D型数据是指由“Dark Data”三个英文单词的首字母缩写而来的数据类型，这类数据指的是企业或组织中无法被使用的、没被存储、处理或分析的数据资源，这些数据并没有被处理成结构化数据或者可被利用的数据资源。
相较于结构化的数据，D型数据通常时间跨度更长、涉及范围更广，而地位却相对较低，不仅因为难以定位，且成本高昂，所以一般情况下并不会引起组织或企业的关注，并不会被作为开发新应用、增加新产品或服务的基础数据源。
①未被应用或访问：D型数据是黑暗数据，它们无法被结构化利用或者不值得被对外公开使用，在组织或企业中只是无法被挖掘利用和或者分析利用的庞大无序数据集；
②流域广泛：D型数据所占的比例越来越大，据Gartner的预测，约有80%的数据都是未结构化的数据，这些大量数据可能散落在各个部门和地区 ,导致组织或企业难以辨识；
③难以处理和清洗：一般来说，D型数据不会被认为是有用的，这意味着它们可能采集自各种资源，来源的清晰度和质量没有保障，也可能涉及大量冗余信息等质量问题，延误数据处理和利用的工作进程。
①进行清洗和分析：为了更好地利用D型数据，就必须能够正确地进行清洗和分析。将数据转换为结构化的格式，最大化利用诸如机器学习、人工智能等新技术来处理，将大量无序的D型数据清洗和分类，从中获得业务优势。
②数据集成：将D型数据集成到已有的结构化数据中，涉及到数据集成和信息互通，意味着需要创造一种方法来整合组织或企业中散乱的D型数据，进而使之成为有条件和有意义的数据资源。
③创新应用：在数量庞大的未使用数据中进行潜在发现，尽可能地获取数据提供的业务价值，发掘组织或企业所拥有的数据，增加组织或企业的新应用、新产品，在竞争市场中更好地提供解决方案。
D型数据的出现是不可避免的，由于它们被认为是无用的，但还是被组织或企业保留了下来。在分析和利用这些不需要的数据时，可以开发传统数据架构不支持的新应用和新产品，也可以在现有产品中增加更多新的线索，以便更好的理解和进行可持续的业务创新。
在形成处理和管理这些未使用的数据的新方法和新技术之后，D型数据的潜在好处将变得越来越明显，此时，对于企业的创新具有重要的现实意义：
一、为组织或企业提供新的市场机会，也许一些旧数据仍能带来新的商业模式和信息储存策略。
二、为组织或企业缩短创新周期，通过探索、发现数据，挖掘出更多的可能性，从而大大加快业务新模式或新构想的实现时间，快速适应市场变化。
三、为组织或企业竞争提供切实可行的方式，通过清洗和分析D型数据，可以更深入地了解市场，更准确地进行定位，帮助企业发现市场的潜在需求，为企业做决策提供重要的依据。
关注微信