داده ساختار یافته و غیر ساختار یافته؛ بررسی تفاوت‌ها و ویژگی آن‌ها

هنگامی که در سازمان‌ها هر تصمیم باید بر اساس اطلاعات دقیق و معتبر اتخاذ شود، اهمیت داده‌ها و تحلیل آن‌ها به وضوح مشخص خواهد شد. به همین دلیل است که دیتا به یکی از ارزشمندترین دارایی‌های سازمان‌ها تبدیل شده‌ است و نقش کلیدی در تصمیم‌گیری‌های استراتژیک ایفا می‌کند. پیش‌بینی‌ها نشان می‌دهد که بازار داده‌های کلان (Big Data) تا سال 2030 به 474 میلیارد دلار خواهد رسید، اما تنها شرکت‌هایی که بتوانند داده‌های مناسب را جمع‌آوری، تحلیل و از بینش‌های به‌دست‌آمده استفاده کنند، موفق به بهره‌برداری مؤثر از این منبع ارزشمند خواهند شد.

حجم داده‌های جهانی با سرعتی بی‌سابقه در حال افزایش است. انتظار می‌رود تا سال 2028، این حجم به بیش از 394 زتابایت برسد؛ برای درک بهتر این عدد، تصور کنید تنها یک زتابایت معادل نگهداری 10 میلیارد فیلم با کیفیت 4k است که تماشای آن‌ها 1.8 میلیون سال طول می‌کشد! اما نکته جالب‌تر این است که بین 80 تا 90 درصد از این داده‌ها، داده غیر ساختاریافته هستند، داده‌هایی که استخراج و تحلیل آن‌ها چالش‌برانگیزتر از داده‌های ساختاریافته است.

حال ممکن است بپرسید داده ساختار یافته چه تفاوتی با داده غیر ساختار یافته دارد. به‌طور کلی، داده‌های موجود در سازمان‌ها و صنایع به سه دسته اصلی تقسیم می‌شوند: داده‌های ساختاریافته که در پایگاه‌های داده منظم و قابل جستجو ذخیره می‌شوند، داده‌های غیر ساختار یافته مانند تصاویر، ویدئوها و پست‌های شبکه‌های اجتماعی که قالب مشخصی ندارند، و داده‌های نیمه‌ساختاریافته که ترکیبی از این دو نوع داده محسوب می‌شوند. درک تفاوت این دسته‌ها و نحوه مدیریت آن‌ها، نقش مهمی در موفقیت پروژه‌های داده‌محور دارد.

در این مقاله، به بررسی داده‌های ساختاریافته، غیرساختاریافته و نیمه ساختاریافته، تفاوت‌های آن‌ها، روش‌های مدیریت و ابزارهای پردازش مناسب برای هرکدام خواهیم پرداخت.

داده ساختاریافته چیست؟

داده‌ ساختار یافته (Structured Data)  به اطلاعاتی گفته می‌شود که در فیلدهای ثابت یک فایل یا رکورد ذخیره می‌شوند. این نوع داده‌ها معمولاً در پایگاه‌های داده رابطه‌ای (RDBMS) نگهداری شده و شامل متن، اعداد و داده‌های مشخصی هستند که به راحتی قابل جستجو و بازیابی‌اند. داده‌های ساختاریافته می‌توانند به صورت خودکار یا دستی وارد پایگاه داده شوند، اما در هر صورت، این فرآیند تحت یک مدل داده‌ای از پیش تعیین‌شده انجام می‌گیرد که نوع داده‌ها و نحوه ذخیره‌سازی و پردازش آن‌ها را مشخص می‌کند.

