如何处理暗数据？

【摘要】有研究表明，全球数据总量每两年翻一番，各企业都在处理和存储这些海量数据。这些数据主要由结构化数据、非结构化数据等类型数据构成。企业对数据了解得越透彻，就能够越准确地判断数据的价值及风险。

结构化的数据：即有固定格式和有限长度的数据。例如填的表格就是结构化的数据，国籍：中华人民共和国，民族：汉，性别：男，这都叫结构化数据。对于ICT领域来说，就是以固定的格式存储到数据库里的数据（Oracle/MySQL/…）。

半结构化数据：是一些 XML 或者 HTML 的格式的，当根据需要可按结构化数据来处理，也可抽取出纯文本按非结构化数据来处理。

非结构化的数据：就是不定长、无固定格式的数据，例如网页，邮件，有时候非常长；有时候非常短，几句话就没了；例如Word文档、语音，视频、图片都是非结构化的数据。现在非结构化的数据居多。

为了描述方便，我们把半结构化数据和非结构化数据，合二为一统称为“暗数据”，当然这个词不是我起的，是AA公司起的名字。AA（Automation Anywhere）公司于2003年最初由Ankur Kothari，Mihir Shukla，Neeti Mehta和Rushabh Parmani在加利福尼亚州圣何塞的Tethys Solutions，LLC成立。该软件公司在10多个国家/地区开展业务，开发适用于领先金融服务，业务流程外包，医疗保健，技术和保险公司的机器人过程自动化技术的产品。在RPA领域市场份额第一，全球最大的RPA生态，培训并认证超过10,000名RPA人员。

AA公司统计“暗数据”占比达80%，就像下图冰山在水下的部分。这些暗数据，导致信息是断裂的，传统的自动化不能访问。业界最头疼的就是如何处理这部分数据？

一、传统处理暗数据的方法

目前传统的公司，在处理暗数据的时候，采用的是笨办法，想办法把非结构化的数据转换成结构化数据。或者干脆，大部分公司是让这些暗数据躺在数据湖里沉睡中，没有任何用处，反而还浪费了存储和维护资源。像我们的站点数据、设备数据、网络数据、操作数据，大部分都是暗数据。我们现在花大力气在想办法结构化，这可能是最笨的办法。费时费力，结果还很差。

二、利用AI处理暗数据的新方法

其实单纯的RPA做的工作非常有限，RPA主要是处理结构化和流程化的数据，不能处理“暗数据”。利用AI技术，就可以处理图片、邮件等暗数据，同时AI还可以随机应变的处理一些突发的流程。

下面列举了AI和RPA的差异点：

AA这家公司把AI和RPA结合起来，处理暗数据。使用的关键技术如下：

1、语音识别：主要处理对话、录音、音频等文件。

2、NLP：主要处理文本、邮件、文档等文件。

3、计算视觉：主要处理图片、PDF中嵌入的图片等信息。

4、机器学习&深度学习：主要通过“学习”，处理一些异常事件，让流程能正常流转，像人一样，能灵活处理问题。

三、AA这家公司推出的关键产品（或解决方案）

推出了IQ-Bot的解决方案。IQ Bot™是人工智能（AI）解决方案，业务用户可以轻松设置和使用，以更快地自动读取和处理各种复杂的文档和电子邮件。另外，IQ Bot通过构建的自动化认知，可与IBM Watson/Google Cloud AI/MS Cognitive Service等AI解决方案集成，以弥合RPA与纯认知平台之间的差距。

在其主页上呈现的IQ BOT解决方案的示例如图，重点是想说明IQ Bot是一座桥梁，可以连接RPA和认知平台：

使用IQ-Bot前后对比

AI能够以内容为中心实现流程自动化，使AI成为理想的RPA的补充技术。 使用两者的组合，组织可以端到端自动化流程，例如使用AI，解析，分类和理解语义或情绪，并将所需的行动传递给RPA。 例如：完成使用AI为客户撰写确认函/文本或电子邮件等案例。

四、如何把AI嵌入到前台的RPA流程中去？

1、许多流程需要理解语义。利用AI中的NLP技术理解句子的结构，语义和意图。

通过统计方法和机器学习。NLP将文本转换为数据，反之亦然，允许人与人之间有意义的互动。它包括自然语言理解和生成，例如：保险公司处理索赔、银行抵押贷款，这些都需要补充材料，包括图片（身份证信息）、表格信息、邮件信息、文本信息等等，这些都是非结构化信息，很难直接使用RPA自动化，影响了这个流程的效率。文本，电子邮件，信件和图像，首先通过NLP和图像识别技术以便进一步处理。

2、利用计算机视觉技术自动提取，分析图片，转换成语义。

从单个图像或一系列图像（包括扫描文档）中理解有用信息，实现自动视觉理解。

3、通过ML（Machine Learning）来实现一些灵活化处理问题的能力。

通过算法来实现人处理问题的灵活性，无需明确固定的流程，可以通过“学习”来灵活处理，具备随机应变的处理机制，避免通过系统对接传递大量数据。

五、AI方法的借鉴意义？

这多年过去了，整个电信业界就没有搞定网络拓扑，特别是跨域和跨厂商的。我一直认为，通过采集上来的现有公开数据（不同厂商肯定有网管系统），通过数据的拼接，是可以拼出一个拓扑的。大家觉得不可能。其实想想Google地图，看看Google地图是怎么做到的？地图需要拼接的数据量肯定是网络信息的很多倍，难度也大于网络拓扑，但为什么地图能搞出来，而一个拓扑就搞不出来呢？利用数据的拼接+AI技术，是可以把整网跨厂商的网络拓扑拼接出来的。

六、给大家介绍的IQ Bot的目的是打开一扇窗，让大家去寻宝

IQ Bot：认知自动化机器人，是专门负责处理暗数据，IQ Bot发现和转换隐藏数据，以更快，更高效地自动化业务流程，同时消除人为错误。

在这个AI时代，如何让手里的数据发挥出价值成为在市场中杀出重围的重要的技能。企业面对内部大量的暗数据，需要建立高效的数据管理体系，学会妥善运用算法、简化流程，才能迎接这数据洪流时代。

本文作者作者：华为云社区高亮，点击关注，第一时间了解华为云新鲜技术~