在實際用中，會根據(jù)具體的需求和場景選擇合適的數(shù)據(jù)庫類型。在進行大數(shù)據(jù)智能預測分析時可能會使用非關系型數(shù)據(jù)庫來存儲大量的原始數(shù)據(jù)，通過ETL過程將這些數(shù)據(jù)轉換為結構化的形式，再存入關系型數(shù)據(jù)庫中進行進步的分析和挖掘。

對于教育輔導領域，由于處理的學生信息、課程信息等都是高度結構化的數(shù)據(jù)，因此適合使用關系型數(shù)據(jù)庫來管理。利用非關系型數(shù)據(jù)庫來存儲學生的作業(yè)、測試成績等非結構化數(shù)據(jù)。

在診療領域，醫(yī)療記錄、病人信息等數(shù)據(jù)高度結構化，采用關系型數(shù)據(jù)庫進行管理。而影像文件、基因測序結果等非結構化數(shù)據(jù)，則更適用于非關系型數(shù)據(jù)庫。

至于漁業(yè)資源養(yǎng)護方面，可能收集大量的環(huán)境監(jiān)測數(shù)據(jù)、魚類生長情況等數(shù)據(jù)，這些數(shù)據(jù)既有結構化的部分有非結構化的部分，因此建議采用混合型的數(shù)據(jù)存儲策略，即使用關系型和非關系型數(shù)據(jù)庫。