Unstructured data

Wat is ongestructureerde data?

Ongestructureerde data is informatie zonder vast formaat of schema: e-mails, contracten, offertes, klantrecensies, foto’s, audio-opnamen en video’s. Het past niet netjes in rijen en kolommen, zoals data in een database of Excel-bestand. Schattingen lopen uiteen, maar het overgrote deel van alle bedrijfsdata, vaak genoemd rond de tachtig procent, is ongestructureerd. Juist deze data was lange tijd lastig te analyseren.

Hoe werkt het?

Omdat er geen vaste structuur is, kun je ongestructureerde data niet zomaar doorzoeken of optellen zoals een spreadsheet. AI-technieken brengen daar verandering in: taalmodellen lezen en interpreteren tekst, beeldherkenning analyseert foto’s en spraakherkenning zet audio om in tekst. Zo wordt informatie die voorheen alleen door mensen leesbaar was, doorzoekbaar en analyseerbaar gemaakt. Tussen gestructureerd en ongestructureerd zit nog semi-gestructureerde data, zoals e-mails met vaste velden (afzender, datum) en vrije inhoud.

Wat heb je eraan als bedrijf?

De doorbraak van generatieve AI zit precies hier: voor het eerst kun je op grote schaal waarde halen uit je e-mailarchief, contractenmap of klantenservicegesprekken zonder alles handmatig te lezen. Denk aan het automatisch samenvatten van binnenkomende mail, het doorzoeken van duizenden contracten op een specifieke clausule, of het analyseren van klantfeedback op terugkerende klachten. Wie weet waar zijn ongestructureerde data staat en hoe schoon die is, heeft een voorsprong bij elk AI-project.

Gerelateerde begrippen

De tegenhanger is structured data, met semi-structured data als tussenvorm. Analyse gebeurt met large language models en text analytics; documentverwerking heet intelligent document processing.