示:本信息由相关用户自行提供,真实性未证实,仅供参考。请谨慎采用,风险自负。



上一篇:杜蕾斯抖音首秀,场观300W带货3000?老司机不行了?关于文明礼仪的资料

下一篇:体育营销大年,平台们如何拿下巴黎热点?假如时光倒流我能做什么是什么歌

相关推荐