Ebastruktureeritud

Ebastruktureeritud andmed on andmed, millel puudub etteantud andmemudel ning mis ei ole tavapärases tabeliformaadis struktureeritud. Sellised andmed ei järgi ühtset skeemi ja neil on sageli suur ning varieeruv vorm: teksti dokumendid, e-kirjad, pildid, helid, videod ning veebisisu või sotsiaalmeedia postitused.

Näited hõlmavad tekstipõhiseid dokumente, e-kirju, sotsiaalmeedia postitusi, pilt- ja helifailide kogumeid ning veebisaite. Poolstruktureeritud andmed (semi-structured) on paigutatud märgistustega või hierarhiliselt, kuid neil puudub rangelt defineeritud tabeliskeem; näidetena võib tuua JSON-i ja XML-i.

Analüüsi ja töötluse raskus: ebastruktureeritud andmed pole tavapäraste andmebaasidega otsitavad või analüüsitavad ilma täiendava töötlemiseta. Nende jaoks kasutatakse täistekstotsingut, loomuliku keele töötlemist (NLP), arvutivisiooni ja vajadusel OCR-i. Andmete ladustamine toimub sageli andmekogudes või data lake’ides schema-on-read lähenemisega, mis võimaldab andmeid säilitada enne skeemi loomist.

Väärtus ja väljakutsed: ebastruktureeritud andmed võivad sisaldada märkimisväärset teavet ja tuua lisaväärtust, kuid neid on keerulisem hallata, turvaliselt hoida, kvaliteeti tagada ja elujõuliselt analüüsida.

Seotud mõisted: poolstruktureeritud andmed, andmekogud, täistekstotsing, NLP, arvutivisioon.