¿Qué son datos estructurados?
Antes de hablar de los datos no estructurados, es necesario comprender lo que son datos estructurados.
Cuando hablamos de datos estructurados nos referimos a la información que se suele encontrar en la mayoría de bases de datos. Son archivos de tipo texto que se suelen mostrar en filas y columnas con títulos. Son datos que pueden ser ordenados y procesados fácilmente por todas las herramientas de minería de datos. Lo podríamos ver como si fuese un archivador perfectamente organizado donde todo está identificado, etiquetado y es de fácil acceso.
Es probable que la mayoría de las organizaciones estén familiarizadas con este tipo de datos y ya los estén utilizando con eficacia, así que pasemos a ver los datos no estructurados.
¿Qué son datos no estructurados?
Aunque parezca increíble, la base de datos con información estructurada de una empresa, ni siquiera contiene la mitad de la información que hay disponible en la empresa lista para ser usada. El 80 % de la información relevante para un negocio se origina en forma no estructurada, principalmente en formato texto.
Los datos no estructurados, generalmente son datos binarios que no tienen estructura interna identificable. Es un conglomerado masivo y desorganizado de varios objetos que no tienen valor hasta que se identifican y almacenan de manera organizada.
Una vez que se organizan, los elementos que conforman su contenido pueden ser buscados y categorizados (al menos hasta cierto punto) para obtener información.
Por ejemplo, aunque la mayoría de herramientas de minería de datos no son capaces de analizar la información contenida en los mensajes de correo electrónico (por muy organizados que estén), es posible que recopilar y clasificar los datos contenidos en ellos nos pueda mostrar información relevante para nuestra organización. Se trata de un ejemplo que ilustra la importancia y la envergadura que pueden llegar a tener los datos no estructurados.
Pero el correo electrónico ¿no tiene estructura?
El término no estructurado se enfrenta a diferentes opiniones por diversas razones. Hay quien dice que aunque no se pueda identificar una estructura formal en ellos, es posible que pueda estar implícita y, en ese caso, no debería ser categorizado como no estructurado. Sin embargo, por otro lado, si los datos tienen alguna forma de estructura, pero ésta no es útil y no puede se utiliza para procesarlos, estos deberían ser categorizados como no estructurados.
Aunque los mensajes de correo electrónico pueden contener información con alguna estructura implícita, es lógico pensar en ellos como información no estructurada, ya que las herramientas normales de minería de datos no están preparadas para procesarlos y analizarlos.
Tipos de datos no estructurados
Los datos no estructurados son datos en bruto y no organizados. Idealmente, toda esta información podría ser convertida en datos estructurados. Sin embargo, sería algo costoso y requeriría mucho tiempo. Además, no todos los tipos de datos no estructurados se pueden convertir fácilmente en un modelo estructurado. Por ejemplo, siguiendo con el ejemplo del correo electrónico, un e-mail contiene información como la hora de envío, la persona a quien se envía, el remitente, etc. Sin embargo, el contenido del mensaje no se divide ni categoriza fácilmente y esto puede ser un problema de compatibilidad con la estructura de un sistema de base de datos relacional.
Esta es una lista limitada de tipos de datos no estructurados:
- Correos electrónicos.
- Archivos de procesador de texto.
- Archivos PDF.
- Hojas de cálculo.
- Imágenes digitales.
- Vídeo.
- Audio.
- Publicaciones en medios sociales.
Mirando esa lista, te podrías preguntar qué tienen en común estos archivos. Se trata de archivos que pueden ser almacenados y administrados sin que el sistema tenga necesidad de entender el formato del archivo. Al no estar organizado el contenido de estos archivos, estos pueden ser almacenados de manera no estructurada.
La industria del Big Data sigue creciendo, pero existe un problema con los datos no estructurados que todavía no están siendo utilizados. No obstante, las empresa ya tienen identificado el problema y ya se están desarrollando tecnologías y servicios para ayudar a solventarlo.
