想要玩轉(zhuǎn)數(shù)據(jù)可視化？先弄清我們能用非結(jié)構(gòu)化數(shù)據(jù)做什么吧

數(shù)據(jù)可視化非結(jié)構(gòu)化數(shù)據(jù) 數(shù)據(jù)分析

張雪倩 | 2018-03-16 13:12

【數(shù)據(jù)猿導(dǎo)讀】數(shù)據(jù)可視化領(lǐng)域從業(yè)者面臨的最重要挑戰(zhàn)之一，就是能用非結(jié)構(gòu)化數(shù)據(jù)來做什么

想要玩轉(zhuǎn)數(shù)據(jù)可視化？先弄清我們能用非結(jié)構(gòu)化數(shù)據(jù)做什么吧

我們越來越擅長理解非結(jié)構(gòu)化數(shù)據(jù)，但仍未達到理想狀態(tài)。

數(shù)據(jù)可視化發(fā)展近幾年突飛猛進。企業(yè)使用愈發(fā)令人驚嘆的軟件來展現(xiàn)他們收集的海量信息，使用反應(yīng)敏捷、互動性強、往往又非常漂亮的表現(xiàn)形式，讓觀看者參與進來——無論是會議室里的決策者還是科技館里的孩子們。

數(shù)據(jù)可視化領(lǐng)域從業(yè)者面臨的最重要挑戰(zhàn)之一，就是能用非結(jié)構(gòu)化數(shù)據(jù)來做什么。非結(jié)構(gòu)化數(shù)據(jù)是指所有不能納入關(guān)系數(shù)據(jù)庫的數(shù)據(jù)，包括視頻、幻燈片、公司記錄、社交媒體、RSS、文件和文本——基本上就是絕大部分的交流。

據(jù)估計，世界上80%的數(shù)據(jù)都是非結(jié)構(gòu)化的，而且這一數(shù)字正迅速增長，IDC預(yù)測非結(jié)構(gòu)化數(shù)據(jù)將從2015年的9.3ZB到2020年增長至44.1ZB。它對企業(yè)的重要性也同樣迅速增長著。墨爾本大學(xué)客座講師與（商業(yè)分析）研究員Ranko Cosic曾指出：“在我看來，運用數(shù)據(jù)的方式在接下來幾年中的變化將是，雖然企業(yè)會繼續(xù)收集和分析數(shù)據(jù)倉庫、傳統(tǒng)數(shù)據(jù)庫和關(guān)系數(shù)據(jù)庫中的結(jié)構(gòu)化數(shù)據(jù)，也將更多關(guān)注收集和分析傳統(tǒng)網(wǎng)站與社交媒體網(wǎng)站上的以錄音、圖像、音樂、文本、視頻和交互式內(nèi)容形式出現(xiàn)的非結(jié)構(gòu)化數(shù)據(jù)。”

非結(jié)構(gòu)化數(shù)據(jù)如此重要，其原因是它所提供的語境。分析結(jié)構(gòu)化數(shù)據(jù)能夠告訴我們什么正在發(fā)生，但是通過分析復(fù)雜的非結(jié)構(gòu)化數(shù)據(jù)流才能知道為什么會發(fā)生。結(jié)構(gòu)化數(shù)據(jù)包含收入表現(xiàn)和運營指標，但是非結(jié)構(gòu)化數(shù)據(jù)的文本能夠展示對公司產(chǎn)品的看法、員工信息和競爭優(yōu)勢。

然而，對非結(jié)構(gòu)化數(shù)據(jù)的分析則是一門相對來說比較新的科學(xué)，其規(guī)模和復(fù)雜性以往使得人們難以理解。高效處理非結(jié)構(gòu)化數(shù)據(jù)是許多創(chuàng)業(yè)公司的目標，他們中的大部分現(xiàn)在關(guān)注于使用機器學(xué)習(xí)算法對其進行解鎖，而不是像以前會將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)。他們將分析和可視化都自動化，所以公司能夠立即從非結(jié)構(gòu)化數(shù)據(jù)庫得到結(jié)果。

