Os dados não estruturados não possuem um formato predefinido. Os documentos de texto, e-mails, vídeos, gravações de áudio, imagens e publicações nas redes sociais enquadram-se nesta categoria. Os dados não se ajustam a linhas e colunas. Não seguem um esquema. Representam a maior parte dos dados gerados pelas organizações. Estima-se que os dados não estruturados correspondam a 80% a 90% de todos os dados empresariais. A maior parte permanece sem utilização porque as ferramentas tradicionais não conseguem processá-los facilmente.

O desafio reside na extração. Para analisar dados não estruturados, é necessário primeiro impor-lhes uma estrutura. O processamento de linguagem natural extrai entidades, sentimentos e tópicos de textos. A visão por computador identifica objetos e cenas em imagens. O reconhecimento de voz transcreve áudio. Cada técnica converte os dados não estruturados numa representação estruturada que pode ser analisada. Esta conversão é imperfeita. Os modelos de PLN não captam nuances e sarcasmo. Os modelos de visão confundem objetos semelhantes. Os erros de transcrição acumulam-se. A saída estruturada é uma aproximação, não um reflexo perfeito. Apesar da dificuldade, os dados não estruturados têm um valor enorme. Os e-mails dos clientes revelam reclamações e solicitações. As chamadas de suporte mostram padrões em problemas com produtos. As gravações de chamadas captam o tom e a emoção que o texto não capta. As organizações que conseguem extrair informações valiosas de dados não estruturados obtêm insights que os concorrentes não conseguem. As ferramentas estão a melhorar. O desafio mantém-se.

Tipos de dados não estruturados

• Texto — documentos, e-mails, publicações nas redes sociais
• Imagens — fotos, esquemas, digitalizações
• Áudio — gravações, chamadas, música
• Vídeo — filmagens, transmissões em direto, apresentações
• Binário — ficheiros sem um formato de texto definido

Os dados não estruturados são a matéria-prima da análise moderna. Extrair valor exige impor estrutura onde ela não existe.