非構造化データ

文書、画像、音声、動画のように、あらかじめ定まった構造を持たないデータ。そのままでは集計できず、分析にはメタデータの付与や特徴抽出が必要になる。

文章、画像、音声、動画のように、あらかじめ決まった形式を持たないデータ。企業に蓄積されるデータの大半を占め、AIやテキストマイニングを使って分析することで価値を引き出す。

文書、画像、音声、動画のように、あらかじめ定まった構造を持たないデータ。そのままでは集計できず、分析にはメタデータの付与や特徴抽出が必要になる。

表形式の固定的なスキーマに収まらないデータ。文書、画像、音声、動画、ログなどが該当する。全文検索やオブジェクトストレージ、NoSQLで扱い、メタデータを付与して管理・検索できるようにする。

文書、メール、画像、音声、動画のように、項目や形式が定まっておらず、そのままでは表形式で検索・集計できないデータ。企業が持つデータの大半を占めるとされ、自然言語処理や画像認識などで特徴を取り出すことで分析に使えるようになる。生成AIの普及で、検索拡張生成（RAG）の情報源としての活用も進んでいる。

文書、画像、音声、動画、SNSの投稿など、決まった形式（スキーマ）をもたないデータ。企業が扱うデータの大部分を占めるとされ、そのままでは検索や集計が難しいため、自然言語処理や画像認識などで特徴を取り出して分析する。

蓄積したデータを集計・可視化し、業務上の意思決定を支援するツール。専門家でなくてもダッシュボードやグラフを操作して分析できる点が特徴。

情報システム部門に依頼せず、業務部門の担当者が自らデータを取得して分析する形態。迅速な意思決定につながる一方、データの解釈違いを防ぐルールが必要になる。

分析に使える状態にするため、データを収集・クレンジング・変換・結合する準備作業。分析工程全体の中で大きな割合を占めるとされる。

異なるデータソースのデータを、分析ツール上で一時的に結合して扱う手法。データ基盤側を作り替えずに、目的に応じた分析を素早く試せる。

行と列の形式で整理され、項目の意味と型が定まっているデータ。表計算やリレーショナルデータベースで扱え、集計や検索が容易である。

自らの目的のために直接収集したデータ。目的に合った設計ができる反面、収集の手間と費用がかかる。他者が集めた既存データは2次データと呼ばれる。