BrainSpace和DeepDive是其中取得重大進展的兩個創(chuàng)業(yè)公司，而且它們都獲得了大型融資。Brainspace的CEO Dave Copps告訴我們：“之前，我們能夠?qū)Ψ墙Y(jié)構(gòu)化數(shù)據(jù)做的只有搜索，搜集起來一堆文件，然后用關(guān)鍵詞去嘗試（搜索）。Tableau和Quickview之類的技術(shù)通常適合檢索結(jié)構(gòu)化數(shù)據(jù)，但是一旦你從文件中抽出詞來看，語境就不在了。所以，比如說你在分析簡歷，如果你從一名軟件開發(fā)者的簡歷中找到了‘Java’，但你不知道這個詞的存在是否只是因為那個人寫了‘我的Java很差勁’。我們做的，不僅僅只是分析詞句，而是著眼于詞與詞之間的空白——語境。”

然而，我們在非結(jié)構(gòu)化數(shù)據(jù)的分析上取得了一些顯著進步的同時，實際上仍未發(fā)揮信息的全部潛力。在動態(tài)數(shù)據(jù)專家Logtrust最近受委托的451研究中，有反饋的IT經(jīng)理中有89%表示他們將結(jié)構(gòu)化數(shù)據(jù)方案在企業(yè)中提升到很高的優(yōu)先級，然而只有43%的人認為非結(jié)構(gòu)化數(shù)據(jù)方案有一樣的優(yōu)先級。

改變這些態(tài)度的關(guān)鍵就是數(shù)據(jù)可視化。像BrainSpace這樣的公司提供具有參與性、互動性的自動可視化，但仍有許多未被發(fā)現(xiàn)的潛力。洛克希德馬丁的首席數(shù)據(jù)科學(xué)家Walter Storm指出：“技術(shù)確實使得非結(jié)構(gòu)化數(shù)據(jù)更易被分析——一大問題卻是：‘這種分析有什么用？’ 主題建模、圖表分析、甚至降維和可視化都有許多藝術(shù)可言。有多少特征？都是些什么？深網(wǎng)中有多少層？有多少節(jié)點？多大的粒寬能展現(xiàn)良好的差異性？第二、第三順序衍生出的特征空間中相鄰兩者之間的關(guān)系是什么？這種算法到底剛學(xué)習(xí)到了什么？我的假設(shè)是什么來著？”

探索新鮮事物是件很棒的事情，但是如果你不能說服決策者，讓他們相信你想探索的東西確實是存在的，使他們采取合適的行動，那么這對企業(yè)來說就完全沒有意義。數(shù)據(jù)可視化是實現(xiàn)這一點最好的方法，它揭示了數(shù)據(jù)中無法以其它方式來理解的復(fù)雜結(jié)構(gòu)。人類大腦處理信息的方式意味著，通過視覺的方式將它傳達給人們并使得他們參與其中，讓你可以描述出你所發(fā)現(xiàn)的模式，甚至可以發(fā)現(xiàn)這種模式的洞察。這也能讓更多的人更易理解數(shù)據(jù)，可能有助于提升整個企業(yè)的數(shù)據(jù)平民化，并帶來更多的洞察。

相較于傳統(tǒng)數(shù)字化的數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)可視化帶來了獨特的挑戰(zhàn)，且仍處于初期階段。在最近舊金山數(shù)據(jù)可視化峰會上，通用汽車的數(shù)據(jù)可視化專家Ken Cherven使用以往所有國情咨文做了示范。他的示范結(jié)果顯示了為什么可視化對于理解非結(jié)構(gòu)化數(shù)據(jù)是非常有必要的，它也為我們提供了激動人心的機會，來創(chuàng)造性地以之前被認為是不可能的方式來展示信息，并為我們提供從中學(xué)習(xí)的機會。

注：本文由TalkingData解決方案架構(gòu)師張雪倩編譯，并由TalkingData投遞并授權(quán)數(shù)據(jù)猿發(fā)布，原文作者為James Ovenden

原文鏈接：https://channels.theinnovationenterprise.com/articles/why-we-need-data-visualization-to-understand-unstructured-data

來源：數(shù)據(jù)猿

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會注明來源與作者；轉(zhuǎn)載我們原創(chuàng)內(nèi)容時，也請務(wù)必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會受到數(shù)據(jù)猿追責(zé)。