ویژگی‌های کلیدی داده‌های ساختار یافته

1. سازمان‌یافته و منظم
   داده‌های ساختاریافته در جدول‌هایی با ردیف‌ها و ستون‌های مرتبط ذخیره می‌شوند. این ساختار منظم، امکان جستجو، دسته‌بندی و تحلیل داده‌ها را ساده‌تر می‌کند.
2. ذخیره‌سازی بهینه
   به دلیل قالب‌بندی دقیق، داده‌های ساختاریافته فضای ذخیره‌سازی زیادی اشغال نمی‌کنند و به راحتی می‌توان حجم زیادی از آن‌ها را مدیریت کرد.
3. استفاده از  SQL
   زبان مورد استفاده برای مدیریت این داده‌ها، SQL (Structured Query Language)  است که در سال 1974 توسط IBM توسعه یافت. این زبان نیاز به مهارت برنامه‌نویسی پیچیده‌ای ندارد و به کاربران اجازه می‌دهد تا داده‌ها را براساس نیاز خود تغییر دهند و آن‌ها را استخراج کنند.
4. قابلیت پردازش و تحلیل آسان
   از آنجا که داده‌های ساختار یافته به‌صورت دقیق دسته‌بندی شده‌اند، بازیابی و تحلیل آن‌ها سریع و ساده است. کاربران می‌توانند اطلاعات خاصی را از جداول پایگاه داده انتخاب کرده و با استفاده از نرم‌افزارهای تحلیلی مانند Power BI گزارش‌های تحلیلی تهیه کنند.

چند مثال ساده از داده ساختاریافته

داده‌های ساختاریافته در بسیاری از سیستم‌ها و نرم‌افزارهای روزمره ما وجود دارند:

• فایل‌های اکسل و گوگل‌شیت: اطلاعات ذخیره‌شده در فایل‌های اکسل و گوگل شیت از ساده‌ترین داده‌های ساختاریافته‌ای هستند که اکثر افراد در سازمان‌ها با آن سروکار دارند. داده‌هایی مانند نام کارمندان، شماره تماس‌ها، کدهای پستی، آدرس‌ها و شماره کارت‌های اعتباری.
• سیستم‌های رزرو بلیط هواپیما: زمانی که قصد رزرو بلیط هواپیما یا قطار را دارید، اطلاعاتی مانند نام مسافران، شماره پرواز، مبدا و مقصد، تعداد بلیط‌ها و تاریخ حرکت، داده‌های ساختاریافته‌ای هستند که با آن‌ها سروکار خواهید داشت.
• بانک‌های اطلاعاتی کسب‌وکارها: هر کسب‌وکاری که با مشتریان خود در ارتباط است، اطلاعاتی از آن‌ها ذخیره می‌کند. اطلاعاتی شامل جزئیاتی مانند شماره مشتریان، تراکنش‌های مالی، محصولات خریداری‌شده و سوابق سفارشات. هر یک از این موارد هم نوعی از داده‌های ساختاریافته است که کسب‌وکارها با آن سروکار دارند.

یکی از نکات مثبت داده‌های ساختار یافته، امکان ذخیره، تغییر و حذف آن‌ها است. با استفاده از ابزارهای تحلیلی نیز می‌توان بین این داده‌ها مقایسه انجام داد. به عنوان مثال، در یک سیستم رزرو بلیط، امکان مقایسه تعداد بلیط‌های خریداری‌شده در تاریخ‌های مختلف یا قیمت‌های مختلف در یک بازه زمانی وجود دارد.

داده غیر ساختاریافته چیست؟

داده‌های غیر ساختاریافته به اطلاعاتی گفته می‌شود که فاقد ساختار از پیش تعیین‌شده هستند و در قالب اصلی خود ذخیره می‌شوند. برخلاف داده‌های ساختاریافته که در قالب جداول و پایگاه‌های داده منظم نگهداری می‌شوند، داده‌های ساختارنیافته هیچ مدل داده‌ای مشخصی ندارند و سازمان‌دهی آن‌ها به‌سادگی ممکن نیست. داده‌های غیرساختاریافته به همان شکل اولیه خود ذخیره می‌شوند و همین مسئله مدیریت و دسته‌بندی آن‌ها را دشوارتر می‌کند.

ویژگی‌های کلیدی داده‌های غیر ساختاریافته

1. عدم وجود ساختار مشخص
   این نوع داده‌ها هیچ طرح واره (Schema) خاصی ندارند و در قالب‌های گوناگون مانند متن، ویدئو، صدا و تصاویر ذخیره می‌شوند.
2. حجم بسیار بالا
   داده‌های ساختارنیافته بیش از 80 درصد داده‌های سازمانی را تشکیل می‌دهند و این میزان به‌طور مداوم در حال افزایش است. اگر سازمان‌ها نتوانند از داده‌های ساختارنیافته استفاده کنند، تحلیل‌های مهمی در صنعت و حوزه کسب‌وکار خود را از دست خواهند داد.
3. امکان استخراج اطلاعات ارزشمند
   با وجود ماهیت نامنظم این داده‌ها، در صورت دسترسی به فناوری‌های پیشرفته و فضای ذخیره‌سازی کافی، می‌توان از آن‌ها اطلاعات ارزشمندی استخراج کرد.

