很可惜 T 。T 您現在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經錄用會有專人和您聯系
咨詢如何成為春羽作者請聯系：鳥哥筆記小羽毛（ngbjxym）
也是很奇怪的事情，最近幾個彭友都不約而同地開始討論非結構化數據治理的工作，難道是群體意識覺醒了？
大家知道，企業(yè)在剛開始做數據治理的時候，常規(guī)套路是起一個咨詢項目，對現有的情況進行摸底，對已知問題提出解決思路，對未來進行規(guī)劃。
在遇到結構化數據的時候，這個套路老彭已經很輕車熟路了，但是非結構化數據還真的不太熟悉。
之前做過，但都是“順手為之”的建設邏輯，真正以非結構化數據為主，經驗還有些匱乏。
幸好，老彭彭友圈足夠大，非結構化數據治理的大佬也不少。一番請教和討論下來，也有了一些成果，分享給各位彭友，僅供參考和學習。
如果您這邊有更好的內容，還請推薦給老彭，不勝感激！
一句話簡單解釋：數據分為結構化數據、半結構化數據和非結構化數據。結構化數據就是能按照數據模型表示的結構存儲的數據，具體表現就是數據庫中的表、字段、值。
非結構化數據就是無法提煉成數據模型，以結構化存儲的數據，具體表現就是各種文檔、視頻、音頻。
半結構化數據就是其中部分信息可以進行結構化存儲，部分信息只能“揉成一團”放進開放性的字段里存儲的數據，具體表現就是各種日志。
其實在企業(yè)中，結構化數據的占比很少，半結構化和非結構化數據的占比會更多。之前看過一份文件里有一個測算結果，結構化數據只占不到20%。
現在我們叫“非結構化數據”，其實之前早就有，叫“檔案數據”。對應的組織叫做“檔案館”。
檔案館最初的工作就是進行各類紙質文檔、影像資料的管理。具體工作就是進行檔案分類、編目、檔案管理等工作。
之后檔案館升級，變成“電子檔案館”，對應的工作也就變成了把紙質文件電子化、電子文檔智能化、文檔內容知識化等工作。
核心工作流程不變，依然是各類檔案的分類、編目、管理工作。只不過從原來紙質的文檔/錄像帶變成電子文檔/視頻文件，由粗笨的檔案柜，升級為知識管理系統(tǒng)/文檔管理系統(tǒng)。
檔案管理工作一般分為兩部分：
1、檔案管理，包括檔案收集、檔案分類、檔案整理、檔案鑒定、檔案保管、檔案編目等工作。
2、檔案利用，包括檔案檢索、檔案統(tǒng)計、檔案信息開發(fā)、檔案編輯和研究(比如檔案文獻編纂)、檔案提供利用等工作。
換到非結構化數據管理，其實都是一樣一樣的。把“檔案”換成“非結構化數據”就行了。
跟結構化數據盤點一樣，非結構化數據盤點也是需要分類進行的。否則胡子眉毛一把抓，壓根就不知道誰是爹誰是媽。
我們通常會分為文檔、視頻、音頻、圖片等類型，但是更具體的分類還得跟業(yè)務場景掛鉤，比如：
這么分是不是就具體多了？跟業(yè)務結合更緊密了？
當然，也有更具體的，比如這個：
這是中石油檔案資源分類體系（2020版）的非結構化數據分類標準，是不是就更清晰了？
與結構化數據分類一樣，非結構化數據也可以是多分類的。但是一般梳理的時候會按某一個固定分類進行盤點，然后再按業(yè)務需要進行多分類。否則就亂套了。
非結構化數據都散落在各個文件系統(tǒng)中，甚至是以原始物理文件存儲的，盤點的時候就不能像結構化數據一樣，直接連接數據庫讀元數據進行盤點。
那怎么進行呢？
首先，盤點肯定還是圍繞元數據進行的。既然不能用系統(tǒng)，就只能人工了。
大致流程是這樣的：
1、梳理業(yè)務流程；
2、整理業(yè)務輸入；
3、整理業(yè)務輸出（非結構化數據就出來了 ）
4、整理非結構化數據元數據，并形成標準；
5、補充業(yè)務信息（包括編碼、業(yè)務分類、業(yè)務含義、摘要、標簽等）；
6、編制成冊
最終的成果就是類似這樣的一套表格，包括文檔名稱、編號、業(yè)務所需各類信息。
本文為作者獨立觀點，不代表鳥哥筆記立場，未經允許不得轉載。
《鳥哥筆記版權及免責申明》 如對文章、圖片、字體等版權有疑問，請點擊 反饋舉報
我們致力于提供一個高質量內容的交流平臺。為落實國家互聯網信息辦公室“依法管網、依法辦網、依法上網”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據本公約中的條款對注冊用戶和發(fā)布在本平臺的內容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質內容，同時也將采取必要措施管理違法、侵權或有其他不良影響的網絡信息。
一、根據《網絡信息內容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息，主要表現為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權，破壞國家統(tǒng)一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權益；
11)通過網絡以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網絡欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內容；
2. 不友善：不尊重用戶及其所貢獻內容的信息或行為。主要表現為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進行負面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網站秩序的內容，或進行相關行為。主要表現為：
1)多次發(fā)布包含售賣產品、提供服務、宣傳推廣內容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內容；
4)多次發(fā)布包含欺騙性外鏈的內容，如未注明的淘寶客鏈接、跳轉網站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產品、品牌等內容獲取搜索引擎中的不正當曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網站秩序的推廣內容及相關交易。
7)發(fā)布包含欺騙性的惡意營銷內容，如通過偽造經歷、冒充他人等方式進行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內容審核的廣告內容。
4. 色情低俗信息，主要表現為：
1)包含自己或他人性經驗的細節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內容；
4)帶有性暗示、性挑逗等易使人產生性聯想；
5)展現血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內容。
5. 不實信息，主要表現為：
1)可能存在事實性錯誤或者造謠等內容；
2)存在事實夸大、偽造虛假經歷等誤導他人的內容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構或個人存在關聯。
6. 傳播封建迷信，主要表現為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治病；
2)求推薦算命看相大師；
3)針對具體風水等問題進行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標題黨，主要表現為：
1)以各種夸張、獵奇、不合常理的表現手法等行為來誘導用戶；
2)內容與標題之間存在嚴重不實或者原意扭曲；
3)使用夸張標題，內容與標題嚴重不符的。
8.「飯圈」亂象行為，主要表現為：
1)誘導未成年人應援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網絡水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內容，主要表現為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導未成年人不良嗜好影響未成年人身心健康的；
2)不當評述自然災害、重大事故等災難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網絡生態(tài)造成不良影響的其他內容。
二、違規(guī)處罰
本網站通過主動發(fā)現和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內容質量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當一個用戶發(fā)布違規(guī)內容時，本網站將依據相關用戶違規(guī)情節(jié)嚴重程度，對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內容時，本網站將加重處罰。
三、申訴
隨著平臺管理經驗的不斷豐富，本網站出于維護本網站氛圍和秩序的目的，將不斷完善本公約。
如果本網站用戶對本網站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網站進行反饋。
(規(guī)則的最終解釋權歸屬本網站所有)