Gestructureerde vs ongestructureerde data

Gestructureerde data

Je werkt met gestructureerde data zodra je gegevens stopt in iets als een Excel-sheet of relationele database. Alles is netjes in kolommen gezet: klantnaam, aankoopdatum, bedrag. En elk stukje data heeft zo z’n eigen datatype (getal, tekst, datumveld). Relaties? Die worden vastgelegd met sleutels, bijvoorbeeld klant-ID's die tabellen aan elkaar verbinden. Je kunt SQL gebruiken om vragen te stellen aan deze data, en met standaard statistische tools zoeken naar patronen. Machine learning-methodes als een beslisboom of lineaire regressie pakken dit soort data makkelijk op. Je loopt wel tegen beperkingen aan: als je een nieuw soort gegeven wilt opslaan, zal het schema moeten veranderen. Maar ja, gestructureerde data blijft populair in bedrijven. De reden? Ze zijn snel op te vragen, makkelijk te controleren, en systemen kunnen er goed mee omgaan.

Ongestructureerde data

Ongestructureerde data? Die hebben geen vaste opmaak. Je komt ze overal tegen: e-mails, social media posts, PDF-bestanden, foto’s, audio-opnames, video, dat werk. Soms wordt zelfs gezegd dat meer dan 80 procent van alle digitale info van dit type is. Je kunt zulke data niet rechtstreeks in een tabel gooien. Dus zul je specifieke technieken nodig hebben: NLP (dat staat voor natural language processing) als je met tekst te maken hebt, computer vision voor beeld, spraakherkenning voor audio. Deep learning heeft het openbreken van deze lastige data trouwens een flinke duw gegeven, denk aan convolutionele netwerken of transformers. Er zijn ook half-gestructureerde vormen zoals JSON, XML of HTML. Die hebben wel enige structuur, maar niet zo strikt als klassieke tabellen. Het kost meestal wat meer opslagruimte, rekenwerk en voorbereiding om ongestructureerde data nuttig te maken. Maar daar krijg je dan wel vaak de complete context en rijke details voor terug.

Dit toepassen in
jouw bedrijf?

We vertalen het naar jouw processen en laten binnen een week een werkend prototype zien.