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、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。

データを抽出していったんそのまま格納し、格納先の処理能力を使って変換する方式。変換してから格納するETLと順序が逆で、クラウドのデータ基盤やデータレイクで採られることが多い。

行と列のように、あらかじめ決められた形式に整理されたデータ。表形式のデータベースやCSVが該当し、検索や集計がしやすい。企業が扱うデータのうち割合としては少数派とされる。

厳密な表形式ではないが、タグや階層など一定の構造を持つデータ。XMLやJSONが該当する。項目の有無が案件ごとに違っても扱えるため、システム間のデータ交換に広く使われる。

センサーやログのように、絶え間なく発生し続けるデータ。ためてから処理するのではなく到着した端から処理することで、異常検知や需要予測をほぼ即時に行える。

複数のサーバのディスクをまとめ、1つのファイルシステムとして扱えるようにした仕組み。データを分割・複製して保持するため大容量と耐障害性を両立でき、ビッグデータ処理基盤の土台になる。

文章として蓄積された非構造化データを解析し、有用な傾向や関係を取り出す手法。形態素解析で語に分けたうえで出現頻度や共起関係を調べ、問合せ内容やアンケートの分析に用いる。