Datos Estructurados: Se refiere a la información que está organizada en un formato o patrón específico, lo que facilita su búsqueda, análisis y comprensión.
Piensa en ello como un archivador bien organizado donde cada archivo tiene una etiqueta clara y está colocado en un cajón específico.
Además disponen de una utilidad añadida: no solamente contienen información útil para algún cometido, también describen las relaciones entre las distintas fuentes de datos.
Un documento con datos estructurados tiene el potencial de no solamente darte la información que contenga, también te indicará su número de orden en una secuencia lógica de documentos, por ejemplo.
Eso daría mayor valor y utilidad a los datos consumidos.
Ejemplos de Datos Estructurados:
- Imágenes: las imágenes marcadas como Código de Barras EAN13.
Este tipo de imagen se identifica de tres formas, una por la distribución de las barras en la imagen visible (código numérico, típicamente EAN13 que también es un estándar de Datos Estructurados), el tipo de imagen (puede ser identificado usando un vocabulario controlado como Schema.org); otra por sus metadatos acompañantes. - Documentos de texto digitales: como una entrada de blog o una ficha de producto marcadas con Schema, Dublin Core u otros vocabularios controlados.
Datos No Estructurados
Por contra, los Datos No Estructurados se refieren a la información que no sigue un formato o patrón específico y, por lo tanto, es más difícil de organizar, buscar y analizar.
Piensa en ello como una caja llena de papeles sueltos sin ningún orden particular.
Cada papel suelto y desordenado contiene información, pero cuesta mucho relacionarlo con otros papeles y documentación desparramada sin orden aparente.
Ejemplos de Datos No Estructurados:
- Textos Libres: Documentos de texto, correos electrónicos, publicaciones en redes sociales.
- Imágenes y Videos: Fotografías, videos, gráficos.
- Archivos de Audio: Grabaciones de voz, podcasts, música.
- Documentos Escritos a Mano: Notas, cartas, manuscritos.
Diferencias Clave
- Organización:
- Estructurados: Siguen un formato específico y están organizados de manera sistemática.
- No Estructurados: No siguen un formato específico y están organizados de manera más libre.
- Facilidad de Análisis:
- Estructurados: Son más fáciles de analizar y procesar debido a su organización.
- No Estructurados: Son más difíciles de analizar y procesar debido a la falta de estructura.
- Ejemplos de Uso:
- Estructurados: Bases de datos, hojas de cálculo, formatos como JSON y XML.
- No Estructurados: Documentos de texto, imágenes, videos, archivos de audio.
Datos Estructurados en el mundo real
Los datos estructurados son ideales para aplicaciones que requieren un alto grado de organización y facilidad de análisis, como bases de datos y aplicaciones web. No olvidemos que un sitio web es un tipo de aplicación web, de ahí la importancia de incluir Schema SEO en los esfuerzos de posicionamiento web.
Por otro lado, los datos no estructurados son más comunes en contextos donde la información es más libre y variada, como en documentos de texto y medios multimedia. Ambos tipos de datos tienen sus propios usos y desafíos, y a menudo se utilizan en conjunto para obtener una visión más completa de la información.
Pongamos el ejemplo de una obra de arte, un cuadro. Vamos a examinar como podría percibirse siendo un observador casual (una persona que admira la pintura y el arte) o bien un ordenador que reconozca el cuadro (no lo reconocerá literalmente, sino que diferenciará la imagen que capte de este o bien identificará una serie de datos únicos de esta obra de arte).
El cuadro artístico como Datos No Estructurados:
- Una Persona lo verá en su conjunto, puede fijarse en aspectos concretos de zonas concretas del lienzo, puede ver sus colores, puede incluso sentir emociones basadas en esta experiencia.
Pero la gama de colores será falsa, porque será lo que perciben sus ojos: estos colores dependerán de la luz disponible, la salud ocular del observador, el estado de ánimo, etc.
Pero un observador casual puede no saber quién es el artista, ni en qué momento de su vida creó el cuadro, ni qué orden tiene la obra en su colección, ni cuantos colores distintos tiene, etc. - Un ordenador equipado con una cámara puede ser preparado para escanear el cuadro, puede percibir millones de colores, puede comparar la obra con otras y otras operaciones, pero se centrará en la imagen del objeto. Será solamente un objeto desconocido frente al objetivo de la cámara.
El cuadro artístico como Datos Estructurados:
- Una Persona que se dedique a catalogar y organizar colecciones de arte puede tratar el cuadro concreto como un elemento perfectamente identificado y ubicado entre otros elementos similares, sea por autor, por época, por técnica, etc. Puede gestionar este cuadro para preservarlo y que otras personas puedan disfrutarlo.
- Un ordenador puede alojar una base de datos sobre colecciones de arte, perfectamente catalogadas y organizadas mediante información añadida al cuadro identificado. No añadida directamente sobre el cuadro, sino sobre su representación digital en forma de identificador URI.
Esta información almacenada en un ordenador puede contener una definición de un vocabulario controlado, una «etiqueta» que indica de forma unívoca (un solo significado, sin ambigüedades) de qué tipo de cosa -objeto tangible o intangible- se trata. En breve sigo con esta «etiqueta»*…
La creación, mantenimiento y explotación de esta información permite a la Persona que gestiona el cuadro hacer su trabajo.
