असंरचित डेटा का कोई पूर्वनिर्धारित प्रारूप नहीं होता है। पाठ दस्तावेज़, ईमेल, वीडियो, ऑडियो रिकॉर्डिंग, चित्र और सोशल मीडिया पोस्ट सभी इस श्रेणी में आते हैं। यह डेटा पंक्तियों और स्तंभों में फिट नहीं होता है। यह किसी निर्धारित प्रारूप का पालन नहीं करता है। संगठनों द्वारा निर्मित अधिकांश डेटा असंरचित डेटा होता है। अनुमानों के अनुसार, सभी उद्यम डेटा का 80 से 90 प्रतिशत हिस्सा असंरचित डेटा होता है। इसका अधिकांश भाग अप्रयुक्त पड़ा रहता है क्योंकि पारंपरिक उपकरण इसे आसानी से संसाधित नहीं कर सकते।

असली चुनौती डेटा निकालने की है। असंरचित डेटा का विश्लेषण करने के लिए, पहले उस पर संरचना लागू करनी होगी। प्राकृतिक भाषा प्रसंस्करण (NLP) पाठ से संस्थाओं, भावनाओं और विषयों को निकालता है। कंप्यूटर विज़न छवियों में वस्तुओं और दृश्यों की पहचान करता है। वाक् पहचान ऑडियो को लिपिबद्ध करती है। प्रत्येक तकनीक असंरचित डेटा को एक संरचित रूप में परिवर्तित करती है जिसका विश्लेषण किया जा सकता है। यह रूपांतरण अपूर्ण है। NLP मॉडल सूक्ष्म भावों और व्यंग्य को समझने में चूक जाते हैं। विज़न मॉडल समान वस्तुओं में भ्रमित हो जाते हैं। प्रतिलेखन त्रुटियाँ जमा होती जाती हैं। संरचित आउटपुट एक अनुमान है, पूर्ण प्रतिबिंब नहीं। कठिनाई के बावजूद, असंरचित डेटा का अपार महत्व है। ग्राहक ईमेल शिकायतों और अनुरोधों को उजागर करते हैं। सहायता टिकट उत्पाद संबंधी समस्याओं में पैटर्न दिखाते हैं। कॉल रिकॉर्डिंग लहजे और भावनाओं को पकड़ती हैं जो पाठ में नहीं मिलतीं। जो संगठन असंरचित डेटा का विश्लेषण कर सकते हैं, उन्हें ऐसी अंतर्दृष्टि प्राप्त होती है जो प्रतिस्पर्धियों को नहीं मिलती। उपकरण बेहतर हो रहे हैं। चुनौती अभी भी बनी हुई है।

असंरचित डेटा प्रकार

• पाठ — दस्तावेज़, ईमेल, सोशल मीडिया पोस्ट
• चित्र — फ़ोटो, आरेख, स्कैन
• ऑडियो — रिकॉर्डिंग, कॉल, संगीत
• वीडियो — फुटेज, स्ट्रीम, प्रस्तुतियाँ
• बाइनरी — ऐसी फाइलें जिनका कोई परिभाषित टेक्स्ट फॉर्मेट नहीं होता है

असंरचित डेटा आधुनिक विश्लेषण की कच्ची सामग्री है। इससे मूल्य प्राप्त करने के लिए, जहां कोई संरचना मौजूद नहीं है, वहां संरचना स्थापित करना आवश्यक है।