Ongestructureerde data heeft geen vooraf gedefinieerd formaat. Tekstdocumenten, e-mails, video's, audio-opnames, afbeeldingen en berichten op sociale media vallen hier allemaal onder. De data past niet in rijen en kolommen. Het volgt geen schema. Het vormt het grootste deel van de data die organisaties genereren. Schattingen wijzen uit dat 80 tot 90 procent van alle bedrijfsdata uit ongestructureerde data bestaat. Het grootste deel hiervan blijft ongebruikt omdat traditionele tools het niet gemakkelijk kunnen verwerken.

De uitdaging zit hem in de extractie. Om ongestructureerde data te analyseren, moet je er eerst structuur aan geven. Natuurlijke taalverwerking (NLP) extraheert entiteiten, sentiment en onderwerpen uit tekst. Computervisie identificeert objecten en scènes in afbeeldingen. Spraakherkenning transcribeert audio. Elke techniek zet ongestructureerde data om in een gestructureerde representatie die geanalyseerd kan worden. Die conversie is echter niet perfect. NLP-modellen missen nuances en sarcasme. Visiemodellen verwarren gelijksoortige objecten. Transcriptiefouten stapelen zich op. De gestructureerde output is een benadering, geen perfecte weergave. Ondanks de moeilijkheid is ongestructureerde data enorm waardevol. E-mails van klanten onthullen klachten en verzoeken. Supporttickets tonen patronen in productproblemen. Gespreksopnames leggen toon en emotie vast die in tekst ontbreken. Organisaties die ongestructureerde data kunnen ontsluiten, verkrijgen inzichten die concurrenten missen. De tools worden steeds beter. De uitdaging blijft.

Ongestructureerde gegevenstypen

• Tekst — documenten, e-mails, berichten op sociale media
• Afbeeldingen — foto's, diagrammen, scans
• Audio — opnames, gesprekken, muziek
• Video — opnames, livestreams, presentaties
• Binair — bestanden zonder een gedefinieerd tekstformaat.

Ongestructureerde data vormen de grondstof voor moderne analyses. Om waarde te ontsluiten, is het nodig structuur aan te brengen waar die nog niet bestaat.