Los datos no estructurados no tienen un formato predefinido. Documentos de texto, correos electrónicos, videos, grabaciones de audio, imágenes y publicaciones en redes sociales entran en esta categoría. Estos datos no se ajustan a filas y columnas ni siguen un esquema. Constituyen la mayor parte de los datos que generan las organizaciones. Se estima que entre el 80 y el 90 por ciento de todos los datos empresariales corresponden a datos no estructurados. La mayor parte permanece sin utilizar porque las herramientas tradicionales no pueden procesarlos fácilmente.

El desafío reside en la extracción. Para analizar datos no estructurados, primero hay que estructurarlos. El procesamiento del lenguaje natural extrae entidades, sentimientos y temas del texto. La visión artificial identifica objetos y escenas en imágenes. El reconocimiento de voz transcribe audio. Cada técnica convierte datos no estructurados en una representación estructurada que puede analizarse. Esta conversión es imperfecta. Los modelos de PLN no captan matices ni sarcasmo. Los modelos de visión confunden objetos similares. Los errores de transcripción se acumulan. El resultado estructurado es una aproximación, no un reflejo perfecto. A pesar de la dificultad, los datos no estructurados poseen un valor inmenso. Los correos electrónicos de los clientes revelan quejas y solicitudes. Los tickets de soporte muestran patrones en los problemas con los productos. Las grabaciones de llamadas capturan el tono y la emoción que el texto no refleja. Las organizaciones que pueden extraer información de los datos no estructurados obtienen perspectivas que sus competidores pasan por alto. Las herramientas están mejorando. El desafío persiste.

Tipos de datos no estructurados

• Texto: documentos, correos electrónicos, publicaciones en redes sociales
• Imágenes: fotos, diagramas, escaneos
• Audio: grabaciones, llamadas, música
• Vídeo: grabaciones, retransmisiones en directo, presentaciones
• Binario: archivos sin formato de texto definido.

Los datos no estructurados son la materia prima del análisis moderno. Para extraer valor, es necesario imponer una estructura donde no la hay.