Неструктурированные данные не имеют предопределенного формата. К ним относятся текстовые документы, электронные письма, видео, аудиозаписи, изображения и публикации в социальных сетях. Данные не укладываются в строки и столбцы. Они не следуют какой-либо схеме. Это большая часть данных, создаваемых организациями. По оценкам, неструктурированные данные составляют от 80 до 90 процентов всех корпоративных данных. Большая их часть остается неиспользованной, поскольку традиционные инструменты не могут легко их обрабатывать.

Главная сложность заключается в извлечении информации. Для анализа неструктурированных данных необходимо сначала придать им структуру. Обработка естественного языка извлекает из текста сущности, эмоциональную окраску и темы. Компьютерное зрение идентифицирует объекты и сцены на изображениях. Распознавание речи расшифровывает аудио. Каждая методика преобразует неструктурированные данные в структурированное представление, пригодное для анализа. Это преобразование несовершенно. Модели обработки естественного языка упускают нюансы и сарказм. Модели компьютерного зрения путают похожие объекты. Ошибки транскрипции накапливаются. Структурированный результат является приближением, а не идеальным отражением. Несмотря на сложность, неструктурированные данные имеют огромную ценность. Электронные письма клиентов раскрывают жалобы и запросы. Заявки в службу поддержки показывают закономерности в проблемах с продуктом. Записи телефонных разговоров улавливают тон и эмоции, которые текст упускает. Организации, способные обрабатывать неструктурированные данные, получают ценные сведения, которые упускают конкуренты. Инструменты совершенствуются. Проблема остается.

Неструктурированные типы данных

• Текст — документы, электронные письма, публикации в социальных сетях
• Изображения — фотографии, схемы, сканы
• Аудио — записи, звонки, музыка
• Видео — видеоматериалы, трансляции, презентации
• Бинарные файлы — файлы без заданного текстового формата.

Неструктурированные данные — это сырье для современной аналитики. Для извлечения ценности необходимо структурировать данные там, где их нет.