البيانات المنظمة وشبه المنظمة وغير المنظمة: كيف نميزها؟

الخلاصة السريعة

انظر إلى بنية المحتوى التي ستعالجها، لا إلى اسم الملف وحده، لتحديد طريقة تنظيم البيانات.

• البيانات المنظمة تشبه جدولا بصفوف وحقول محددة؛ وقد تحتوي أرقاما أو نصوصا قصيرة. ^[1]
• تحمل البيانات شبه المنظمة مفاتيح أو علامات، مثل وثائق JSON المرنة. ^[1]
• تحتاج النصوص الحرة والصوت والصور إلى معالجة تناسب محتواها، رغم وجود بنية لملفاتها. ^[2]
• قد يجمع السجل الواحد حقولا منظمة ومحتوى حرا؛ جهز كل جزء بحسب السؤال.

ماذا يعني أن تكون البيانات منظمة؟

تصف IBM البيانات المنظمة بأنها تتلاءم مع مخطط وحقول محددة، مثل جدول بأسماء وقيم. لا يشترط أن تكون جميع القيم أرقاما؛ التنظيم يخص العلاقة بين السجل والحقول. ^[1]

تخيل جدولا افتراضيا لكتب مكتبة: معرف الكتاب، وعنوانه، وعدد الصفحات. يسهل أن تسأل عن عدد صفحات كتاب أو ترتب الكتب حسب هذا الحقل. أما ملخص كل كتاب، إذا وضعته في خلية نصية طويلة، فيحتاج إلى قراءة محتواه لتحقيق سؤال يتعلق بموضوعه، وليس إلى فرز الخلية فقط.

كيف تكون البنية مرنة وشبه منظمة؟

تستخدم البيانات شبه المنظمة معلومات مثل المفاتيح أو العلامات لوصف خصائص المحتوى. وتعرض IBM ملفات JSON وXML ضمن أمثلتها، مع اختلافها عن مخطط الجدول الصارم. ^[1]

في مثال تعليمي، يمكن أن تضم وثيقة كتاب حقول العنوان والمؤلف، بينما تضيف وثيقة أخرى حقلا للمترجم. ما زالت المفاتيح توضح معنى القيم، لكن ليس كل سجل مطابقا للأعمدة نفسها. عند تحويلها إلى جدول، قرر كيف تمثل الحقل الغائب، ولا تفترض أن غيابه يعني وجود مترجم اسمه «لا شيء».

هل البيانات غير المنظمة بلا ترتيب؟

توضح AWS أن الصوت والفيديو والنصوص الطويلة لا تتناسب مباشرة مع الجدول التقليدي للحقول القصيرة. يصف مصطلح غير المنظمة هذا الاختلاف في تمثيل المحتوى للتحليل، وليس انعدام قواعد تنسيق الملف. ^[2]

يمكن أن يكون التسجيل الصوتي مرتبا زمنيا وله مدة وتنسيق معروف، لكن السؤال عن موضوع الحديث لا يجيب عنه حقل المدة. وبالمثل، للصورة أبعاد وقيم بكسلات، بينما التعرف إلى الشيء المصور مهمة تتعلق بالمحتوى. فصل هذه المستويات يمنع تفسير كلمة «غير منظمة» بمعنى «غير مفيدة».

كيف نجمع الأنواع في مشروع واحد؟

لنفترض أنك تجمع مراجعات افتراضية لكتب. يتضمن السجل تاريخ المراجعة وتقييما عدديا ونصا حرا. يمكنك وصف التاريخ والتقييم بحقولهما، ثم معالجة النص لمعرفة الموضوعات المذكورة. لا يلزم أن تمنح الملف كله وصفا واحدا يخفي هذه الفروق.

قبل اختيار الأداة، اكتب السؤال: هل تريد حساب متوسط التقييم، أم استخراج اقتباس، أم معرفة سبب شكوى؟ افحص الحقل الذي يحمل الإجابة. ثم تحقق من جودة المحتوى ووحداته؛ فوجود جدول منظم لا يضمن صحة القيم التي أدخلت إليه.