基于“企业年度工作报告”浅析非结构化数据的处理和应用

王烨

摘要：大数据时代，数据正在成为一种生产资料，一种稀有资产和新兴产业。数据不仅是“副产物”。而是可被再次甚至加工的原料，一种可持续发展的生产资料，通过对其探索以实现更大价值。数据作为国家基础性战略资源，受到党中央、国务院的高度重视，在当今经济社会发展中大数据的作用不可小觑，党的十八届五中全会提出了“实施国家大数据战略”.国务院也印发了《促进大数据发展行动纲要》，目的在于全面推动大数据的发展，意在建设数据强国。海量存储空间和高速运算速度，将从“样本数据采集”到“全量数据采集”变成现实，而这种转变就要求政府及企业需要对现有积累的数据进行重新审视。

关键词：非结构化数据 处理 应用

一、信息数据的分类构成及非结构化数据特征

在大数据发展的短短几十年的时间中，政府和企业都积累了大量数据。从技术层面来分析这些积累的数据，可以将其分为三种类型：

结构化数据：即可以用数据库存储的数据，这类数据易于存储，便于进行检索、统计分析等操作。我们所使用的各类业务系统所产生的数据多为结构化数据，最适合进行大数据分析挖掘。

半结构化数据：具有一定的结构性，但是数据结构没有形成统一的国际标准，没有关系型数据库的严格规范限制。半结构化数据多应用于现在的列式数据库中，便于对大文本进行搜索。

非结构化数据：数据结构不规则或不完整，没有预定义的数据模型。……