結構化資料 vs. 非結構化資料

過去十年來，我們對於資料的理解和定義已產生了劇變，部分是因為越來越多新工具出現，讓我們得以讀取、儲存、分析非結構化資料。

以往，非結構化資料經常未善加利用，因此想要進一步轉譯解讀並不容易。新技術出現後，不但解讀非結構化資料變得簡單，也能從這些資訊寶藏挖掘出更多珍貴見解。

國際數據資訊 (IDC) 表示，全球在 2024 年前每年所產生、捕捉、複製、消耗的資料總量將會超過 149 ZB，而且多數都會是非結構化資料。企業組織若能具備分析非結構化資料的能力，將會受益無窮。想要迎頭趕上？第一步便是了解結構化資料 vs. 非結構化資料。

我們列出兩種資料的概要差異，下方有更多深度說明：

什麼是結構化資料？

結構化資料的資訊內容有精確定義的模式。若要簡單定義，意即所有可以透過表單系統（如 Google 試算表、Microsoft Excel）呈現出來的資料都是結構化資料。

在這個例子當中，資料可以透過行列式表格呈現出來。每一行都代表一種特殊的屬性，而每一列會個別列出與該屬性相關的資料。行與列組成了表格，因而可以輕鬆引用。

不同的表格可以互相連結，意即兩個表格之間同一列的資料可以互相關聯。

假如多個相關表格接續整合起來，便可建立起關聯式資料庫。舉例來說，百貨公司的客戶、銷售、存貨資料可以視作儲存在關聯式資料庫的結構化資料。

• 每一位客戶都有專屬的 ID 號碼，以及他們的姓名、聯絡電話、信用卡資訊、地址⋯⋯等等。
• 客戶資料庫可以連結到銷售資料庫，銷售資料包括了購買時間、購買單品代碼、消費總金額、客戶 ID⋯⋯等等。兩邊的表格可以透過共通的「客戶 ID」這一項屬性連結起來。
• 最後，銷售資料庫可以利用共通屬性「單品代碼」與存貨資料庫連結起來，進而有效互聯這三個獨立表格成為關聯式資料庫。

像這樣的結構化資料通常儲存在關聯式資料庫管理系統 (RDBMS)。可以利用結構化查詢語言 (SQL) 來寫入、讀取、操作資料庫，這種程式語言是 1970 年代 IBM 開發用來支援資料庫大型主機的，最初名稱叫作「序列英語查詢語言」，或者縮寫為 SEQUEL。這個名稱由來是因為它和英語一樣仰賴大量讀取。而現行的 SQL 形式則是由關連式軟體公司（現在的 Oracle）所普及化的。

什麼是非結構化資料？

所有不是結構化資料的資料都可以被歸類為非結構化資料。預估到了 2025 年我們所接觸的資料會有 80% 是非結構化資料，形式包括了文字、聲音、圖片、影像等¹。

簡單地說，非結構化資料就是現代化資料。這類資料通常是：

• 數位化生成、不可預測
• 持續產生、持續變動
• 混合、多模式、互通性
• 地理位置分散，以達更佳的資安保護

非結構化資料可以建立相關中繼資料，因而結構化。舉例來說，一支影片可以具備影片的中繼資料，如解析度、位元速率、影格率 (FPS)、影片所有者⋯⋯等。但影片本身是無法結構化的。若非結構化資料有相關的結構化中繼資料，有時可稱為半結構化資料。

例如你可仔細觀察 YouTube 影片，它也呈現出了中繼資料，像是上傳時間、上傳日期、觀看次數（部分或整體）喜歡和不喜歡的點擊數⋯⋯等。但是影片標題內容、影片敘述以及影片本身是非結構化的。它涉及了「質」的內容，因而無單純以數字定量。

NoSQL 是最常用來存放非結構化資料的資料庫。NoSQL 代表「不只是 SQL」的意思，表示這種資料庫處理更廣泛範圍的資料，能完成 SQL 資料庫所不能勝任的任務。NoSQL 資料庫沒有固定模式或表格化的架構，它僅只是將資料收集並分類群組。

使用整合式高速檔案暨高速物件儲存 (UFFO) 解決方案來儲存非結構化資料

綜合以上內容，雖然非結構化資料能提供重要的深入見解，有很大的變革潛力，要想妥善處理這些資料仍然是艱鉅的挑戰。Pure Storage® FlashBlade® 是 Pure 推出的整合式高速檔案暨高速物件儲存 (UFFO) 解決方案，提供快閃儲存技術所需的處理速度，並具備靈活擴充基礎架構的能力。想了解更多嗎？ 我們提供 Pure FlashBlade 免費試用版，讓你不必擔心投資花費，盡情測試解決方案。

更多大數據指南知識篇

1. 大數據 vs. 傳統資料
2. 5 個方法，大數據助你搶得先機
3. 物聯網與大數據之間的關係