在前面的文章中我們給大家講述了很多有關(guān)大數(shù)據(jù)的熱詞，我們在這篇文章中給大家介紹結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、數(shù)據(jù)清洗。這些詞匯都是和數(shù)據(jù)分析有關(guān)的，下面我們就給大家詳細(xì)地介紹一下這些詞的意思。

首先就是結(jié)構(gòu)化數(shù)據(jù)，所謂結(jié)構(gòu)化數(shù)據(jù)，簡單來說就是數(shù)據(jù)庫。結(jié)合到典型場景中更容易理解，比如財(cái)務(wù)系統(tǒng)、醫(yī)療HIS數(shù)據(jù)庫、、政府行政審批；其他核心數(shù)據(jù)庫等。基本包括高速存儲(chǔ)應(yīng)用需求、數(shù)據(jù)備份需求、數(shù)據(jù)共享需求等等。由此可見結(jié)構(gòu)化數(shù)據(jù)是十分常見的。

下面我們就給大家說一說半結(jié)構(gòu)化數(shù)據(jù)，半結(jié)構(gòu)化數(shù)據(jù)和普通純文本相比，半結(jié)構(gòu)化數(shù)據(jù)具有一定的結(jié)構(gòu)性，但和具有嚴(yán)格理論模型的關(guān)系數(shù)據(jù)庫的數(shù)據(jù)相比。OEM是一種典型的半結(jié)構(gòu)化數(shù)據(jù)模型。如果我們在做一個(gè)信息系統(tǒng)設(shè)計(jì)時(shí)肯定會(huì)涉及到數(shù)據(jù)的存儲(chǔ)，一般我們都會(huì)將系統(tǒng)信息保存在某個(gè)指定的關(guān)系數(shù)據(jù)庫中。我們會(huì)將數(shù)據(jù)按業(yè)務(wù)分類，并設(shè)計(jì)相應(yīng)的表，然后將對應(yīng)的信息保存到相應(yīng)的表中。而這個(gè)就是半結(jié)構(gòu)化數(shù)據(jù)的應(yīng)用。

接著我們給大家說一下非結(jié)構(gòu)化數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)庫是指其字段長度可變，并且每個(gè)字段的記錄又可以由可重復(fù)或不可重復(fù)的子字段構(gòu)成的數(shù)據(jù)庫，用它不僅可以處理結(jié)構(gòu)化數(shù)據(jù)，比如如數(shù)字、符號(hào)等信息而且更適合處理非結(jié)構(gòu)化數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)比如全文文本、圖象、聲音、影視、超媒體等信息。

最后我們給大家說一下數(shù)據(jù)清洗的內(nèi)容。數(shù)據(jù)清洗指發(fā)現(xiàn)并糾正數(shù)據(jù)文件中可識(shí)別的錯(cuò)誤的最后一道程序，包括檢查數(shù)據(jù)一致性，處理無效值和缺失值等。因?yàn)?a href='/map/shujucangku/' style='color:#000;font-size:inherit;'>數(shù)據(jù)倉庫中的數(shù)據(jù)是面向某一主題的數(shù)據(jù)的集合，這些數(shù)據(jù)從多個(gè)業(yè)務(wù)系統(tǒng)中抽取而來而且包含歷史數(shù)據(jù)，這樣就避免不了有的數(shù)據(jù)是錯(cuò)誤數(shù)據(jù)、有的數(shù)據(jù)相互之間有沖突，這些錯(cuò)誤的或有沖突的數(shù)據(jù)顯然是我們不想要的，稱為“臟數(shù)據(jù)”。而數(shù)據(jù)清洗的任務(wù)是過濾那些不符合要求的數(shù)據(jù)，將過濾的結(jié)果交給業(yè)務(wù)主管部門，確認(rèn)是否過濾掉還是由業(yè)務(wù)單位修正之后再進(jìn)行抽取。不符合要求的數(shù)據(jù)主要是有不完整的數(shù)據(jù)、錯(cuò)誤的數(shù)據(jù)、重復(fù)的數(shù)據(jù)三大類。數(shù)據(jù)清洗是一個(gè)十分重要的內(nèi)容，因?yàn)轶a臟數(shù)據(jù)都會(huì)影響數(shù)據(jù)分析的結(jié)果，使得數(shù)據(jù)分析變得毫無意義。

在這篇文章中我們給大家介紹了很多大數(shù)據(jù)的詞匯，我們給大家介紹的詞匯都是和數(shù)據(jù)分析有所聯(lián)系的，如果我們在做數(shù)據(jù)分析以及大數(shù)據(jù)的話一定不能夠忽略這類知識(shí)的掌握。