很可惜 T 。T 您現(xiàn)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(jīng)錄用會有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)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(jié)構(gòu)化數(shù)據(jù)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(shù)據(jù)治理的時候，常規(guī)套路是起一個咨詢項目，對現(xiàn)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(jié)構(gòu)化數(shù)據(jù)的時候，這個套路老彭已經(jīng)很輕車熟路了，但是非結(jié)構(gòu)化數(shù)據(jù)還真的不太熟悉。
之前做過，但都是“順手為之”的建設(shè)邏輯，真正以非結(jié)構(gòu)化數(shù)據(jù)為主，經(jīng)驗還有些匱乏。
幸好，老彭彭友圈足夠大，非結(jié)構(gòu)化數(shù)據(jù)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(xué)習(xí)。
如果您這邊有更好的內(nèi)容，還請推薦給老彭，不勝感激！
一句話簡單解釋：數(shù)據(jù)分為結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)就是能按照數(shù)據(jù)模型表示的結(jié)構(gòu)存儲的數(shù)據(jù)，具體表現(xiàn)就是數(shù)據(jù)庫中的表、字段、值。
非結(jié)構(gòu)化數(shù)據(jù)就是無法提煉成數(shù)據(jù)模型，以結(jié)構(gòu)化存儲的數(shù)據(jù)，具體表現(xiàn)就是各種文檔、視頻、音頻。
半結(jié)構(gòu)化數(shù)據(jù)就是其中部分信息可以進行結(jié)構(gòu)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(shù)據(jù)，具體表現(xiàn)就是各種日志。
其實在企業(yè)中，結(jié)構(gòu)化數(shù)據(jù)的占比很少，半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的占比會更多。之前看過一份文件里有一個測算結(jié)果，結(jié)構(gòu)化數(shù)據(jù)只占不到20%。
現(xiàn)在我們叫“非結(jié)構(gòu)化數(shù)據(jù)”，其實之前早就有，叫“檔案數(shù)據(jù)”。對應(yīng)的組織叫做“檔案館”。
檔案館最初的工作就是進行各類紙質(zhì)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(yīng)的工作也就變成了把紙質(zhì)文件電子化、電子文檔智能化、文檔內(nèi)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(zhì)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(jié)構(gòu)化數(shù)據(jù)管理，其實都是一樣一樣的。把“檔案”換成“非結(jié)構(gòu)化數(shù)據(jù)”就行了。
跟結(jié)構(gòu)化數(shù)據(jù)盤點一樣，非結(jié)構(gòu)化數(shù)據(jù)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(wù)場景掛鉤，比如：
這么分是不是就具體多了？跟業(yè)務(wù)結(jié)合更緊密了？
當(dāng)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(jié)構(gòu)化數(shù)據(jù)分類標(biāo)準(zhǔn)，是不是就更清晰了？
與結(jié)構(gòu)化數(shù)據(jù)分類一樣，非結(jié)構(gòu)化數(shù)據(jù)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(wù)需要進行多分類。否則就亂套了。
非結(jié)構(gòu)化數(shù)據(jù)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(jié)構(gòu)化數(shù)據(jù)一樣，直接連接數(shù)據(jù)庫讀元數(shù)據(jù)進行盤點。
那怎么進行呢？
首先，盤點肯定還是圍繞元數(shù)據(jù)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(wù)流程；
2、整理業(yè)務(wù)輸入；
3、整理業(yè)務(wù)輸出（非結(jié)構(gòu)化數(shù)據(jù)就出來了 ）
4、整理非結(jié)構(gòu)化數(shù)據(jù)元數(shù)據(jù)，并形成標(biāo)準(zhǔn)；
5、補充業(yè)務(wù)信息（包括編碼、業(yè)務(wù)分類、業(yè)務(wù)含義、摘要、標(biāo)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(wù)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(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》 如對文章、圖片、字體等版權(quán)有疑問，請點擊 反饋舉報
我們致力于提供一個高質(zhì)量內(nèi)容的交流平臺。為落實國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”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(nèi)容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)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(xiàn)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(quán)，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(jié)；
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(jié)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(quán)益；
11)通過網(wǎng)絡(luò)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(wǎng)絡(luò)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(nèi)容；
2. 不友善：不尊重用戶及其所貢獻內(nèi)容的信息或行為。主要表現(xiàn)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(yīng)，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(fù)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(wǎng)站秩序的內(nèi)容，或進行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)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(nèi)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(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)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(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)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(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)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(nèi)容。
5. 不實信息，主要表現(xiàn)為：
1)可能存在事實性錯誤或者造謠等內(nèi)容；
2)存在事實夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)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(gòu)或個人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)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(fēng)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(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)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(wǎng)絡(luò)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(nèi)容，主要表現(xiàn)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(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評述自然災(zāi)害、重大事故等災(zāi)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(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)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(nèi)容質(zhì)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(dāng)一個用戶發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)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(dāng)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(nèi)容時，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗的不斷豐富，本網(wǎng)站出于維護本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)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(wǎng)站進行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)