データ形式を識別する

• 5 分

データは、情報の記録に使用される数値、説明、観察などのファクトのコレクションです。 このデータが編成されるデータ構造は、多くの場合、組織にとって重要な "エンティティ" (顧客、製品、販売注文など) を表します。 各エンティティには通常、1 つ以上の "属性" または特性があります (たとえば、顧客は名前、住所、電話番号などを持つ場合があります)。

データは "構造化"、"半構造化"、"非構造化" に分類することができます。

構造化データ

構造化データとは固定 "スキーマ" に準拠したデータであり、すべてのデータが同じフィールドとプロパティを持っています。 最も一般的に、構造化データ エンティティのスキーマは "表形式" です。つまり、データは、データ エンティティの各インスタンスを表す行と、エンティティの属性を表す列で構成される 1 つ以上のテーブルで表されます。 たとえば、次の図は Customer および Product エンティティの表形式のデータ表現を示しています。

構造化データは、多くの場合、"リレーショナル" モデルのキー値を使用して複数のテーブルが参照できるデータベースに格納されます。詳細については後ほど説明します。

半構造化データ

"半構造化" データは、ある程度の構造を持つ情報ですが、エンティティ インスタンス間の一部のバリエーションを可能にする情報です。 たとえば、ほとんどの顧客はメール アドレスを持っている場合でも、複数のメール アドレスを持っている人もいれば、1 つも持っていない人もいます。

半構造化データの一般的な形式の 1 つが、JavaScript Object Notation (JSON) です。 以下の例は、顧客情報を表す JSON ドキュメントのペアを示します。 各顧客ドキュメントには住所と連絡先情報が含まれていますが、個別のフィールドは顧客によって異なります。

// Customer 1
{
  "firstName": "Joe",
  "lastName": "Jones",
  "address":
  {
    "streetAddress": "1 Main St.",
    "city": "New York",
    "state": "NY",
    "postalCode": "10099"
  },
  "contact":
  [
    {
      "type": "home",
      "number": "555 123-1234"
    },
    {
      "type": "email",
      "address": "joe@litware.com"
    }
  ]
}

// Customer 2
{
  "firstName": "Samir",
  "lastName": "Nadoy",
  "address":
  {
    "streetAddress": "123 Elm Pl.",
    "unit": "500",
    "city": "Seattle",
    "state": "WA",
    "postalCode": "98999"
  },
  "contact":
  [
    {
      "type": "email",
      "address": "samir@northwind.com"
    }
  ]
}

非構造化データ

すべてのデータが構造化または半構造化されているわけではありません。 たとえば、ドキュメント、画像、オーディオおよびビデオ データ、バイナリ ファイルには、特定の構造がない場合があります。 この種のデータは "非構造化" データと呼ばれます。

データ ストア

組織は通常、エンティティの詳細 (顧客や製品など)、特定のイベント (販売取引など)、その他の情報をドキュメント、画像、その他の形式で記録するために、構造化、半構造化、または非構造化形式でデータを格納します。 保存されたデータは、後で分析とレポートのために取得できます。

一般的に使用されるデータ ストアには、次の 2 つの大きなカテゴリがあります。

• ファイル ストア
• データベース

以降のトピックで、これらの両方の種類のデータ ストアについて説明します。