مدیریت صحیح داده و خلق ارزش همسو با اهداف کسب و کار ، مستلزم آشنایی مناسب با خصایص و ویژگی انواع مختلف داده است . اگر چیزی را ندانیم و یا با آن آشنا نباشیم و یا آشنایی ما در حد حداکثر یک پاراگراف! باشد ، نمی توانیم آن را اندازه گیری کنیم و چیزی را که نتوان اندازه گیری کرد قطعا نمی توان مدیریت کرد .اگر به دنبال مدیریت موثر داده در سازمان خود می باشیم ، در اولین گام می بایست با چیزی که قصد مدیریت آن را داریم آشنا شویم . اجرای پروژه هایی با محوریت داده بدون آَشنایی حداقلی با ماهیت و نحوه رفتار نوع های مختلف داده و ایجاد یک فونداسیون مستحکم ، قطعا با شکست مواجه خواهد شد و نه تنها ارزشی را نصیب سازمان نخواهد کرد بلکه بلایی می شود برای سازمان که رهایی از آن مستلزم از دست دادن سرمایه های ملموس وغیرملموس متعددی است .

انواع داده در یک سازمان
در شکل 1 ، کلیت داده یک سازمان  صرفنظر از نوع های مختلف آن نشان داده شده است . هر چیزی را که بتوان به عنوان داده در نظر گرفت ، می توان در این جایگاه قرار داد .


اگر بخواهیم یک تقسیم بندی از داده یک سازمان داشته باشیم ، می توان بر اساس معیارهای مختلف این کار را انجام داد . یکی از این روش ها ، تقسیم داده به داده ساختیافته و غیرساختیافته است . شکل 2، تقسیم بندی فوق و تفاوت هر گروه را نشان می دهد .
 
در ادامه می توان این تقسیم بندی را ادامه داد و با تمرکز بر روی داده های غیرساختیافته آن را به دو گروه داده غیرساختیافته تکراری و داده غیرساختیافته غیرتکراری تقسیم کرد .شکل 3 ، این وضعیت را نشان می دهد .


داده غیرساختیافته تکراری ، داده یی است که اغلب دارای ساختاری مشابه است و به دفعات زیاد و چندین مرتبه محقق می گردد . ساختار داده تکراری مشابه هم بوده و با رکورد قبلی مشابه است .در مقابل ، داده غیرساختیافته غیرتکراری ، داده یی است که در آن ساختار رکوردها با یکدیگر متفاوت است و هر رکورد نسبت به رکورد دیگر ساختاری کاملا متفاوت دارد .

نمونه هایی از انواع داده در یک سازمان
داده ساختیافته معمولا ماحصل تراکنش بر روی یک موجودیت نظیر محصول است . هر مرتبه که یک فروش انجام می شود ، از یک حساب بانکی مبلغی برداشت و یا به آن مبلغی  واریز می شود در واقع یک رکورد تراکنش ایجاد می گردد که نهایتا به یک رکورد ساختیافته منجر می شود .
داده غیرساختیافته تکراری کاملا متفاوت است . رکوردهایی نظیر ماحصل تعاملات ماشین (تایید آنالوگ محصول بر اساس یک فرآیند ساخت )  و یا اندازه گیری انرژی استفاده شده توسط یک مصرف کننده ، نمونه هایی از رکوردهای غیرساختیافته تکراری می باشند.اطلاعات غیرساختیافته غیرتکراری ،  نسبت به رکوردهای غیرساختیافته تکراری کاملا متفاوت می باشند . در رکوردهای غیرساختیافته غیرتکراری ، بین محتویات یک رکورد با رکورد بعدی تکرار بندرت و یا اصولا اتفاق نمی افتد . ایمیل و مکالمات مرکز تماس نمونه هایی در این زمینه می باشند .
شکل 4 ، نمونه هایی عینی  از داده موجود  منطبق بر تقسیم بندی ارایه شده را نشان می دهد .


