漫谈大数据挑战 如何破解非结构化信息难题

  【雷竞技须安全稳定 信息化频道专稿】现如今这个时代，互联网企业早已布局，通过数据分析了解用户的喜好和习惯。运营商也想在大数据浪潮中分一杯羹，数据中心和宽带网络建设正如火如荼。政府、金融、医疗纷纷布局大数据应用，提升信息处理能力成为关键。现在，大数据时代已然成为了社会发展的潮流，而非结构化信息管理，就仿佛其中一艘刚刚出发的船只，最后能否顺利扬帆，汇入到时代长流当中，还是说随波逐流，被迫默默地偏离航道。

  何为非结构化数据

  在这里要给大家讲一个概念，在目前的大数据时代，信息按照它的格式大致分成两个类别，一类是结构化的数据，另外一类是非结构化的数据。

  结构化数据是按照特定格式整理的数据，它们能被企业的核心系统进行储存管理。然而，随着大数据发展的迅速，巨大的数据量已经从 TB 级跃升至 PB 级，数据结构变得更加复杂，大部分数据信息都已经脱离出数据结构的范畴，属于非结构化数据，包括纸质信息与数字化的视频、音频、邮件、图片等等，各种数据格式之间互不兼容，而且人们对数据的访问和使用更具随机性，这些特点给数据的提取、存储、管理和应用带来了很大困难。

  大体上我们可以把非结构化数据分成两个类别，一是数字化信息，一是纸张信息。

  可能大家认为数字化的信息都是结构化的，但实际上绝大多数数字化的信息属于非结构化的信息，无法被直接使用。且当这些信息散落存储于电脑、pad、手机等各种设备中，而且在多数情况下都互不兼容。以PPT为例，可能不同的人使用的格式都是不一样的，它无法很好的融合在一起。

  另一类非结构化信息就是纸张信息。在数字化设备非常丰富的今天，纸张还是非常重要的信息沟通工具，在很多业务流程当中担任很重要的角色。这里也举个简单的例子：比如说银行，大家现在去银行开户，像填写表格等都要用到很多纸张;如果大家去交付货物，也需要用纸张来确认。但是，大量使用纸张一则会产生浪费，二则很容易导致低效;完全依赖于纸张进行沟通的业务流程仍是现今很普遍的现象。

  顺利扬帆并非易事，企业核心系统无法管理非结构化信息

  企业内部的信息也可被分成两大类，一类是按照特定格式整理的结构化信息，一般由企业的核心系统例如ERP、SAP进行管理;另一类是以纸张、或数字化等形式存在于核心系统外部的大量非结构化信息。研究机构的调研发现，企业内部的信息80%以上的都是非结构化的，这些信息中往往包含了很多对企业有价值的内容，却几乎完全没有被管理和有效使用。

  除了信息以外，还有另外一个很重要的元素就是流程，信息和流程是结合在一起的，有些时候信息会驱动流程，有些时候流程要去使用这些信息和内容。目前企业中超过2/3的流程也 都是非结构化的，即通过纸张以手工或半手工的方式在进行管理，这些流程游离于企业核心的管理系统以外，往往造成严重的浪费和低效。

  非结构化信息、流程和企业的核心系统之间无法交流，势必造成企业内部信息沟通的不畅，从而会导致企业缺乏对现状的能见度，甚至在有些情况下出现失控，造成客户服务满意度降低、营业收入及利润难以达成、整体市场竞争力下降等等问题。

  总的看来，科技社会的大数据来临为时代主流，而非结构化信息管理的难题还仍需破解，非结构化信息能否被有效管理，这对于企业在未来的发展道路上影响深远。