A strukturálatlan adatoknak nincs előre definiált formátumuk. A szöveges dokumentumok, e-mailek, videók, hangfelvételek, képek és közösségi média bejegyzések mind megfelelnek ennek. Az adatok nem illenek sorokba és oszlopokba. Nem követnek sémát. A szervezetek által létrehozott adatok többségét teszik ki. A becslések szerint a strukturálatlan adatok az összes vállalati adat 80-90 százalékát teszik ki. Legtöbbjük kihasználatlanul áll, mert a hagyományos eszközök nem tudják könnyen feldolgozni őket.

A kihívás a kinyerés. A strukturálatlan adatok elemzéséhez először struktúrát kell létrehozni rajtuk. A természetes nyelvi feldolgozás entitásokat, érzelmeket és témákat von ki a szövegből. A számítógépes látás azonosítja az objektumokat és jeleneteket a képeken. A beszédfelismerés átírja a hangot. Mindegyik technika strukturált reprezentációvá alakítja a strukturált adatokat, amely elemezhető. Ez az átalakítás tökéletlen. Az NLP modellek nem veszik észre az árnyalatokat és a szarkazmust. A látásmodellek összekeverik a hasonló objektumokat. Az átírási hibák felhalmozódnak. A strukturált kimenet egy közelítés, nem pedig tökéletes tükröződés. A nehézségek ellenére a strukturálatlan adatok hatalmas értéket képviselnek. Az ügyfelek e-mailjei panaszokat és kéréseket tárnak fel. A támogatási jegyek a termékproblémák mintázatait mutatják. A hívásfelvételek olyan hangnemet és érzelmeket rögzítenek, amelyeket a szöveges üzenetek nem vesznek észre. Azok a szervezetek, amelyek képesek bányászni a strukturálatlan adatokat, olyan információkhoz jutnak, amelyeket a versenytársak nem vesznek észre. Az eszközök fejlődnek. A kihívás továbbra is fennáll.

Strukturálatlan adattípusok

• Szöveg – dokumentumok, e-mailek, közösségi média bejegyzések
• Képek – fotók, diagramok, szkennelések
• Hangfelvételek, hívások, zene
• Videó – felvételek, streamek, prezentációk
• Bináris – definiált szövegformátum nélküli fájlok

A strukturálatlan adat a modern analitika nyersanyaga. Az érték kinyeréséhez struktúra kialakítására van szükség ott, ahol nincs.