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。

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。

従来のデータベース技術では処理困難な大量・多種多様・高速発生のデータ。3V（Volume：大量、Velocity：高速、Variety：多様性）の特性を持つ。IoTデータ、SNS投稿、ログデータなどが例。

データに関するデータ。ファイルの作成日時、作成者、データ形式、キーワードなど、データそのものの属性や管理情報を記述する。検索性の向上やデータ管理の効率化に利用され、HTMLのmetaタグやExifデータなどが代表例。

データの紛失や破損に備えて、データの複製を別の記憶媒体に保存すること。フルバックアップ・差分バックアップ・増分バックアップなどの方式があり、目的に応じて使い分ける。

組織内のデータ資産のメタデータを一元管理し、検索・閲覧可能にしたもの。データの所在、内容、品質、利用条件などの情報を整理し、データの発見と利活用を促進する。

構造化・半構造化・非構造化データをそのままの形式で大量に蓄積するストレージ基盤。データウェアハウスと異なり、事前のスキーマ定義なしにデータを格納し、必要時に加工・分析を行う。

データの発生源から最終的な利用先までの流れや変換過程を追跡・可視化すること。データの信頼性確認、障害時の影響範囲特定、コンプライアンス対応に活用される。