Ustrukturerede data har intet foruddefineret format. Tekstdokumenter, e-mails, videoer, lydoptagelser, billeder og opslag på sociale medier er alle kvalificerede. Dataene passer ikke ind i rækker og kolonner. De følger ikke et skema. Det er størstedelen af ​​de data, som organisationer skaber. Estimater anslår, at ustrukturerede data udgør 80 til 90 procent af alle virksomhedsdata. Det meste af det står ubrugt hen, fordi traditionelle værktøjer ikke kan behandle det let.

Udfordringen er udtrækning. For at analysere ustrukturerede data skal du først strukturere dem. Naturlig sprogbehandling udtrækker enheder, følelser og emner fra tekst. Computervision identificerer objekter og scener i billeder. Talegenkendelse transskriberer lyd. Hver teknik konverterer ustrukturerede data til en struktureret repræsentation, der kan analyseres. Denne konvertering er ufuldkommen. NLP-modeller overser nuancer og sarkasme. Visionsmodeller forveksler lignende objekter. Transskriptionsfejl akkumuleres. Det strukturerede output er en tilnærmelse, ikke en perfekt afspejling. Trods vanskeligheden har ustrukturerede data enorm værdi. Kunde-e-mails afslører klager og anmodninger. Supporttickets viser mønstre i produktproblemer. Opkaldsoptagelser indfanger tone og følelser, som tekst overser. De organisationer, der kan udvinde ustrukturerede data, får indsigt, som konkurrenterne overser. Værktøjerne forbedres. Udfordringen er fortsat.

Ustrukturerede datatyper

• Tekst — dokumenter, e-mails, opslag på sociale medier
• Billeder — fotos, diagrammer, scanninger
• Lyd — optagelser, opkald, musik
• Video — optagelser, streams, præsentationer
• Binære — filer uden et defineret tekstformat

Ustrukturerede data er råmaterialet i moderne analyser. At udvinde værdi kræver at påtvinge struktur, hvor ingen findes.