什么是结构化、半结构化和非结构化数据？

①结构化数据 ：指关系模型数据，即以关系数据库表形式管理的数据，结合到典型场景中更容易理解，比如企业ERP、OA、HR里的数据。

②非结构化数据 ：指数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据。如word、pdf、ppt及各种格式的图片、视频等。

③半结构化数据 ：指非关系模型的、有基本固定结构模式的数据，例如日志文件、XML文档、JSON文档、E-mail等；

①表结构不同，需 要做到不同类型的字段映射

②假如要新增表字段的时候，需 要新增列

③若有表字段需要进行二次处理规范，需要支持字段转换，比如公式或其他

④新增表设计时， 需要保证三大范式，这里就不展开讲了，可参考： 数据库三大范式

⑤数据同步的时效性，例如实时同步、半小时一次、或者一天一次、或者说是需要实时同步融合，这个要根据具体业务场景来确认。

目前有两种方式来处理半结构、非结构化数据：

①提取半结构、非结构化数据中的关键信息，到结构化数据中进行二次利用，比较好处理的是半结构化（json、xml）、excel、csv，因为这种数据的结构比较统一。

②向word、PDF这种文件提取关键信息，假如是单个文本的话，市面上有些工具可能可以实现，但假如是大批量的话，可能就需要通过程序，去自定义一些正则表达式，去进行关键信息的提取。这种一般来说，因为格式不一致，以及用途不一致，所以程序自定义的比较多。

针对这种的话，会综合考虑数据价值和投入产出比，因为这部分的数据处理较为复杂。