Strukturerad vs Ostrukturerad data

Strukturerad_vs_ostrukturerad_data_SQL_Systems

Ett företags framgång baseras på deras förmåga att samla in rätt data, tolka data rätt och agera på dessa insikter. 

Som vi i tidigare inlägg har skrivit baserar alla företag sina affärsbeslut på företagets data. Mängden data som finns tillgängligt för ett företag ökar konstant och de kan komma in i olika format, som vi skrev om i det här inlägget. Men all den data kan delas in i två huvudkategorier; Strukturerad data och ostrukturerad data. I det här inlägget förklarar vi vad de båda innebär och vad som är den största skillnaden.

Vad är strukturerad data?

Strukturerad data är den data som finns inom en fast ram för en fil eller post. Strukturerad data lagras vanligtvis i en relationsdatabas och kan bestå av siffror och text. Informationen kan genereras manuellt genom en tabell eller läggas in automatiskt genom maskiner så länge den håller sig till relationsdatabasens struktur. Det beror helt på vilken datamodell man har skapat och det är den som definierar vilken typ av data som ska inkluderas och hur de ska lagras och bearbetas. Strukturerad data är organiserad på ett sätt som både datorer och människor kan läsa och analysera.

Programmeringsspråket som används för strukturerad data är SQL (Structured Query Language). SQL skapades av IBM på 1970-talet och används för att hämta och modifiera data i relationsdatabaser.

Exempel på Strukturerad data:

  • Adresser
  • Namn
  • Kundnummer
  • Kreditkortsnummer

Vad är ostrukturerad data?

Ostrukturerad data är mer eller mindre all data som inte lagras i en igenkännbar struktur. Även om den ostrukturerade data kan ha en intern struktur så är den inte strukturerad på ett fördefinierat sätt. Vilket betyder att den inte förhåller sig till en datamodell och att informationen inte lagras i sitt ursprungliga format.

Vanliga exempel på ostrukturerad data:

  • E-mails
  • Bilder
  • Aktivitet på sociala medier
  • Video & Youtube

Mängden ostrukturerad data är mycket större än strukturerad data. Ostrukturerad data utgör hela 80% eller mer av all företagsdata och växer med 55% till 65% per år. Detta innebär att företag som inte tar hänsyn till ostrukturerad data missar mycket värdefull affärsinformation.

Strukturerad kontra ostrukturerad data, vad är skillnaden?

Förutom den uppenbara skillnaden mellan lagring i en relationsdatabas och lagring utanför en, är den största skillnaden enkelheten att analysera strukturerad data kontra ostrukturerad data.

 3 viktiga skillnader på strukturerad och ostrukturerad data

  1. Definierad vs odefinierad data
    Strukturerad data är tydligt definierade typer av data i en struktur, medan ostrukturerad data vanligtvis lagras i sitt ursprungliga format. Strukturerad data lever i  rader och kolumner och den kan mappas till fördefinierade fält. Till skillnad från strukturerad data, som är  organiserad och lättillgänglig i relationsdatabaser, har ostrukturerad data inte en fördefinierad datamodell.

  2. Enkel analys
    En av de viktigaste skillnaderna mellan strukturerad och ostrukturerad data är hur väl den lämpar sig för analys. Strukturerad data är lätt att söka för både människor och algoritmer. Med hjälp av en djupare och en mer helhetstänkande analys kan man bidra med korrekt underlag för de affärsbeslut företaget bör ta.
    Däremot kräver ostrukturerad data mer tid och bearbetning för att kunna söka och analysera.

  3. Kvantitativ kontra Kvalitativ data
    Den största skillnaden mellan kvantitativ och kvalitativ data är att den kvantitativa  data representerar data som lätt kan mätas eller kvantifieras, till exempel antalet personer som har köpt en produkt. Kvalitativ data representerar åsikter eller känslor och kan inte presenteras av en numerisk statistik som ett genomsnitt.

Strukturerad data är ofta kvantitativ data, vilket innebär att den vanligtvis består av hårda tal eller saker som kan räknas.
Ostrukturerad data, å andra sidan, kategoriseras ofta som kvalitativa data och kan inte behandlas och analyseras med konventionella verktyg och metoder. I affärssammanhang kan kvalitativa data till exempel komma från kundundersökningar, intervjuer och interaktioner på sociala medier.

Kvalitativ_vs_kvantitativ_data

Innovationer såsom AI, machine learning och så vidare behöver en källa av strukturerad data att hämta information från. Utan strukturerad data, som alltså idag motsvarar ungefär en femtedel av företags data, är risken stor att ditt nya system eller IoT-sensorer inte kommer att leverera det som du förväntade dig. Därför är det viktigt att verkligen lägga grunden och göra jobbet från början! Se vår video här!

Har du frågor om strukturerad data? Är du nyfiken på hur vi kan hjälpa Ditt företag? Kontakta oss idag genom att maila Nyfiken@sqlsystems.se och boka in ett möte!

Sociala Medier

Våra inlägg

Möt Karin , SQL Systems egna lakritsälskande Konsultchef

Möt Karin, en positiv och närvarande person med en passion för att ta sig an nya utmaningar, både i livet och på jobbet. Med en optimistisk syn på livet ser hon alltid glaset som halvfullt, vilket hjälper henne att navigera genom både arbetslivets och livets prövningar

Vad är data governance

Vad är data governance?

Vad innebär Data Governance och varför ska du använda det i ditt företag? Läs det här inlägget för att få mer förståelse!

Prenumerera hos oss

Få ett månatligt brev kring branschnyheter och våra tankar

EN SV