لا تتبع البيانات غير المهيكلة تنسيقًا محددًا مسبقًا. تشمل هذه البيانات المستندات النصية، ورسائل البريد الإلكتروني، ومقاطع الفيديو، والتسجيلات الصوتية، والصور، ومنشورات وسائل التواصل الاجتماعي. لا تتناسب هذه البيانات مع الصفوف والأعمدة، ولا تتبع أي مخطط. وهي تشكل غالبية البيانات التي تُنشئها المؤسسات، حيث تُشير التقديرات إلى أن نسبة البيانات غير المهيكلة تتراوح بين 80 و90% من إجمالي بيانات المؤسسات. ويبقى معظمها غير مُستغل لأن الأدوات التقليدية لا تستطيع معالجتها بسهولة.

يكمن التحدي في استخلاص المعلومات. لتحليل البيانات غير المهيكلة، يجب أولاً إضفاء بنية عليها. تستخرج معالجة اللغة الطبيعية الكيانات والمشاعر والمواضيع من النصوص. وتحدد رؤية الحاسوب الكائنات والمشاهد في الصور. ويقوم التعرف على الكلام بنسخ الصوت. كل تقنية من هذه التقنيات تحول البيانات غير المهيكلة إلى تمثيل مهيكل قابل للتحليل. إلا أن هذا التحويل ليس مثاليًا. فنماذج معالجة اللغة الطبيعية تغفل الفروق الدقيقة والسخرية. وتخلط نماذج الرؤية بين الكائنات المتشابهة. وتتراكم أخطاء النسخ. والناتج المهيكل هو تقريب، وليس انعكاسًا دقيقًا. على الرغم من هذه الصعوبة، تحمل البيانات غير المهيكلة قيمة هائلة. تكشف رسائل البريد الإلكتروني للعملاء عن الشكاوى والطلبات. وتُظهر تذاكر الدعم أنماطًا في مشكلات المنتج. وتلتقط تسجيلات المكالمات النبرة والمشاعر التي يغفلها النص. وتكتسب المؤسسات القادرة على استخراج البيانات غير المهيكلة رؤىً يغفلها المنافسون. الأدوات في تحسن مستمر، لكن التحدي لا يزال قائمًا.

أنواع البيانات غير المهيكلة

• النصوص — المستندات، ورسائل البريد الإلكتروني، ومنشورات وسائل التواصل الاجتماعي
• الصور — صور فوتوغرافية، ورسومات تخطيطية، ومسح ضوئي
• الصوت — التسجيلات، المكالمات، الموسيقى
• الفيديو — لقطات، بث مباشر، عروض تقديمية
• الملفات الثنائية — ملفات بدون تنسيق نصي محدد

تُعدّ البيانات غير المهيكلة المادة الخام للتحليلات الحديثة. ويتطلب استخلاص القيمة فرض هيكل حيث لا يوجد هيكل.