計算機信息化系統中的數據分為結構化數據和非結構化數據。其中，非結構化數據是指數據結構不規則或不完整，沒有預定義的數據模型，不方便用數據庫二維邏輯表來表現的數據。非結構化數據包括所有格式的辦公文檔、文本、圖片、HTML、各類報表、圖像和音頻/視頻信息等等。

非結構化數據其格式非常多樣，标準也是多樣性的，而且在技術上非結構化信息比結構化信息更難标準化和理解。所以存儲、檢索、發布以及利用需要更加智能化的IT技術，比如海量存儲、智能檢索、知識挖掘、内容保護、信息的增值開發利用等。

再簡單點，非結構化數據主要是指那些無法用固定結構來邏輯表達實現的數據，比如用戶散落在論壇、微博、微信或其他渠道發表的關于産品的各種評價或吐槽。但國内的企業級客戶在進行大數據分析時，仍以分析結構化數據為主。

再具體到典型案例中，像是醫療影像系統、教育視頻點播、視頻監控、國土GIS、設計院、文件服務器（PDM/FTP）、媒體資源管理等具體應用，這些行業對于存儲需求包括數據存儲、數據備份以及數據共享等。

而且，從形态上，非結構化數據主要包含三大塊：第一是文本文字；第二是圖像、圖片等；第三是視頻流、電視流。和結構化數據相比，非結構化數據最本質的區别包括三個層面：非結構化數據的容量比結構化數據要大；産生的速度比結構化數據要快；數據來源具有多樣性。

據IDC調查，目前企業結構化數據僅占到全部數據量的20%，其餘80%都是以文件形式存在的非結構化和半結構化數據，這些非結構化數據每年增長率達60%。而如何管理好這80%的數據，是企業構建協同辦公的關鍵一環。非結構化數據的存儲和流轉，大都采用郵件、FTP以及QQ等IM工具為主。這些工具傳遞文件時速度不穩定，安全性得不到保障，并且無法很好地滿足企業中一對多的高頻數據傳遞場景。

而由于非結構化數據中沒有限定結構形式，表示靈活，蘊含了豐富的信息。因此，在大數據分析挖掘中，掌握非結構化數據處理技術是至關重要的。處理非結構化數據包括：Web頁面信息内容提取；結構化處理（含文文本的詞彙切分、詞性分析、歧義處理等）；語義處理（含實體提取、詞彙相關度、句子相關度、篇章相關度、句法分析等）；文本建模（含向量空間模型、主題模型等）；隐私保護（含社交網絡的連接型數據處理、位置軌迹型數據處理等）。

處理非結構化數據時，還需注意這幾點：非結構化數據文件數量過多，過大；非結構化數據歸集檢索調取效率低；傳統架構無法按需彈性配置存儲空間。

另外，随着網絡技術的發展，特别是Internet和Intranet技術的飛快發展，使得非結構化數據的數量日趨增大。這時，主要用于管理結構化數據的關系數據庫的局限性暴露地越來越明顯。因而，數據庫技術也相應地進入了“後關系數據庫時代”，發展進入基于網絡應用的非結構化數據庫時代。

而所謂的非結構化數據庫，是指數據庫的變長紀錄由若幹不可重複和可重複的字段組成，而每個字段又可由若幹不可重複和可重複的子字段組成。簡單地說，非結構化數據庫就是字段可變的數據庫。用它不僅可以處理非結構化數據（全文文本、圖像、聲音、影視、超媒體等信息），還可以處理結構化數據（如數字、符号等信息）。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!