大數據、云計算等技術在近幾年得到迅猛的發展，但是在實際操作層面，中美之間還存在很大差距。國內的企業級客戶在進行大數據分析時，仍以分析結構化數據為主，而在美國，很多企業已經開始分析非結構化數據，中國市場仍缺少這方面有效的分析工具。

據IDC的調查報告顯示：企業中80%的數據都是非結構化數據，這些數據每年都按指數增長60%。

位于硅谷的Taste Analytics推出綜合智能數據分析平臺—— Signals，其最獨特的地方在于既具備非結構化文本文檔數據的深度分析能力，同時也支撐著各種傳統的結構化數據 (報表、銷售記錄等)。

那么，什么是非結構化數據?

非結構化數據主要是指那些無法用固定結構來邏輯表達實現的數據，簡單來說就是用戶散落在論壇、微博、微信或其他渠道發表的關于產品的各種評價或吐槽。

從形態上，它主要包含這三大塊：

第一是文本文字;

第二是圖像、圖片等;

第三是視頻流、電視流。

對比一下或許更有助于理解，非結構化數據和結構化數據最本質的區別包括三個層面：

首先，非結構化數據的容量對比結構化數據要大，可以達到10幾倍甚至幾十倍的體量;

其次是產生的速度，比如Twitter剛出來的時候，每天產生一億條的信息量，新浪微博的信息量更大，可以達到幾十億條信息;

最后是數據來源的多樣性，這些數據來源有客服、郵件、調查問卷、社交網絡等等。

因此，signals平臺服務的對象不是企業的 IT、數據庫，而是商業人員，例如市場營銷，客服、信息洞察員、產品優化改進設計人員等。

以手機廠商為例，Signals通過對客戶的郵件反饋、在論壇的相關討論、微信、微博等相關評價信息分析，告訴設計師用戶普遍反映電源鍵的位置設計很不人性化，手機開屏經常掉幀等等，從而進行產品優化。

非結構化數據既然這么復雜，那怎么分析?

Taste analytic主要是通過如下幾個步驟進行非結構化數據分析的：

第一，數據采集，幫助企業更快更全的采集到各類數據。

signals集成了上百個數據接口，包括亞馬遜、天貓、Salesforce，ZenDesk, Esty, Yelp、Twitter、Facebook、Apple Store、Google Play Store等，并且這個數字還在飛速擴大，根據taste analytic創始人汪曉宇的介紹，他們正在和國內的第三方數據提供商聚合數據、百分點等進行合作，將為中國客戶提供更多本地化的數據。

非結構化數據接入口

第二，數據分析，也就是對于非結構化和結構化數據進行深度機器分析。

signal通過深度學習非結構化的自然語言，根據用戶的用詞、造句、行文方式來理解文字含義，通過對大范圍的用戶、上千萬個消費點進行聚類分析。目前Signals平臺具備成熟的實時分析包括中文在內的12種文字以及語音等非結構化數據的能力。

此外，Taste Analytics的服務適用于各種非結構化數據分析場景，只要有聊天記錄、對話記錄和郵件記錄，就可以和數據源直接對接分析。

從各種維度進行分析

第三，將數據進行圖像可視化。

Signals平臺會把數據分析結果進行可視化輸出，為客戶提供10余種圖像可視化模式，并且支持客戶自定義分析，共包括15種不同的可視化分類。

將數據分析結果可視化

此外，汪曉宇告訴創業邦，Taste Analytics研發出的最先進的分析技術——預測性分析，也將在中國上線，用戶可以享受到結構化和非結構數據的精準分析結果，系統針對關鍵詞、時間趨勢等因素對市場行為作出及時的預測。

依據上圖的元素進行預測分析

那憑啥別人不能做或做不了?

與國內諸葛IO、GrowingIo不同的是，Taste Analytics主要針對的是文本非結構化的挖掘和處理，而諸葛IO是對于機器產生的數據流，Click數據的分析。對于企業來說，兩者是相對互補的關系。

汪曉宇告訴創業邦，Taste Analytics成立兩年，就已經獲得了百萬美元量級的訂單，擁有像Ally銀行、ForeSee問卷調查等客戶，收入增長了6倍，并且季度營收增長速度保持在300%左右。

之所以取得這樣的成績，主要核心在于技術和人才，其技術壁壘在于文本數據的深度學習。

汪曉宇博士畢業于北京郵電大學的通信工程專業，之后就到美國直博，之后因為突出的學術貢獻，被破格提拔為北卡大學夏洛特分校的助理敎授，并在美國五大視覺中心之一的夏洛特視覺中心任主任。他曾經應邀在美國海事國防安全風險大會演講;還曾在斯坦福給計算機系的學生傳授研發經驗。

Taste Analytics的CTO俞立和Thomas Kraft，也是從美國頂級學府博士畢業，技術團隊成員全都是碩士以上學歷，博士占比達40%。

Taste Analytics在2月完成Pre-A輪340萬美元融資，由真格基金領投，跟投機構包括聚合數據、華創資本等。

汪曉宇認為在實際操作中，圖片、視頻的潛力還大大沒有被挖掘，機器數據和FinTech 瞬時高維度的金融數據也很有潛力。Taste Analytics未來將加大對圖片和視頻領域的非結構化數據分析。