從IG看大數據的類型

在2020年，全球每日制造出2.5千億位元組(Bytes)的數據。此般龐大的數據量為企業們帶來前所未有的分析價值。與此同時，在網路上流動的每一則數據都不盡相同，有些可以被直接使用在分析當中，有經卻要經過處理，這增加了數據分析的難度。

這顯得良好的數據管理更為重要—--好的管理才能促成有用的分析結果。一間企業即使擁有大量數據，若是缺乏實在的數據管理能力，這些數據只會對企業造成負擔，而非助長其成。

在巨量且不統一的數據面前，企業們無一幸免地需要面對嚴峻的數據管理問題。然而，只有了解大數據才能活用大數據，今次我們先來了解一下大數據的類型。

一、結構式數據（Structured Data）
簡單而言，結構式數據就是被儲存在數據庫內的數據。這種數據有一個特點：結構嚴謹。在收集數據前，管理者已經清楚定義每則數據的必要元素，如：在每則用戶數據中，都要有用戶名稱、登入名稱及登入密碼。在數據庫內，每則數據都必須遵循事先定義的格式去儲存特定的元素。數據庫絕不容許數據格式的不一致。得益於其一致性，結構式數據能夠被直接使用於數據分析。隨着數據庫被企業們廣泛地應用，當今的企業都有處理結構式數據的經驗，並已經為這類數據建立出一套完善的管理方案。

二、非結構式數據（Unstructured Data）
非結構式數據是數據最原始的狀態——雜亂、沒有規律。在世界上，大部分在網路上流動的數據都屬於非結構式數據，例如文字、圖片、音樂、影片等常見的數據。這類數據不被嚴格的格式規範着，這導致它們無法被儲存在數據庫內。管理人員因此必須為非結構式數據開發出一套有效的管理策略。

既然管理成本高又複雜，為何企業們還是對它虎視眈眈？
這是因為非結構式數據有巨大的商業利用價值。

試想想在社交程式上的貼文。這些用戶可以反映出用戶的喜好，對於了解用戶的特徵而言十分重要。但這些貼文卻是以非結構式數據狀態出現在網路上。它們對企業有用嗎？有。它們難以被管理嗎？對。那企業們會輕易放棄這些資料嗎？當然不會。於是，企業利用人工智能、圖像辨識等先進技術加速掫取資訊的過程，務求最大化從非結構式數據發掘出的價值。有鑑於此，開發有效處理非結構式數據的技術仍是當今大數據時代的關注點之一。
​
三、半結構式數據（Semi-Structured Data）
半結構式數據間乎結構式數據及非結構式數據之間，它擁有一定程度上的格式，卻也擁有一定程度的雜亂。社交平台上的Hashtag(#)便是半結構式數據的例子。我們能夠使用Hashtag辨認並分類一部分的貼文。但是，在本質上，這些貼文的內容依然是未必整理、難以管理的，這種模式的數據便是半結構式數據。它可以被分為組別，但組別裏的數據不存在一致性，所以這些數據不能被輕鬆地用於分析當中。與非結構式數據相同，它們能為企業帶來重要的見解。基於其作為兩種數據類型的綜合體的特性，企業可以將結構式數據或非結構式數據的管理方式應用其中，當然，這需要一定的技術和工具。

​​結語
妥善管理數據是現今每個企業必修的課題。而建立有效的管理策略必須建基於對數據的充分了解。希望這篇文章能夠幫助您了解不同的數據類型。

#bigdata #datascience #marketingtechnology 

立即Subscribe 我們緊貼 Marketing Technology 最新資訊／走勢！

By submitting this, we will only use data provided to us in accordance with our Privacy Policy.