چند مثال ساده از داده‌های غیر ساختاریافته

داده‌های غیرساختاریافته در اشکال مختلفی وجود دارند، از جمله:

• فایل‌های چندرسانه‌ای: مانند تصاویر، ویدئوها، فایل‌های صوتی.
• محتوای متنی و دیجیتال: مانند ایمیل‌ها، فایل‌های متنی، پست‌های شبکه‌های اجتماعی و اسناد متنی.
• داده‌های تولیدشده توسط حسگرها: اطلاعات ثبت‌شده از دوربین‌های نظارتی و دستگاه‌های هوشمند.

برای مثال، یک آژانس مسافرتی که تورهای خود را در شبکه‌های اجتماعی تبلیغ می‌کند، می‌تواند از طریق تحلیل داده‌های ساختارنیافته مانند تصاویر، متون پست‌ها و نظرات کاربران، احساسات و بازخوردهای مخاطبان را بررسی کند. اگرچه برخی از اطلاعات، مانند تعداد اشتراک‌گذاری‌ها یا هشتگ‌ها، می‌توانند به‌عنوان داده‌های ساختاریافته در نظر گرفته شوند، اما محتوای اصلی پست و تعاملات کاربران در دسته داده‌های ساختارنیافته قرار می‌گیرد. برای استخراج بینش‌های کاربردی از این داده‌ها، استفاده از تکنیک‌های پیشرفته‌ای مانند تحلیل احساسات (Sentiment Analysis) ضروری است.

داده نیمه‌ ساختاریافته چیست؟

داده‌های نیمه‌ساختاریافته نوعی از داده‌ها هستند که در میانه‌ی دو دسته ساختاریافته و غیر ساختاریافته قرار می‌گیرند. این داده‌ها اگرچه ساختار داده‌های ساختار یافته را ندارند، اما همچنان شامل برچسب‌ها و نشانگرهایی هستند که عناصر مختلف آن را از یکدیگر جدا کرده و امکان جست‌وجو و پردازش را فراهم می‌کنند. به همین دلیل، داده‌های نیمه‌ساختاریافته گاهی به‌عنوان داده‌های دارای ساختار خودتوصیف‌گر نیز شناخته می‌شوند.

ویژگی‌های کلیدی داده‌های نیمه‌ ساختاریافته

1. ترکیبی از ساختار و انعطاف‌پذیری
   برخلاف داده‌های کاملاً ساختاریافته که در قالب جدول‌های مشخص و پایگاه داده‌های رابطه‌ای ذخیره می‌شوند، داده‌های نیمه‌ساختاریافته دارای یک ساختار نسبی هستند که از برچسب‌گذاری (Tagging) و نشانگرهای قابل‌شناسایی برای سازمان‌دهی اطلاعات استفاده می‌کنند.
2. امکان جست‌وجو و پردازش
   در حالی که داده‌های غیر ساختاریافته نیاز به ابزارهای پیچیده‌تری برای تحلیل دارند، داده‌های نیمه‌ساختاریافته به دلیل دارا بودن تگ‌ها، راحت‌تر از داده‌های ساختارنیافته پردازش می‌شوند.

مثالی ساده از داده‌های نیمه ساختاریافته
بسیاری از داده‌هایی که روزانه با آن‌ها سروکار داریم، در این دسته قرار می‌گیرند. برخی از رایج‌ترین نمونه‌های داده‌های نیمه‌ساختاریافته عبارت‌اند از:

• تصاویر ثبت‌شده با گوشی‌های هوشمند: هر تصویر، علاوه بر محتوای بصری که یک داده ساختارنیافته محسوب می‌شود، دارای اطلاعات برچسب‌گذاری‌شده‌ای مانند زمان ثبت تصویر، موقعیت جغرافیایی، مدل دوربین و تنظیمات لنز است.

