Datos estructurados y no estructurados

La estructura decide el método Cuando alguien dice «tenemos muchos datos», la pregunta útil nunca es cuánto, sino de qué tipo. Una tabla de ventas y un archivo de voz requieren proyectos completamente distintos, y confundirlo es prometer análisis imposibles.

La estructura de un dato es cuánta organización viene «de fábrica». Un dato muy estructurado ya tiene sus piezas separadas y etiquetadas; uno no estructurado es materia prima bruta de la que hay que extraer la organización a mano.

Datos estructurados

Se organizan en filas y columnas con un esquema fijo: cada campo tiene un nombre, un tipo y un significado claro. Son los que mejor entienden las bases de datos relacionales y las hojas de cálculo.

El mismo hecho puede guardarse en los tres niveles; lo que cambia es cuánto sabemos de antemano sobre su forma.
Grado	Ejemplo típico	Dónde vive	Dificultad de análisis
Estructurado	Transacciones, clientes, sensores con campos fijos	Base de datos relacional, CSV	Baja: se consulta directo
Semiestructurado	Registros de eventos, respuestas de API	JSON, XML, logs	Media: hay que interpretar etiquetas
No estructurado	Texto libre, audio, imagen, vídeo	Archivos, objetos en la nube	Alta: exige extraer la estructura

Datos semiestructurados

Tienen algo de organización, pero flexible: etiquetas y jerarquías que no se ajustan a un esquema rígido. El JSON es el rey actual: anida valores, permite que un registro tenga campos que otro no tiene, y por eso domina el intercambio entre servicios web.

Datos no estructurados

Texto libre, fotografías, audio, vídeo, publicaciones en redes. No traen campos ni tipos: la estructura hay que descubrirla. Aquí vive, según estimaciones comunes, la mayor parte del dato que una organización posee y, paradójicamente, la que menos aprovecha.

Por qué importa la distinción

Determina el coste: estructurar texto o imagen es trabajo adicional que no existe con una tabla.
Determina la herramienta: SQL brilla con lo estructurado; el lenguaje natural y la visión por computador atacan lo no estructurado.
Determina la pregunta legítima: no puedes prometer una tendencia temporal a datos que no llevan fecha.

Del dato bruto a la característica

Para analizar lo no estructurado hay que transformarlo en algo medible: convertir un texto en frecuencias o vectores, una imagen en píxeles o descriptores, un audio en espectros. Esa conversión —la ingeniería de características sobre datos crudos— es donde se gana o se pierde el proyecto.

Tabla ordenada a la izquierda, árbol JSON en el centro y documentos, música y foto sueltos a la derecha — De la tabla al archivo suelto: cuanto menos estructura de fábrica, más trabajo de análisis.

Metadatos y esquema

Un diccionario de datos que explique qué significa cada campo, de dónde sale y con qué unidades se mide vale oro. Sin metadatos, incluso un archivo perfectamente estructurado se vuelve ininterpretable a los seis meses.

El reto del volumen

Lo estructurado crece en filas; lo no estructurado, en gigabytes por archivo.
Almacenar imagen o vídeo barato abrió la puerta a analizarlos en masa.
El coste no está en guardar, sino en procesar y entender.

Cómo se guardan

Los almacenes combinan piezas: bases relacionales para lo tabular, almacenes de objetos para ficheros grandes, índices para buscar texto. Un buen arquitecto de datos elige el contenedor según la forma del dato, no al revés.

Errores frecuentes de novato

Tratar un JSON anidado como si fuera una tabla plana y perder información.
Asumir que una columna de texto libre es categorical y contarla sin limpiar.
Ignorar que una imagen o un audio contienen la señal relevante del problema.

Ejemplo resuelto: de un audio de llamada a un dato analizable

Una empresa guarda miles de grabaciones de atención al cliente y quiere saber de qué se queja la gente. El camino para volverlas analizables:

Reconocer que el audio es dato no estructurado: no trae campos.
Transcribir el audio a texto con reconocimiento de voz.
Extraer temas o intenciones con procesamiento de lenguaje.
Convertir cada llamada en variables medibles como tema y sentimiento.
Unir esas columnas a la tabla de clientes para poder consultarlas.

¿Para qué sirve en la realidad?

Clasificar bien el tipo de dato evita prometer análisis imposibles y obliga a presupuestar el trabajo de estructurar: ahí está la mayor parte del coste real de un proyecto con texto, imagen o audio.

Un conjunto de archivos de audio de llamadas al cliente es, por su naturaleza, dato:

Todos los datos guardados en un archivo JSON son automáticamente estructurados.

Cada tipo tiene herramientas naturales; forzar una herramienta sobre el tipo equivocado produce basura.
Tipo de dato	Mejor aliado de análisis	Pregunta que responde bien
Estructurado	SQL y estadística descriptiva	Cuánto, cuándo, cuánto cambió
Semiestructurado	Parseo y aplanado de JSON	Patrones en eventos y logs
No estructurado	Procesamiento de lenguaje y visión	Qué dicen, qué muestran

Clasifica cada fuente de datos según su estructura.

Estructurado

Semiestructurado

No estructurado

Datos no estructurados
Información que no sigue un modelo de datos predefinido.

Une cada fuente con su grado de estructura:

La forma del dato

# Tipos de datos
## Estructurado
### filas y columnas
### esquema fijo
### consulta directa
## Semiestructurado
### etiquetas flexibles
### JSON y registros de eventos
## No estructurado
### texto, audio, imagen
### hay que extraer la forma

Metadatos
La información que explica qué significa cada dato y de dónde viene.

Una clínica tiene historiales en PDF escaneado y una tabla de citas. Explica en dos frases qué datos son estructurados, cuáles no, y qué habría que hacer antes de poder analizar los PDF.