Datos estructurados y no estructurados: cuál es la diferencia
No todos los datos que genera una empresa tienen el mismo formato.
Una de las primeras distinciones que conviene entender cuando hablamos de Big Data es la diferencia entre datos estructurados y datos no estructurados.
¿Qué son los datos estructurados?
Los datos estructurados siguen una organización previamente definida. El ejemplo más sencillo es una tabla de una base de datos donde cada dato ocupa una posición concreta y sabemos qué significa cada columna.
Este tipo de información resulta especialmente sencilla de consultar utilizando herramientas como SQL.
Entre los ejemplos habituales encontramos información de clientes, facturas, pedidos, inventarios o registros financieros.
¿Qué son los datos no estructurados?
Los datos no estructurados no siguen una tabla o esquema tan definido. Algunos ejemplos son correos electrónicos, imágenes, vídeos, documentos PDF, conversaciones, publicaciones en redes sociales o grabaciones de audio.
El desarrollo del machine learning y de la inteligencia artificial permite extraer cada vez más información de documentos, imágenes o lenguaje natural.
También existen datos semiestructurados
Entre ambos extremos encontramos los datos semiestructurados. Formatos como JSON o XML no funcionan exactamente como una tabla tradicional, pero contienen etiquetas y estructuras que permiten interpretar la información.
¿Por qué importa esta diferencia?
Porque el tipo de dato condiciona las tecnologías que utilizaremos para almacenarlo y analizarlo. Una base de datos relacional puede ser perfecta para gestionar facturas, mientras que miles de imágenes o documentos pueden necesitar sistemas diferentes.
Esta variedad es precisamente una de las características que hacen especialmente interesante el mundo del Big Data.
Para seguir avanzando, consulta nuestra guía de aprendizaje de Big Data desde cero.
Si quieres conocer otros artículos parecidos a Datos estructurados y no estructurados: cuál es la diferencia puedes visitar la categoría Big Data.