Grundlegendes zu strukturierten, halbstrukturierten und unstrukturierten Daten

Was sind strukturierte Daten?

Strukturierte Daten sind Informationen, die formatiert und in ein wohldefiniertes Datenmodell umgewandelt wurden. Rohdaten werden abgebildet in vorgefertigte Felder, die dann einfach mit SQL extrahiert und gelesen werden können. SQL-Relationale Datenbanken, die aus Tabellen mit Zeilen und Spalten bestehen, sind das perfekte Beispiel für strukturierte Daten.

Das relationale Modell dieses Datenformats nutzt Speicher, da es Datenredundanz minimiert. Dies bedeutet jedoch auch, dass strukturierte Daten stärker voneinander abhängig und weniger flexibel sind.

Beispiele für strukturierte Daten

Diese Art von Daten wird sowohl von Menschen als auch von Maschinen erzeugt. Es gibt zahlreiche Beispiele für strukturierte Daten, die von Maschinen generiert werden, wie etwa Kassendaten (z. B. Mengen, Barcodes) und Blogstatistiken. Ebenso hat jeder, der mit Daten arbeitet, schon einmal Tabellenkalkulationen verwendet – ein klassisches Beispiel für strukturierte Daten, die von Menschen erzeugt werden. Aufgrund ihrer Struktur sind strukturierte Daten leichter zu analysieren als semistrukturierte oder unstrukturierte Daten.

Was sind semistrukturierte Daten?

Es kann sein, dass Ihre Datensätze nicht immer strukturiert oder unstrukturiert sind. Halbstrukturierte Daten oder teilweise strukturierte Daten sind eine weitere Kategorie zwischen strukturierten und unstrukturierten Daten. Bei halbstrukturierten Daten handelt es sich um einen Datentyp, der einige konsistente und eindeutige Merkmale aufweist.

Es beschränkt sich nicht auf eine starre Struktur, wie sie für relationale Datenbanken. Unternehmen verwenden organisatorische Eigenschaften wie Metadaten oder Semantik-Tags mit halbstrukturierten Daten, um sie besser handhabbar zu machen. Allerdings sind sie immer noch variabel und inkonsistent.

Beispiele für halbstrukturierte Daten

Ein Beispiel für Daten in einem semistrukturierten Format sind Dateien mit Trennzeichen. Sie enthalten Elemente, die die Daten in separate Hierarchien unterteilen können. Auch digitale Fotografien besitzen keine vordefinierte Struktur, weisen aber bestimmte Strukturmerkmale auf, die sie semistrukturiert machen.

Wenn Sie beispielsweise ein Foto mit einem Smartphone aufnehmen, verfügt dieses über strukturierte Attribute wie Geotag, Geräte-ID und Zeitstempel. Nach dem Speichern können Sie den Bildern Tags wie „Haustier“ oder „Hund“ zuweisen, um ihnen eine Struktur zu geben.

In einigen Fällen werden unstrukturierte Daten als halbstrukturierte Daten klassifiziert, da sie ein oder mehrere Klassifizierungsattribute aufweisen.

Was sind unstrukturierte Daten?

Unstrukturierte Daten liegen in ihrem ursprünglichen, unstrukturierten Format ohne vordefinierte Organisation vor. Laut GartnerDies entspricht 80–90 % aller neuen Unternehmensdaten und wächst dreimal schneller als strukturierte Daten.

Die Verarbeitung dieser Daten mit herkömmlichen Methoden ist zwar eine Herausforderung, sie enthalten aber reichhaltige Kontextinformationen, die strukturierte Daten nicht erfassen können: Kundenstimmung, visuelle Muster, Nuancen im Gesprächsverlauf und aufkommende Trends.

Zu den unstrukturierten Daten gehören Social-Media-Beiträge, Chats, Satellitenbilder, IoT-Sensordaten, E-Mails und Präsentationen. Unstrukturierte Datenverwaltung nutzt diese Daten, um sie in der Datenspeicherung auf logische, vordefinierte Weise zu organisieren. Tools zur Verarbeitung natürlicher Sprache (NLP) helfen dabei, unstrukturierte Daten zu verstehen, die in einem schriftlichen Format vorliegen.

Im Gegensatz dazu bezeichnet man als strukturierte Daten Daten, die vordefinierten Datenmodellen folgen und leicht zu analysieren sind. Beispiele für strukturierte Daten sind alphabetisch geordnete Kundennamen und ordnungsgemäß organisierte Kreditkartennummern.

Beispiele für unstrukturierte Daten

Unstrukturierte Daten können alles sein, was nicht in einem bestimmten Format vorliegt. Dies kann ein Absatz aus einem Buch mit relevanten Informationen oder eine Webseite sein. Ein Beispiel für unstrukturierte Daten könnten auch Protokolldateien sein, die nicht einfach zu trennen sind. Auch Kommentare und Beiträge in sozialen Medien sind unstrukturiert.

Hier ist ein Beispiel für unstrukturierte Daten aus einer Protokolldatei:

38,P-R-38636-6-45,P-R-39105-1-11,P-R-38036-1-5,P-R-35697-1-13,P-R-35087-1-27,P-R-34341-1-9,P-R-33341-1-15,P-R-33110-1-29,P-R-31345-1-693,P-R-29076-1-6,P-R-28767-1-8,P-R-28540-2-8,P-R-28312-1-10,P-R-28069-1-27,P-R-28032-1-9,P-R-26562-1-12,P-R-26527-5-20,P-R-26164-1-11,P-R-25785-1-30,P-R-25095-9-70,P-R-23504-1-15,P-R-19719-5-41203

Mittwoch, 23. September 2020, 05:21:01 Uhr GMT+0500

Unstrukturierte Daten sind qualitativer, nicht quantitativer Natur und daher meist kategorial und charakteristisch.

