unstrukturert

Unstrukturert data beskriver data som ikke følger et forhåndsdefinert skjema eller modell. I motsetning til strukturert data, som ligger i tabeller og kan forespørres med SQL, mangler unstrukturert data ofte entydig struktur. Eksempler inkluderer tekstdokumenter, e-poster, bilder, lyd- og videofiler, samt sosiale medier-innlegg og andre filer uten standardisert format.

Kjennetegn inkluderer heterogenitet i innhold og form, store volumer, varierende kvalitet og ofte fravær av metadata. Dette gjør søk, analyse og integrasjon vanskeligere sammenlignet med tradisjonelt strukturerte data.

Bruksområder omfatter søk og innholdsanalyse, dokumenthåndtering, rettsmedisinsk eDiscovery, sentimentanalyse av kundekommentarer, medisinske notater, bildedannelse og videoanalyse, samt automatisering av arbeidsprosesser gjennom maskinlæring og naturlig språkbehandling.

Behandling og analyse krever teknikker som naturlig språkbehandling (NLP), optisk tegngjenkjenning (OCR), bilde- og taleanalyse, og maskinlæring for mønstergjenkjenning. Data lagres ofte i data lakes og berikes med metadata og tagging for å lette søk og videre behandling.

Forholdet til strukturert og semi-strukturert data: strukturert data gir presise spørringer, mens unstrukturert data ofte må transformeres eller kombineres med metadata for å gjøre analyse mulig. Semi-strukturert data som JSON eller XML ligger mellom disse endene.