میزان ارتباط داده با کسب و کار
داده غیرساختیافته تکراری و داده غیرساختیافته غیرتکراری دارای خصایص و ویژگی های  مختلفی می باشند که می توان با تمرکز بر روی آنها با ماهیت هر یک از داده های غیرساختیافته بیشتر آشنا گردید. به عنوان نمونه ، میزان موثر بودن و یا ارتباط آنها با کسب و کار یکی از حوزه های مهم و مورد علاقه در این زمینه است . در داده غیرساختیافته غیرتکراری نسبت به داده غیرساختیافته تکراری، می توان به میزان قابل توجهی داده مرتبط با کسب و کار را یافت ( رگه هایی از داده مرتبط با کسب و کار) .
تمامی داده موجود در یک سیستم  کنترلی تولید مورد علاقه کسب و کار نمی باشند و صرفا تعداد اندکی از رکوردها و معمولا در مواردی که پارامترهای مورد علاقه از حد مجاز عدول کرده باشند ، مورد توجه کسب و کار می باشند. برخی از رکوردهای غیرساختیافته تکراری دارای این ظرفیت و یا پتانسیل هستند که در آینده ( نه در حال حاضر ) مورد توجه کسب و کار قرار گیرند . در مجموع ، در داده غیرساختیافته غیرتکراری رکوردهای زیادی که مورد علاقه کسب و کار باشد ، وجود ندارد . در مقابل ، تقریبا تمامی داده غیرساختیافته غیرتکراری مورد علاقه کسب و کار است . 
شکل 5 وضعیت دو نوع داده غیرساختیافته تکراری و غیرساختیافته غیرتکرار و میزان ارتباط و یا علاقه کسب و کار به آنها را نشان می دهد .


داده عظیم 
بد نیست به این موضوع مهم نیز اشاره گردد که داده های عظیم شامل داده غیرساختیافته تکراری و داده غیرساختیافته غیرتکراری یک سازمان می باشند . شکل  6 جایگاه داده های عظیم را در تقسیم بندی اشاره شده نشان می دهد . 


یک شکاف بزرگ بین داده غیرساختیافته تکراری و داده غیرساختیافته غیرتکراری  
در ابتدا این گونه بنظر می آید که تفاوت بین دو نوع داده غیرساختیافته یعنی غیرساختیافته تکراری و غیرساختیافته غیرتکراری بی اهمیت باشد . در صورتی که تفاوت بین این دو نوع داده بدیهی و قابل توجه است و یک شکاف بزرگ بین این دو نوع داده غیرساختیافته قرار می گیرد و آنها را از هم تفکیک می نماید که قطعا در نحوه مدیریت آنها تاثیرگذار خواهد بود. شکل 7 ، این شکاف بزرگ بین داده غیرساختیافته غیرتکراری و غیرساختیافته تکراری را نشان می دهد .


شکاف فوق نشان از این واقعیت دارد که نحوه مدیریت و برخورد با هر یک کاملا متفاوت است و می توان این گونه تصور کرد که داده موجود در هر سمت در یک سیاره مجزا زندگی می کند . به عنوان نمونه برای مدیریت داده غیرساختیافته تکراری می توان دست به دامن hadoop شد و از آن به عنوان یک مدیر داده قدرتمند جهت  دستیابی ، مانیتورینگ ، نمایش ، تجزیه و تحلیل و بصری سازی داده استفاده کرد.
تاکید داده غیرساختیافته غیرتکراری تقریبا تماما بر روی ابهام زدایی متن و روش های مختلف آن نظیر قالب دهی مجدد خروجی ، استاندارد سازی داده و مواردی از این قبیل است . ابهام زدایی متنی ( تمرکز داده غیرساختیافته غیرتکراری ) یک موضوع کاملا مجزا نسبت به دستیابی و تحلیل داده (تمرکز داده غیرساختیافته تکراری)  ذخیره شده در hadoop است . مدیریت hadoop و ابهام زدایی متنی نشان دهنده این تفاوت بزرگ است .
شکل 8 تفاوت مدیریت داده غیرساختیافته غیرتکراری با داده غیرساختیافته تکراری را نشان می دهد .


خلاصه
هر سازمان دارای نوع های مختلفی از داده است که تنها با شناخت ماهیت هر یک است که می توان آنها را به درستی مدیریت کرد . داده یک سازمان را می توان به دو گروه عمده ساختیافته و غیرساختیافته تقسیم کرد . داده های عظیم را می توان در حوزه داده های غیرساختیافته در نظر گرفت که خود حکایت جداگانه ای دارند.  در ادامه ، می توان  داده غیرساختیافته را به دو گروه تکراری و غیرتکراری تقسیم کنیم. در این  رابطه لازم است به دو نکته مهم اشاره گردد : اولا، شیوه مدیریت و نحوه برخورد با داده غیرساختیافته غیرتکراری و داده غیرساختیافته تکراری کاملا متفاوت است و نمی توان از یک راه حل مشابه برای برخورد با هر یک از آنها استفاده کرد . ثانیا ، میزان ارتباط نوع های مختلف داده با کسب و کار و تاثیری که می توانند بر فضای کسب و کار بگذارند کاملا متفاوت است و می بایست قبل از هر اقدامی این موضوع به دقت بررسی گردد .
شکل 9، خلاصه ای از آنچه در این مطلب به آن اشاره گردید را نشان می دهد .