Vidéo: L'importance des données non structurées en entreprise : usages, valeurs, avenirs ? 2024
Les données contenues dans les bases de données, documents, e-mails et autres fichiers de données pour l'analyse prédictive peuvent être classées en tant que données structurées ou non structurées. Les données structurées sont bien organisées, suivent un ordre cohérent, sont relativement faciles à rechercher et à interroger, et peuvent être facilement consultées et comprises par une personne ou un programme informatique.
Un exemple classique de données structurées est une feuille de calcul Excel avec des colonnes étiquetées. Ces données structurées sont cohérentes; en-têtes de colonne - descriptions brèves et précises du contenu de chaque colonne - vous indiquent exactement le type de contenu auquel vous devez vous attendre.
Les données structurées sont généralement stockées dans des schémas bien définis tels que des bases de données. Il est généralement tabulaire, avec des colonnes et des lignes qui définissent clairement ses attributs.
D'autre part, les données non structurées ont tendance à être de forme libre, non tabulaires, dispersées et difficilement récupérables; ces données nécessitent une intervention délibérée pour en donner un sens. Divers e-mails, documents, pages Web et fichiers (texte, audio et / ou vidéo) dispersés sont des exemples de données non structurées.
Il est difficile de catégoriser le contenu des données non structurées. Il a tendance à être principalement du texte, il est généralement créé dans un méli-mélo de styles de forme libre, et trouver tous les attributs que vous pouvez utiliser pour le décrire ou le grouper n'est pas une mince affaire.
Le contenu des données non structurées est difficile à utiliser ou à comprendre par programmation. Les programmes d'ordinateur ne peuvent pas analyser ou générer des rapports sur de telles données, simplement parce qu'ils manquent de structure, n'ont pas de caractéristique dominante sous-jacente et que des éléments de données individuels n'ont aucun terrain d'entente.
En général, il y a un pourcentage plus élevé de données non structurées que de données structurées dans le monde. Les données non structurées nécessitent plus de travail pour les rendre utiles, de sorte qu'elles attirent davantage l'attention - elles ont donc tendance à consommer plus de temps.
Ne sous-estimez pas l'importance des données structurées et le pouvoir qu'elles apportent à votre analyse. Il est beaucoup plus efficace d'analyser des données structurées que d'analyser des données non structurées. Les données non structurées peuvent également être coûteuses à pré-traiter pour l'analyse lorsque vous construisez un projet d'analyse prédictive. La sélection des données pertinentes, leur nettoyage et les transformations subséquentes peuvent être longues et fastidieuses.
Les données nouvellement organisées résultant de ces étapes de prétraitement nécessaires peuvent ensuite être utilisées dans un modèle d'analyse prédictive. La transformation en gros des données non structurées peut cependant devoir attendre que votre modèle d'analyse prédictive soit opérationnel.
L'exploration de données et l'analyse de texte sont deux approches pour structurer des documents texte, en reliant leur contenu, en regroupant et en résumant leurs données, et en découvrant des modèles dans ces données. Les deux disciplines fournissent un riche cadre d'algorithmes et de techniques pour exploiter le texte dispersé à travers une mer de documents.
Il est également intéressant de noter que les plateformes de moteurs de recherche fournissent des outils facilement disponibles pour indexer les données et les rendre consultables.
Comparons les données structurées et non structurées.
| Caractéristiques | Structuré | Non structuré |
|---|---|---|
| Association | Organisé | Dispersé et dispersé |
| Apparence | Formellement défini | Libre |
| Accessibilité | Facile à accès et requête | Difficile d'accéder et interroger |
| Disponibilité | Pourcentage inférieur | Pourcentage plus élevé |
| Analyse | Efficacité pour analyser | Un prétraitement supplémentaire est nécessaire |
Les données non structurées ne sont pas complètement manque de structure - il suffit de le dénicher. Même le texte à l'intérieur des fichiers numériques est toujours associé à une structure, souvent affichée dans les métadonnées - par exemple, les titres des documents, les dates de dernière modification des fichiers et les noms des auteurs.
La même chose s'applique aux e-mails: le contenu peut être non structuré, mais des données structurées leur sont associées - par exemple, la date et l'heure d'envoi, le nom de leurs expéditeurs et destinataires, s'ils contiennent des pièces jointes.
La ligne de séparation entre les deux types de données n'est pas toujours claire. En général, vous pouvez toujours trouver certains attributs de données non structurées qui peuvent être considérés comme des données structurées. Que cette structure reflète le contenu de ces données - ou qu'elle soit utile dans l'analyse des données - n'est pas claire au mieux.
D'ailleurs, les données structurées peuvent contenir des données non structurées. Dans un formulaire Web, par exemple, les utilisateurs peuvent être invités à donner leur avis sur un produit en choisissant une réponse parmi plusieurs choix - mais également présentés avec une boîte de commentaires où ils peuvent fournir des commentaires supplémentaires.
Les réponses de plusieurs choix sont structurées; le champ de commentaire n'est pas structuré en raison de sa nature libre. De tels cas sont mieux compris comme un mélange de données structurées et non structurées. La plupart des données sont composées des deux.
Pour réussir un projet d'analyse prédictive, vous devez combiner vos données structurées et non structurées dans un format logique pouvant être analysé.
