AI 术语表 · 入门 · 经典机器学习、推荐与搜索 · 数据工程
结构化数据
结构化数据是以行和列固定的表格形式整理的数据。就像 Excel 表格或数据库表一样，每个单元格中放什么值都是事先规定好的。
关于这个术语
- 难度
- 入门 · 写给初次接触者的核心概念
- 分类
- 基础概念
- 领域
- 经典机器学习、推荐与搜索, 数据工程
- 加入时间
- 2026-10-09
通俗解释 这就像预先画好格子的记账本。日期、项目、金额等栏目是固定的，便于求和，但不适合详细记录当天发生的事情。
工作原理
在结构化数据中，一行代表一个对象（一位客户、一笔交易），一列代表该对象的特征（年龄、金额、地区）。每一列都规定了数字、日期、类别等格式，计算机可以直接计算和检索。关系型数据库和 SQL 是处理这类数据的代表性工具。相反，文档、图像、语音等没有固定格子的数据被称为非结构化数据。
结构化数据与非结构化数据
结构化数据行和列固定的表格
- Excel·数据库表
- 用 SQL 直接计算·检索
- 梯度提升往往较强
非结构化数据没有固定格子
- 文档·图像·语音
- 转换为嵌入等形式处理
- 主要由深度学习·LLM 处理
공통 两者都是 AI 学习和判断的素材。
为什么重要
企业的销售额、库存、客户、传感器记录等，实际业务数据中有相当一部分是结构化数据。贷款审批、需求预测、异常交易检测等工作大多是根据这类表格来判断的。据了解，在表格数据上，梯度提升等传统机器学习方法至今往往仍强于深度学习。最近，像 LLM 把人的问题转换成 SQL 来查询表格的 Text-to-SQL 这样，连接结构化数据与生成式 AI 的尝试也在增加。
注意事项
LLM 以 token 为单位读取文字，因此如果把大表格整个输入，它在精确计算数字或比较大量行时可能表现不佳。因此，常见的做法是把计算交给数据库或代码，由 LLM 负责理解问题和解释结果。此外，即使是结构化数据，也常存在空值、单位混淆、重复行等质量问题，需要先进行整理。
示例
如果向公司内部的数据分析聊天机器人提问“上季度各地区销售额排名前三的是哪里？”，LLM 会把问题转换成 SQL，查询销售表（结构化数据），再用文字解释结果。银行的异常交易检测系统则用在包含交易金额、时间、地点的交易表上训练的模型，筛选出可疑交易。