Dane nieustrukturyzowane nie mają predefiniowanego formatu. Dokumenty tekstowe, e-maile, filmy, nagrania audio, obrazy i posty w mediach społecznościowych – wszystkie się do nich kwalifikują. Dane nie mieszczą się w wierszach ani kolumnach. Nie podążają za schematem. Stanowią większość danych tworzonych przez organizacje. Szacuje się, że dane nieustrukturyzowane stanowią 80–90% wszystkich danych przedsiębiorstw. Większość z nich pozostaje niewykorzystana, ponieważ tradycyjne narzędzia nie są w stanie ich łatwo przetworzyć.

Wyzwaniem jest ekstrakcja. Aby analizować dane niestrukturalne, należy najpierw nadać im strukturę. Przetwarzanie języka naturalnego wyodrębnia encje, sentyment i tematy z tekstu. Rozpoznawanie mowy identyfikuje obiekty i sceny na obrazach. Rozpoznawanie mowy transkrybuje dźwięk. Każda technika konwertuje dane niestrukturalne na ustrukturyzowaną reprezentację, którą można analizować. Ta konwersja jest niedoskonała. Modele przetwarzania języka naturalnego pomijają niuanse i sarkazm. Modele widzenia mylą podobne obiekty. Błędy transkrypcji kumulują się. Ustrukturyzowany wynik jest przybliżeniem, a nie idealnym odbiciem. Pomimo trudności, dane niestrukturalne mają ogromną wartość. E-maile od klientów ujawniają skargi i prośby. Zgłoszenia pomocy technicznej ukazują wzorce w problemach z produktami. Nagrania rozmów uchwycą ton i emocje, których brakuje w tekście. Organizacje, które potrafią analizować dane niestrukturalne, zyskują wiedzę, której nie dostrzega konkurencja. Narzędzia są udoskonalane. Wyzwanie pozostaje.

Niestrukturalne typy danych

• Tekst — dokumenty, e-maile, posty w mediach społecznościowych
• Obrazy — zdjęcia, diagramy, skany
• Audio — nagrania, rozmowy, muzyka
• Wideo — materiały filmowe, transmisje strumieniowe, prezentacje
• Binarne — pliki bez zdefiniowanego formatu tekstowego

Nieustrukturyzowane dane to podstawowy materiał współczesnej analityki. Wydobycie wartości wymaga narzucenia struktury tam, gdzie jej nie ma.