Video: Webinar: Modern GIS sebagai Solusi Tantangan Masa Kini 2024
Data yang terdapat dalam database, dokumen, e-mail, dan file data lainnya untuk analisis prediktif dapat dikategorikan sebagai data terstruktur atau tidak terstruktur. Data terstruktur terorganisasi dengan baik, mengikuti urutan yang konsisten, relatif mudah untuk dicari dan query, dan dapat diakses dan dipahami dengan mudah oleh seseorang atau program komputer.
Contoh klasik dari data terstruktur adalah spreadsheet Excel dengan kolom berlabel. Data terstruktur semacam itu konsisten; tajuk kolom - biasanya deskripsi singkat dan akurat dari konten di setiap kolom - memberi tahu persis jenis konten yang Anda harapkan.
Data terstruktur biasanya disimpan dalam skema yang didefinisikan dengan baik seperti database. Biasanya tabular, dengan kolom dan baris yang secara jelas menentukan atributnya. Data yang tidak terstruktur, sebaliknya, cenderung berbentuk bebas, tidak berbentuk tabel, tersebar, dan tidak mudah ditemukan; Data semacam itu memerlukan intervensi yang disengaja untuk memahaminya. Miscellaneous e-mail, dokumen, halaman web, dan file (baik teks, audio, dan / atau video) di lokasi yang tersebar adalah contoh data tidak terstruktur.
Isi data tidak terstruktur sulit dilakukan dengan atau masuk akal secara pemrograman. Program komputer tidak dapat menganalisa atau menghasilkan laporan mengenai data semacam itu, hanya karena kekurangan struktur, tidak memiliki karakteristik dominan yang mendasari, dan setiap item data tidak memiliki kesamaan.
Jangan meremehkan pentingnya data terstruktur dan kekuatan yang diberikannya pada analisis Anda. Ini jauh lebih efisien untuk menganalisis data terstruktur daripada menganalisis data tidak terstruktur. Data yang tidak terstruktur juga mahal untuk proses preprocess untuk analisis karena Anda sedang membangun proyek analisis prediktif. Pemilihan data yang relevan, pembersihannya, dan transformasi selanjutnya bisa berlangsung lama dan membosankan.
Data yang baru saja disusun dari langkah-langkah preprocessing yang diperlukan kemudian dapat digunakan dalam model analisis prediktif. Transformasi besar data terstruktur bagaimanapun, mungkin harus menunggu sampai Anda memiliki model analisis prediktif Anda dan berjalan.
Analisis data mining and text adalah dua pendekatan untuk menyusun dokumen teks, menghubungkan isinya, mengelompokkan dan meringkas data mereka, dan mengungkap pola dalam data tersebut. Kedua disiplin menyediakan kerangka algoritme dan teknik yang kaya untuk menambang teks yang tersebar di lautan dokumen.
Perlu dicatat juga bahwa platform mesin pencari menyediakan alat yang tersedia untuk mengindeks data dan membuatnya dapat ditelusuri.
Mari bandingkan data terstruktur dan tidak terstruktur.
Karakteristik
| Terstruktur | Tidak terstruktur | Asosiasi |
|---|---|---|
| Terorganisir | Tersebar dan terdispersi | Penampilan |
| Secara formal didefinisikan | Formulir Bebas | Aksesibilitas |
| Mudah untuk akses dan permintaan | Sulit untuk mengakses dan query | Ketersediaan |
| Percentagewise lower | Percentagewise higher | Analisis |
| Efisien untuk menganalisis | Preprocessing tambahan diperlukan | Data tidak terstruktur tidak sepenuhnya Kurang struktur - Anda hanya perlu mencari tahu. Bahkan teks di dalam file digital masih memiliki beberapa struktur yang terkait dengannya, sering muncul dalam metadata - misalnya, judul dokumen, tanggal file terakhir diubah, dan nama pengarangnya. |
Hal yang sama berlaku untuk e-mail: Isinya mungkin tidak terstruktur, namun data terstruktur dikaitkan dengan mereka - misalnya tanggal dan waktu pengiriman, nama pengirim dan penerima mereka, apakah itu berisi lampiran.
Garis pemisah antara kedua tipe data tidak selalu jelas. Secara umum, Anda selalu dapat menemukan beberapa atribut data tidak terstruktur yang dapat dianggap sebagai data terstruktur. Apakah struktur itu mencerminkan isi data itu - atau berguna dalam analisis data - tidak jelas.
Untuk itu, data terstruktur dapat menyimpan data tidak terstruktur di dalamnya. Dalam bentuk web, misalnya, pengguna mungkin diminta memberikan umpan balik mengenai produk dengan memilih jawaban dari banyak pilihan - namun juga dilengkapi dengan kotak komentar di mana mereka dapat memberikan masukan tambahan.
Jawaban dari banyak pilihan disusun; bidang komentar tidak terstruktur karena bentuknya yang bebas. Kasus seperti ini paling baik dipahami sebagai gabungan data terstruktur dan tidak terstruktur. Sebagian besar data merupakan komposit keduanya.
Untuk proyek analisis prediktif yang sukses, data terstruktur dan tidak terstruktur Anda harus digabungkan dalam format logis yang dapat dianalisis.
