Como a inteligência artificial e os dados não estruturados vão mudar a Big Data

O que você precisa saber

Imagine que você recebe dois arquivos. O primeiro deles é uma planilha do Excel que contém, em uma coluna, campos como “Nome”, “Idade” e “Endereço” e, na coluna vizinha, as informações referentes a uma pessoa (João da Silva, por exemplo). O segundo é uma entrevista em vídeo com esse mesmo João da Silva, na qual ele menciona as mesmas informações do que as que estão contidas na planilha.

Em termos de informação, pode parecer que há pouca diferença entre os dois arquivos. Afinal, todos dados sobre João que estão presentes na planilha são mencionados por ele em algum momento do vídeo. Mas num segundo momento, é fácil entender que o vídeo contém também uma série de outras informações que a planilha não seria capaz de incluir.

Por exemplo: como vemos João falando conosco, percebemos sua expressão facial ao nos dar cada informação. Vemos, aliás, o seu rosto – algo que uma planilha com apenas números e letras jamais poderia mostrar. Notamos também a expressão corporal de João, e disso podemos depreender se ele é tímido ou extrovertido, se ele está à vontade com a entrevista ou receoso por causa dela.

Finalmente, além de João notamos também o local da entrevista, e isso nos dá uma série de informações sobre aquele momento. Se ele aconteceu na casa de João, por exemplo, teremos uma ideia de sua condição social. Uma planilha que incluísse apenas os dados “brutos” de João, por outro lado, jamais seria capaz de nos dar insights desse tipo.

Infelizmente, no entanto, há outra diferença profunda entre os dois arquivos. A planilha pode facilmente ser lida e interpretada por uma máquina, que a partir do arquivo pode organizar todas as informações sobre João. O vídeo, por sua vez, embora contenha ainda mais informações, não seria compreendido pela máquina. Com isso, os dados contido nele acabariam passando em branco – ao menos por enquanto.

De maneira geral, o exemplo acima ilustra a diferença entre “dados estruturados” (a planilha) e “dados não estruturados” (o vídeo). Os dados estruturados são bem organizados, facilmente legíveis por uma máquina e facilmente indexáveis, o que faz com que seja fácil encontrá-los em buscas. Os dados não estruturados, por sua vez, são menos organizados e legíveis por máquinas; por isso, são difíceis de indexar, e acabam não aparecendo mesmo em buscas relevantes.