Ostrukturerad data har inget fördefinierat format. Textdokument, e-postmeddelanden, videor, ljudinspelningar, bilder och inlägg på sociala medier kvalificerar sig alla. Informationen får inte plats i rader och kolumner. Den följer inte ett schema. Det är majoriteten av den data som organisationer skapar. Uppskattningar visar att ostrukturerad data utgör 80 till 90 procent av all företagsdata. Det mesta av den ligger oanvänd eftersom traditionella verktyg inte kan bearbeta den enkelt.

Utmaningen är extraktion. För att analysera ostrukturerad data måste du först införa struktur på den. Naturlig språkbehandling extraherar enheter, känslor och ämnen från text. Datorseende identifierar objekt och scener i bilder. Taligenkänning transkriberar ljud. Varje teknik konverterar ostrukturerad data till en strukturerad representation som kan analyseras. Den konverteringen är ofullkomlig. NLP-modeller missar nyanser och sarkasm. Visionsmodeller förväxlar liknande objekt. Transkriptionsfel ackumuleras. Den strukturerade utdata är en approximation, inte en perfekt återspegling. Trots svårigheten har ostrukturerad data enormt värde. Kundmejl avslöjar klagomål och förfrågningar. Supportärenden visar mönster i produktproblem. Samtalsinspelningar fångar ton och känslor som text missar. De organisationer som kan utvinna ostrukturerad data får insikter som konkurrenterna missar. Verktygen förbättras. Utmaningen kvarstår.

Ostrukturerade datatyper

• Text — dokument, e-postmeddelanden, inlägg på sociala medier
• Bilder — foton, diagram, skanningar
• Ljud — inspelningar, samtal, musik
• Video — filmklipp, streamar, presentationer
• Binära — filer utan ett definierat textformat

Ostrukturerad data är råmaterialet för modern analys. Att utvinna värde kräver att man inför struktur där ingen existerar.