企业在数字化工作中，通过对业务数据进行治理和分析，挖掘数据要素价值，赋能业务转型升级。
在上述过程中，数字化实践往往是从结构化数据（表格数据）开始。然而，随着数字化的产业规模落地进程深入，非结构化数据需要予以更多关注了。
结构化数据通常是业务流直接产生的数据。在早期信息化建设中，企业以业务线上化的方式完成了业务数据化的工作，实现了对结构化数据的“初始化”积累。
结构化数据存储在关系型数据库（SQL）中，只要业务系统相关的元数据的定义是相对完善的，再加持合理的数字化业务架构设计，就可以很直观、很便捷地搭建出赋能前端业务的数据价值链路。
然而，企业除了要关注“显性”的结构化数据资源，还应当关注对非结构化数据（以文本为主，还包括音、视频等）的治理和有效利用。
在数据资产管理活动中，任何“计划”切记一定要围绕业务价值来展开，而不是围绕数据资源可获得性来展开。
固然，非结构化数据的加工和价值提炼会具有更大的难度。但是这并不能否认非结构化数据本身蕴含的宝贵业务价值。
因此，除了把业务系统中固有的业务数据元，通过ETL同步到数据中台，越来越多的企业开始“投资”非结构化数据平台的建设。
广义上来说，基于数据资源开放、共享的目的，非结构化数据平台也可以看做是数据中台的一部分，但是其主要功能和基于非结构化数据的数据链路是截然不同的。
业务系统中的非结构化数据往往是以文件（系统中上传附件）的形式出现，例如采购合同、产品参数规格说明、项目可研报告、审计报告等。
因此，非结构化数据本身存储在文件系统而非数据库中。如果不对其重新进行内容读取、分析、提炼，其实是“不可用”甚至“不可见”的。
非结构化数据提供了关于业务活动更详细的信息，是对结构化数据的重要补充。
同时，非结构化数据也为建立“全维度”、“全过程”的业务管控和公司治理体系“”，提供强大坚实的信息源和知识源基础。
也正是基于此，对非结构化数据专门进行分析，具有非常大的业务潜力。
在非结构化平台上，除了要建立非结构化数据的资源目录（建立索引）和访问管控机制，还需要对其内容进行动态的二次加工处理。
即利用框架模板、业务上规则、机器学习算法等技术策略自动提炼结构化的业务特征。
除了内部数据，互联网上的开源数据也是不容忽视的结构化数据源，可以将其进行订阅、筛选，动态注入到企业的非结构化数据平台进行有机融合。
对开源数据的分析和挖掘，一方面可以完善和验证企业现有的业务知识体系，另一方面，有利于动态感知市场环境变化，识别业务风险，有效应对品牌公关问题。
须特别注意的是，开源数据的特征是规模大，信息结构冗杂，更新速度快。
企业不应追求大而全，甄别高质量数据源尤为重要，在此基础上，再结合具体业务目标，有针对性地搭建对非结构化数据源的感知与汇聚链路。
欢迎关注小刘老师2024年数字化新书，《从数据科学看懂数字化转型》，清华大学出版社
猜你想看更多文章
公众号推送规则变了，如果您想及时收到推送，麻烦右下角点个在看或者把本号置顶！同时欢迎点击进行商务咨询交流！
