Differenza tra dati strutturati, semi strutturati e non strutturati

L’immenso patrimonio di dati e informazioni che, al giorno d’oggi, l’impresa deve gestire rappresenta un vero e proprio tesoro: una fonte preziosissima che va organizzata e utilizzata al meglio. I big data, infatti, possono fornire risposte fondamentali per il business, per il miglioramento della strategia commerciale e per tanti altri motivi.

Sempre più dati da organizzare, ma anche sempre maggiori e sofisticati gli strumenti e i software utili per l’archiviazione, l’analisi e la lettura dei dati. 

Quali tipologie di dati si ritrova a gestire, quotidianamente, un’azienda? Scopriamo le tre diverse varianti di un dato: strutturato, semi-strutturato o non strutturato e quali sono le differenze tra le tre tipologie. 

Differenza tra dati strutturati e non strutturati 

Dati strutturati e non strutturati: entrambe le varianti rappresentano risorse fondamentali per le imprese moderne, ma in modo differente. Mentre il dato strutturato può essere archiviato in un formato di file predefinito, essendo molto specifico, un dato non strutturato deve essere archiviato nel suo formato nativo. I dati non strutturati comprendono diverse tipologie di dati e sfruttano lo schema in lettura, a differenza dei dati strutturati, che utilizzano lo schema in scrittura.

Generalmente, i dati strutturati vengono archiviati all’interno di un data warehouse, mentre i dati non strutturati possono essere stoccati all’interno di un data lake. Il dato strutturato permette di ottimizzare lo spazio di storage, che deve essere molto più vasto, invece, qualora si dovessero archiviare dati non strutturati. Nonostante il differente contenitore (data warehouse o data lake), i dati strutturati e non strutturati possono garantire ottime performance se applicati alla tecnologia di repository in cloud. 

Un’altra sostanziale differenza tra dati strutturati e non strutturati riguarda la possibilità di utilizzo. Mentre i dati strutturati possono essere gestiti da un utente medio, i dati non strutturati, per la loro comprensione e organizzazione, necessitano di competenze di data science (soprattutto se usati ai fini della business intelligence e della scienza dei dati).

Riassumiamo le differenze tra dati strutturati e non strutturati nella seguente tabella.

Dati strutturati

I dati strutturati, identificati da tag di metadati, seguono sempre uno schema predefinito, presentando le informazioni che contengono in modo organizzato. I dati strutturati hanno una struttura e un formato standardizzato e ben definito, si conformano allo stesso modello di dati e seguono uno specifico ordine. Ciò li rende facilmente accessibili e particolarmente utili durante i processi di analisi, scienza dei dati e business intelligence.

I dati strutturati rappresentano la base portante dei big data, in quanto possono essere facilmente usati ed è semplice accedervi. Ciò si trasforma in risultati più accurati e di semplice realizzazione. 

I dati strutturati possono essere archiviati all’interno di sistemi di gestione di database relazionali (RDBMS). Tali database vengono generalmente utilizzati, manipolati e letti mediante il linguaggio SQL (Structured Query Language). 

Dati non strutturati

Solo il 20% dei dati sono strutturati: il restante 80% si presenta in forma non strutturata, ovvero non segue lo stesso schema. I dati non strutturati si presentano sotto forma di immagine, video, testo o audio. Spesso, infatti sono:

• in costante movimento;
• di origine imprevedibile;
• digitali;
• interoperabili;
• misti e multimodali;
• dislocati geograficamente (a beneficio della loro stessa protezione). 

I dati non strutturati vengono comunemente archiviati in database NoSQL, “non solo SQL”. Ovvero, il database è in grado di gestire un’alta varietà di dati offrendo performance di storage più flessibili rispetto al classico database SQL. I database NoSQL non hanno strutture tabulari o schemi precisi, ma raccolgono i dati insieme. 

Nonostante il dato strutturato non rientri all’interno di alcuna standardizzazione, esso può avere dei metadati associati che, al contrario, possono seguire una struttura. In questo caso si parla di dati semi-strutturati. 

Dati semi-strutturati

Come anticipato, i dati semi-strutturati sono essenzialmente dati non strutturati collegati a metadati che seguono una determinata struttura. Il dato semi-strutturato ha una gerarchia più chiara e comprensibile.

I metadati contengono abbastanza informazioni utili per la catalogazione del dato, che può quindi essere cercato, trovato e analizzato in modo più semplice ed efficiente rispetto a un dato puramente non strutturato. I dati semi-strutturati, pertanto, rappresentano il punto di incontro tra dati strutturati e dati non strutturati. 

Esempi di dati strutturati, non strutturati e semi-strutturati

Per comprendere meglio la differenza tra dati strutturati e non strutturati, facciamo qualche esempio.

• Dati strutturati: questi dati, dalla formattazione predefinita, seguono una specifica struttura e propongono uno schema-on-write. Il database relazionale è uno dei migliori esempi di dato strutturato, poiché la formattazione del dato è stata eseguita in modo preciso a seconda di determinati campi, con la finalità di garantire maggiore semplicità durante le interrogazioni eseguite con linguaggio SQL. Un esempio concreto di dato strutturato può essere il dato derivante dai punti vendita (quantità di articoli, codici a barre), ma anche fogli di calcolo e statistiche del weblog. 
• Dati non strutturati: documenti in formato di file .pdf o .docx. Il dato non strutturato non ha un modello predefinito e, quindi, non può essere organizzato in righe e colonne (a differenza del dato strutturato). Un esempio concreto sono file come audio, video, e-mail, immagini, oggetti archiviati come file.
• Dati semi-strutturati: un esempio di dato semi-strutturato può essere il file HTML, XML, la e-mail e in generale tutti i file utilizzati per la trasmissione di dati da un server e un’applicazione web.