Warum das für Unternehmen wichtig ist

Unstrukturierte Daten liefern Erkenntnisse, die in strukturierten Formaten nicht erfasst werden können. Die Stimmungslage in sozialen Medien sagt Markttrends voraus, bevor sie sich in den Verkaufszahlen niederschlagen. Muster in Support-Tickets identifizieren Produktprobleme, bevor diese eskalieren. Aufzeichnungen von Kundengesprächen erfassen Einwände, die in Umfragen unberücksichtigt bleiben.

Organisationen mit Data Lakes berichten:

• 41 % Steigerung des Wettbewerbsvorteils
• 37% Kostenreduzierung
• 35 % verbesserte Kundenerlebnisse
• 33 % bessere Reaktion auf Chancen und Risiken

Die Herausforderung? Mehr als 95 % der Unternehmen Sie erkennen an, dass die Verwaltung unstrukturierter Daten schwierig ist, und viele geben über 30 % ihres IT-Budgets für Speicherung und Verwaltung aus.

Daten aus sozialen Medien oder von Websites können helfen, zukünftige Kauftrends vorherzusagen oder die Effektivität einer Marketingkampagne zu bestimmen. Ein weiteres Beispiel für die Analyse unstrukturierter Daten ist das Erkennen von Mustern in betrügerischen E-Mails und Chats, was für Unternehmen bei der Überwachung der Einhaltung von Richtlinien nützlich sein kann. Unternehmen extrahieren und speichern unstrukturierte Daten in Data Warehouses (auch Data Lakes genannt) zur Analyse.

Der Unterschied zwischen strukturierten, semistrukturierten und unstrukturierten Daten

Man unterscheidet drei Arten von Vorstellungsgesprächen: unstrukturierte, halbstrukturierte und strukturierte.

Bei einem unstrukturierten Interview liegt die Wahl der gestellten Fragen vollständig beim Interviewer. Er kann entscheiden, welche Fragen er stellen möchte und in welcher Reihenfolge er sie stellen möchte. Beliebte Beispiele für unstrukturierte Fragen sind „Erzählen Sie mir etwas über sich“ und „Beschreiben Sie Ihre ideale Rolle“.

Eine andere Art ist ein strukturiertes Interview. In diesem Fall wird sich der Interviewer strikt an ein von der Personalabteilung erstelltes Skript halten und für alle Bewerber das gleiche Skript verwenden. Ebenso folgen strukturierte und unstrukturierte Daten einem organisierten Format mit einem weniger flexiblen Schema.

Der dritte Typ sind halbstrukturierte Daten. In einem halbstrukturierten Interview kombiniert der Interviewer die Elemente sowohl unstrukturierter als auch strukturierter Interviews. Es würde die quantitativen und konsistenten Elemente umfassen, ähnlich einem strukturierten Interview.

Gleichzeitig bieten strukturierte Interviews jedoch ebenso wie halbstrukturierte Daten die Flexibilität, Fragen an die Situation anzupassen. Um es noch einmal zu wiederholen: Der Hauptunterschied zwischen unstrukturierten und halbstrukturierten Daten besteht darin, dass unstrukturierte Daten keinem vordefinierten Format folgen, während halbstrukturierte Daten nur teilweise unstrukturiert sind.

Die folgenden Punkte verdeutlichen die Unterschiede zwischen strukturierten Daten vs. unstrukturierten Daten vs. semistrukturierten Daten:

• Organisation: Strukturierte Daten sind gut organisiert. Daher verfügt es über den höchsten Organisationsgrad. Halbstrukturierte Daten sind teilweise organisiert; Daher ist der Grad der Organisation geringer als bei strukturierten Daten, aber höher als bei unstrukturierten Daten. Schließlich ist die letztere Kategorie überhaupt nicht organisiert.
• Flexibilität und Skalierbarkeit: Strukturierte Daten sind abhängig von relationalen Datenbanken oder Schemata und daher weniger flexibel und schwer zu skalieren, während halbstrukturierte Daten flexibler und einfacher zu skalieren sind als strukturierte Daten. Unstrukturierte Daten verfügen jedoch nicht über ein Schema, das sie von den beiden anderen am flexibelsten und skalierbarsten macht.
• Versionierung: Da strukturierte Daten auf einer relationalen Datenbank basieren, wird die Versionierung über Tupel, Zeilen und Tabellen durchgeführt. Andererseits sind in semi-strukturierten Daten Tupel oder Graphen möglich, da nur eine Teildatenbank unterstützt wird. Bei unstrukturierten Daten schließlich ist die Versionierung wahrscheinlich als ganze Daten, da es keine Datenbankunterstützung gibt.

In der Vergangenheit haben sich Unternehmen nur auf die Extraktion und Analyse von Informationen aus strukturierten Daten konzentriert. Angesichts der Zunahme halbstrukturierter und unstrukturierter Daten müssen Unternehmen nun jedoch nach einer Lösung suchen, die ihnen bei der Analyse aller drei Datentypen hilft.