اگرچه داده‌های نیمه‌ساختاریافته به‌اندازه‌ی داده‌های ساختاریافته منظم نیستند، اما همچنان ارزش بالایی برای تحلیل‌های تجاری دارند.. فرمت‌های رایج داده‌های نیمه‌ساختاریافته شامل JSON، XML و CSV است که به‌طور گسترده در پایگاه‌های داده‌ غیررابطه‌ای مانند MongoDB و Couchbase استفاده می‌شوند.

4 تفاوت داده‌های ساختاریافته و غیر ساختاریافته

حال که با مفاهیم داده‌های ساختاریافته و داده‌های غیرساختاریافته آشنا شدیم، باید تفاوت‌های میان این دو نوع داده را بررسی کنیم. این دو داده تفاوت‌های قابل‌توجهی در نحوه‌ی سازمان‌دهی، ذخیره‌سازی، پردازش و تحلیل دارند که در ادامه مهم‌ترین آن‌ها را معرفی می‌کنیم:

۱.  قابلیت تعریف‌پذیری

داده‌های ساختاریافته در قالبی مشخص، شامل ردیف‌ها و ستون‌ها سازمان‌دهی شده‌اند و می‌توان آن‌ها را در پایگاه‌های داده‌ی رابطه‌ای (RDBMS) ذخیره و مدیریت کرد. به دلیل این سازمان‌دهی مشخص، می‌توان این داده‌ها را به‌راحتی در فیلدهای از پیش تعیین‌شده قرار داد.

در مقابل، داده‌های ساختارنیافته هیچ مدل داده‌ای از پیش تعریف‌شده‌ای ندارند و معمولاً در قالب اصلی خود قابل ذخیره هستند. این داده‌ها معمولاً در دیتا لیک (Data Lake) نگهداری می‌شوند، جایی که می‌توان آن‌ها را بدون نیاز به تبدیل خاصی ذخیره کرد.

۲.  کمی در برابر کیفی

داده‌های ساختاریافته معمولاً شامل اطلاعات کمّی هستند، یعنی داده‌هایی که می‌توان آن‌ها را شمرد، محاسبه و تحلیل کرد. برای مثال، اطلاعات مشتریان در یک  CRM یا اعداد مربوط به فروش در یک شرکت مثال‌هایی از این نوع داده هستند. برای تحلیل این داده‌ها معمولاً از روش‌هایی مانند رگرسیون، طبقه‌بندی و خوشه‌بندی استفاده می‌کنند.

در مقابل، داده‌های ساختارنیافته اغلب کیفی هستند و نمی‌توان آن‌ها را با روش‌های سنتی پردازش کرد. برای مثال، پست‌های شبکه‌های اجتماعی، ایمیل‌ها، فایل‌های ویدئویی و صوتی. برای تحلیل این نوع داده‌ها، به تکنیک‌های پیشرفته‌ای مانند پردازش زبان طبیعی (NLP) و یادگیری ماشین (ML) نیاز است.

۳. نحوه‌ ذخیره‌سازی

داده‌های ساختاریافته معمولاً در انبار داده (Data Warehouse) ذخیره می‌شوند، جایی که برای داده‌ها پس از فرآیند ETL (استخراج، امکان تبدیل و بارگذاری) سازمان‌دهی و پردازش وجود دارد.

در مقابل، محل ذخیره داده‌های ساختارنیافته بیشتر در دریاچه داده (Data Lake) است. دیتا لیک‌ها حجم وسیعی از داده‌های خام را نگهداری می‌کنند که ممکن است هنوز پردازش یا سازمان‌دهی نشده باشند.

۴. سهولت تحلیل

یکی از مهم‌ترین تفاوت‌ها بین این دو نوع داده در نحوه‌ی تحلیل آن‌ها است. داده‌های ساختاریافته به دلیل سازمان‌یافته بودن، به‌راحتی توسط کارشناسان داده و الگوریتم‌ها پردازش و جست‌وجو می‌شوند.

در مقابل، داده‌های غیر ساختاریافته ذاتا پیچیده‌ هستند و برای پردازش آن‌ها نیاز به فناوری‌های پیشرفته‌تری مانند پردازش زبان طبیعی، تحلیل تصویر و الگوریتم‌های یادگیری ماشین وجود دارد.

چرا مدیریت داده‌های غیر ساختاریافته ضروری است؟

همانطور که در ابتدای مقاله بیان کردیم، حجم عظیمی از داده‌های موجود در سازمان‌ها را، داده‌های غیر ساختاریافته تشکیل می‌دهد.. اما چرا مدیریت این نوع داده‌ها اهمیت دارد؟ در ادامه به دلایل اصلی این ضرورت می‌پردازیم.

