Ustrukturerte data har ikke noe forhåndsdefinert format. Tekstdokumenter, e-poster, videoer, lydopptak, bilder og innlegg på sosiale medier kvalifiserer alle. Dataene passer ikke inn i rader og kolonner. De følger ikke et skjema. Det er majoriteten av dataene organisasjoner lager. Anslag anslår at ustrukturerte data utgjør 80 til 90 prosent av alle bedriftsdata. Det meste av det står ubrukt fordi tradisjonelle verktøy ikke kan behandle det enkelt.

Utfordringen er utvinning. For å analysere ustrukturerte data må du først legge struktur på dem. Naturlig språkbehandling trekker ut enheter, følelser og emner fra tekst. Datamaskinvisjon identifiserer objekter og scener i bilder. Talegjenkjenning transkriberer lyd. Hver teknikk konverterer ustrukturerte data til en strukturert representasjon som kan analyseres. Denne konverteringen er ufullkommen. NLP-modeller går glipp av nyanser og sarkasme. Synsmodeller forveksler lignende objekter. Transkripsjonsfeil akkumuleres. Det strukturerte resultatet er en tilnærming, ikke en perfekt refleksjon. Til tross for vanskeligheten har ustrukturerte data enorm verdi. Kunde-e-poster avslører klager og forespørsler. Support-forespørsler viser mønstre i produktproblemer. Samtaleopptak fanger opp tone og følelser som tekst går glipp av. Organisasjonene som kan utvinne ustrukturerte data, får innsikt som konkurrentene går glipp av. Verktøyene forbedres. Utfordringen gjenstår.

Ustrukturerte datatyper

• Tekst – dokumenter, e-poster, innlegg på sosiale medier
• Bilder – fotoer, diagrammer, skanninger
• Lyd – opptak, samtaler, musikk
• Video – opptak, strømmer, presentasjoner
• Binær — filer uten et definert tekstformat

Ustrukturerte data er råmaterialet i moderne analyse. Å utvinne verdi krever å innføre struktur der ingen finnes.