Los datos son fundamentales para las decisiones empresariales. La capacidad de una empresa para recopilar los datos adecuados, interpretarlos y actuar a partir de ellos suele ser lo que determina su nivel de éxito. Pero la cantidad de datos a la que tienen acceso las empresas es cada vez mayor, al igual que los diferentes tipos de datos disponibles. Los datos empresariales se presentan en una gran variedad de formatos, desde bases de datos relacionales estrictamente formadas hasta su último tweet. Todos estos datos, en sus diferentes formatos, pueden dividirse en dos categorías principales: datos estructurados y datos no estructurados.
Los datos estructurados son bastante sencillos de tratar, mientras que los semiestructurados y los no estructurados son más complejos y difíciles de organizar y extraer. Los datos en todas sus formas son muy valiosos para cualquier empresa, y aprender a manejarlos de forma eficiente ayuda a las empresas a minimizar los errores y aumentar la productividad.
El término datos estructurados se refiere a los datos que residen en un campo fijo dentro de un archivo o registro. Los datos estructurados suelen almacenarse en una base de datos relacional (RDBMS). Pueden consistir en números y texto, y su obtención puede producirse de forma automática o manual, siempre que estén dentro de una estructura RDBMS. Depende de la creación de un modelo de datos, que define qué tipos de datos incluir y cómo almacenarlos y procesarlos.
No todos los datos son iguales. Algunos datos son estructurados, pero la mayoría son no estructurados. Los datos estructurados y no estructurados se obtienen, recopilan y escalan de diferentes maneras, y cada uno reside en un tipo diferente de base de datos.
Los datos no estructurados, que se suelen clasificar como datos cualitativos, no se pueden procesar y analizar mediante las herramientas y métodos de datos convencionales. Como los datos no estructurados no tienen un modelo de datos predefinido, se gestionan mejor en bases de datos no relacionales (NoSQL). Otra forma de gestionar los datos no estructurados es utilizar los lagos de datos para conservarlos en bruto.
La importancia de los datos no estructurados está aumentando rápidamente. Proyecciones recientes indican que los datos no estructurados representan más del 80% de todos los datos empresariales, mientras que el 95% de las empresas dan prioridad a la gestión de datos no estructurados.
Algunos ejemplos de datos no estructurados son el texto, la actividad de los móviles, las publicaciones en las redes sociales, los datos de los sensores del Internet de las Cosas (IoT), etc. Sus beneficios implican ventajas en cuanto a formato, velocidad y almacenamiento, mientras que los pasivos giran en torno a la experiencia y los recursos disponibles:
Uno de los tipos de información más reveladores son los datos cualitativos o no estructurados. Pueden revelar las verdaderas opiniones y sentimientos de sus clientes hacia su marca, lo cual es difícil de extraer de los datos cuantitativos o estructurados.
Incluso Jeff Bezos, el CEO de Amazon, es un apasionado defensor del uso de datos cualitativos para impulsar la estrategia. “Lo que he observado es que cuando las anécdotas y los datos no coinciden, las anécdotas suelen tener razón. Y hay algo que no funciona en la forma de medir (los datos)”, explicó durante una entrevista en el Centro Presidencial George Bush.
Sin embargo, el amor de Bezos por las opiniones de los clientes no debería obligarle a sustituir los datos cuantitativos por los cualitativos a la hora de diseñar su próxima campaña de marketing. Debería obligarle a informar su estrategia con ambas fuentes de datos. Combinando la información obtenida de las métricas web y de los comentarios de los clientes, puede obtener una comprensión completa de la eficacia de su programa de marketing.
Si desea una explicación más profunda de lo que son los datos cualitativos o no estructurados y los datos cuantitativos o estructurados, consulte este rápido resumen de lo que son exactamente ambas fuentes de datos y qué herramientas puede utilizar para almacenarlas y analizarlas.
Los datos no estructurados (o información no estructurada) se refieren a la información que no tiene un modelo de datos predefinido o que no está organizada de manera predefinida. La información no estructurada suele tener mucho texto, pero también puede contener datos como fechas, números, hechos o contenido de vídeo.
Se refiere a la información que no reside en una base de datos tradicional de filas y columnas. Algunos ejemplos son los mensajes de correo electrónico, los documentos de procesamiento de textos, los vídeos, las fotos, los archivos de audio, las presentaciones, las páginas web y muchos otros tipos de documentos empresariales.
Gartner Inc. define los datos no estructurados como “información no almacenada en la base de datos o en el sistema de archivos como datos discretos”. En un sistema EMR sanitario, estos datos suelen referirse a resultados de pruebas, derivaciones, notas de evolución, resumen de transición, H&P, etc.
Los datos no estructurados (o información no estructurada) se refieren a la información que no tiene un modelo de datos predefinido o que no está organizada de manera predefinida. La información no estructurada suele tener mucho texto, pero también puede contener datos como fechas, números, hechos o contenido de vídeo.