۱. کاهش هزینه‌های ذخیره‌سازی

بیشتر شرکت‌ها نسخه‌های پشتیبان از داده‌های خود تهیه می‌کنند، اما با توجه به اینکه حجم داده‌ها سالانه به‌طور چشمگیری افزایش می‌یابد، ذخیره‌سازی آن‌ها به یک چالش بزرگ تبدیل شده است. بخش عمده‌ای از این داده‌ها، “داده‌های سرد” (Cool Data) هستند، یعنی داده‌هایی که برای مدت طولانی دسترسی به آن‌ها انجام نمی‌شود، اما همچنان فضای زیادی را اشغال می‌کنند. مدیریت صحیح این داده‌ها، هزینه‌های ذخیره‌سازی را به میزان قابل‌توجهی کاهش می‌دهد.

۲. چالش‌های تحلیل و پردازش داده‌های ساختارنیافته

برخلاف داده‌های ساختاریافته که به‌راحتی در پایگاه‌های داده رابطه‌ای قابل ذخیره‌سازی و جست‌وجو هستند، داده‌های ساختارنیافته به‌سختی فهرست‌بندی (Indexing) می‌شوند. فرمت‌هایی مانند XML، JSON و Key-Value Databases برای تحلیل این داده‌ها طراحی نشده‌اند. به همین دلیل، پردازش این نوع داده‌ها معمولاً به یک سیستم ثانویه سپرده می‌شود که هزینه‌ها و پیچیدگی‌های ذخیره‌سازی را بالاتر می‌برد.

۳. جلوگیری از افزایش بی‌رویه‌ی فضای ذخیره‌سازی اصلی

برخی شرکت‌ها برای مقابله با رشد داده‌های غیر ساختاریافته، صرفا ظرفیت ذخیره‌سازی خود را افزایش می‌دهند. اما این روش، نه‌تنها بهینه نیست، بلکه باعث ایجاد هزینه‌های اضافی نیز می‌شود. مشکلات این روش عبارت‌اند از:

• اشغال فضای اصلی ذخیره‌سازی: داده‌های ساختارنیافته فضای زیادی را در حافظه‌های اصلی اشغال می‌کنند و فضای کمتری برای داده‌های مهم و حیاتی باقی می‌ماند.
• هزینه‌های بالای سخت‌افزار: بسیاری از ذخیره‌سازی‌های اولیه روی هاردهای پرهزینه و فلش‌درایوهای گران‌قیمت انجام می‌گیرد که به‌روزرسانی و افزایش ظرفیت آن‌ها هزینه‌بر است.
• مهاجرت داده‌ها و هزینه‌های جانبی: زیرساخت‌های ذخیره‌سازی باید هر ۳ تا ۵ سال به‌روزرسانی شوند، که این امر هزینه‌های اضافی برای انتقال داده‌ها و پشتیبان‌گیری را در پی دارد.

۴. رعایت قوانین حاکمیت داده و محافظت از اطلاعات حساس

در بسیاری از کشورها، قوانین سخت‌گیرانه‌ای در رابطه با نگهداری و پردازش داده‌ها وجود دارد. سازمان‌ها باید دقیقاً بدانند چه نوع داده‌هایی در اختیار دارند و آیا این داده‌ها شامل اطلاعات شخصی حساس می‌شود یا خیر. عدم مدیریت صحیح داده‌های ساختارنیافته باعث نقض مقررات حاکمیتی و در نتیجه جریمه‌های سنگین برای شرکت‌ها خواهد شد.

۵. بهینه‌سازی عملکرد و بهره‌وری سازمان

مدیریت کارآمد داده‌های ساختارنیافته این امکان را فراهم می‌آورد که سازمان‌ها بتوانند بهینه‌تر از منابع خود استفاده کنند. برخی از راهکارهای پیشنهادی برای مدیریت این داده‌ها شامل:

• استفاده از فضای ابری (Cloud Storage) برای ذخیره داده‌های کم‌اهمیت.
• به‌کارگیری ذخیره‌سازی ثانویه برای داده‌هایی که به‌ندرت استفاده می‌شوند.
• آرشیو کردن داده‌های قدیمی روی نوارهای مغناطیسی (Tape Storage) برای کاهش هزینه‌های ذخیره‌سازی.