Vocabularios controlados
Se les llama controlados porque son mantenidos de forma coordinada por varias partes, entre instituciones, investigadores, empresas, etc. De esta forma, se publican regularmente los cambios y mejoras que reciben. Un profesional SEO hábil con Schema debe estar al día de dicho vocabulario, por mencionar un caso de amplia penetración en el mercado del marketing online.
- Schema: En el contexto de la web, Schema.org es un vocabulario que ayuda a estructurar datos para que los motores de búsqueda puedan entenderlos mejor. Por ejemplo, un restaurante podría usar Schema para listar su menú, horarios de operación y ubicación de una manera que Google pueda mostrar fácilmente en los resultados de búsqueda.
*Ejemplo: retomando la «etiqueta» del cuadro del ejemplo anterior, el vocabulario Schema.org permite «etiquetar» una cuadro artístico como un elemento o entidad del tipo Painting. - IPTC (International Press Telecommunications Council): Es un vocabulario utilizado principalmente en el ámbito de los medios de comunicación y la fotografía. Proporciona un conjunto de metadatos estándar para describir imágenes y otros contenidos multimedia, facilitando su organización y búsqueda. Es usado masivamente en cadenas de televisión, prensa o bancos de imágenes.
- Dublin Core: Es un vocabulario simple y ampliamente utilizado para describir recursos digitales. Incluye un conjunto de 15 elementos básicos, como título, autor, fecha y formato, que ayudan a catalogar y buscar información de manera eficiente. Es comúnmente utilizado en bibliotecas y repositorios digitales.
- FOAF (Friend of a Friend): Es un vocabulario utilizado para describir personas y sus relaciones. Permite crear perfiles de usuarios y establecer conexiones entre ellos, lo que es útil en redes sociales y aplicaciones de gestión de contactos. FOAF utiliza RDF para estructurar la información.
Formatos para expresar conceptos usando vocabularios controlados
- RDF (Resource Description Framework): Es un lenguaje para describir información en un formato estructurado. Imagina un catálogo de biblioteca donde cada libro tiene un título, autor y fecha de publicación. RDF puede ser utilizado para describir estas relaciones de una manera que las computadoras puedan entender. Aquí tienes mi artículo de introducción al RDF.
- JSON (JavaScript Object Notation): Es un formato ligero para almacenar y transportar datos. Piensa en ello como un libro de recetas donde cada receta tiene una lista de ingredientes y pasos. JSON es a menudo utilizado en aplicaciones web para enviar datos entre un servidor y una página web.
Es el formato recomendado por Google para el marcado de Datos Estructurados en un sitio web. - XML (eXtensible Markup Language): Es otro formato para estructurar datos. Es como un conjunto de instrucciones para ensamblar un mueble, donde cada parte está claramente etiquetada y los pasos están numerados. XML es utilizado en muchas industrias, como en finanzas para registros de transacciones o en publicaciones para el formato de documentos.
Su grandeza y amplio uso radican en el hecho de que como su nombre indica, es un formato extensible.
Introducción a RDF y la Web Semántica
RDF y la Web Semántica: RDF es fundamental para la Web Semántica, que es una extensión de la web actual donde la información está estructurada y enlazada de manera que las computadoras puedan entenderla y procesarla. La Web Semántica busca hacer que la información en la web sea más significativa y útil, permitiendo que las máquinas comprendan el contexto y las relaciones entre diferentes datos.
Este formato permite utilizar a la vez varias ontologías o vocabularios controlados, de forma que quien quiera usarlo disponga de elementos y atributos específicos a su campo de trabajo.
Por ejemplo, en el caso del cuadro que comentaba antes: en una base de datos o en una página web de un museo tenemos Datos Estructurados expresados en formato JSON-LD y vocabulario Schema.org (metadatos sobre la obra), a la vez una captura digital de la obra podría ser referida en estos Datos Estructurados usando el vocabulario específico de IPTC (metadatos de la imagen digital de la obra), mientras que se podría usar términos de la iniciativa Dublin Core para describir la relación entre varios ficheros digitales que ayudan a identificar, gestionar y preservar el valioso cuadro.
Triples
En el contexto de los datos estructurados, un triple es una forma de describir una pieza de información en tres partes: sujeto, predicado y objeto. Por ejemplo, en la afirmación «El libro ‘1984’ fue escrito por George Orwell,» el sujeto es «El libro ‘1984’,» el predicado es «fue escrito por,» y el objeto es «George Orwell.» Este formato es a menudo utilizado en RDF para describir relaciones entre diferentes piezas de datos.
Al utilizar datos estructurados, la sociedad digital pueden hacer que su información sea más accesible, indexable y reutilizable; por tanto la información no solamente existe sino que es útil tanto para las personas como para las computadoras. Esta infraestructura de conocimiento es obviamente una herramienta extremadamente valiosa para las industrias, de muchas formas distintas; una de las más evidentes es el Posicionamiento SEO.