نمونه‌هایی از کاربرد داده‌های ساختاریافته

دستگاه‌های خودپرداز  (ATM)

دستگاه‌های خودپرداز یکی از بارزترین نمونه‌های استفاده از داده‌های ساختاریافته هستند. تمامی تراکنش‌ها از پیش در یک مدل مشخص تعریف شده و اطلاعات حساب، موجودی، و سابقه‌ی تراکنش‌ها در پایگاه‌های داده  نگهداری می‌شوند.

سیستم‌های مدیریت موجودی

کسب‌وکارها از سیستم‌های مدیریت موجودی برای نظارت بر وضعیت کالاها استفاده می‌کنند. این سیستم‌ها اطلاعات مربوط به تعداد محصولات، موقعیت مکانی، قیمت و سفارشات را در پایگاه‌های داده‌ ساختاریافته ذخیره کرده و امکان مدیریت بهتر زنجیره‌ تأمین را فراهم می‌کنند.

بانکداری و حسابداری

بانک‌ها و شرکت‌های مالی برای پردازش حجم عظیمی از تراکنش‌های مالی به پایگاه‌های داده‌ ساختاریافته متکی هستند. این داده‌ها به بانک‌ها اجازه می‌دهند تا به‌صورت دقیق تراکنش‌ها را پردازش کرده و گزارش‌های مالی موردنیاز خود را تهیه کنند.

نمونه‌هایی از کاربردهای داده‌های غیر ساختاریافته

تشخیص گفتار در مراکز تماس

مراکز تماس برای بهبود ارتباط با مشتریان از فناوری تشخیص گفتار استفاده می‌کنند. این سیستم‌ها با پردازش صدای مشتریان و استخراج اطلاعات مرتبط، امکان تحلیل احساسات تماس‌گیرندگان را نیز به‌وجود می‌آورند.

تشخیص تصویر در خرید آنلاین

برخی از فروشگاه‌های اینترنتی امکان جستجوی تصویری را فراهم کرده‌اند. مشتریان می‌توانند از یک عکس برای پیدا کردن محصولات مشابه استفاده کنند. این سیستم‌ها از داده‌های تصویری ساختارنیافته بهره می‌برند تا ویژگی‌های تصویر را تحلیل کرده و تطابق‌های مناسبی را پیشنهاد دهند.

چت‌بات‌های پیشرفته

چت‌بات‌ها با استفاده از پردازش زبان طبیعی (NLP) از داده‌های متنی ساختارنیافته برای درک سؤالات کاربران استفاده کرده و پاسخ‌های مناسبی ارائه می‌دهند.

سخن نهایی

در این مقاله داده‌های ساختاریافته، ساختارنیافته و نیمه ساختاریافته را با یکدیگر به‌دقت بررسی کرده و درباره اهمیت هر یک از آن‌ها نکاتی را بیان کردیم. درک تفاوت میان داده‌های ساختاریافته، نیمه‌ساختاریافته و ساختارنیافته برای کسب‌وکارها، پژوهشگران و متخصصان داده ضروری است. داده‌های ساختاریافته با ساختار منظم خود، پردازش و تحلیل آسانی را فراهم می‌کنند، درحالی‌که داده‌های ساختارنیافته با وجود پیچیدگی بیشتر، بینش‌های عمیق‌تری ارائه می‌دهند. داده‌های نیمه‌ساختاریافته نیز به‌عنوان پلی میان این دو دسته، امکان سازمان‌دهی و تحلیل بهتر را فراهم می‌کنند.

با رشد روزافزون حجم داده‌ها، سازمان‌ها نیازمند ابزارهای پیشرفته‌ای برای مدیریت، ذخیره‌سازی و تحلیل داده‌های خود هستند. فناوری‌هایی مانند هوش مصنوعی، یادگیری ماشین و پردازش زبان طبیعی، نقش مهمی در استخراج بینش‌های ارزشمند از داده‌های خام ایفا می‌کنند. در نهایت، بهره‌گیری هوشمندانه از انواع داده‌ها، مسیر نوآوری را برای کسب‌وکارها هموار کرده و مزیت رقابتی مهمی برای آن‌ها به‌وجود می‌آورد.