Datos estructurados: Estos datos se organizan en un formato predefinido, a menudo bases de datos relacionales o hojas de cálculo. Los ejemplos incluyen:
* CSV (valores separados por comas): Un archivo de texto simple donde los valores están separados por comas. Muy común para importar y exportar datos.
* TSV (valores separados de pestaña): Similar a CSV, pero usa pestañas como separadores.
* JSON (notación de objeto JavaScript): Un formato de texto legible por humanos para representar datos estructurados. Ampliamente utilizado para API web e intercambio de datos.
* xml (lenguaje de marcado extensible): Un lenguaje de marcado que define un conjunto de reglas para codificar documentos en un formato que sea legible por humanos y legible.
* bases de datos SQL (por ejemplo, MySQL, PostgreSQL, Oracle, SQL Server): Estos almacenan datos en tablas relacionales, accedidas a través de consultas SQL. La base de datos en sí es la entrada, no un solo archivo.
* Archivos de hoja de cálculo (por ejemplo, XLSX, XLS): Archivos creados por programas como Microsoft Excel o Google Sheets.
Datos semiestructurados: Datos que no se ajustan rígidamente a un modelo predefinido, pero que aún poseen algunas propiedades organizativas. Ejemplos:
* Archivos de registro: Archivos de texto grabando eventos y acciones dentro de un sistema.
* json con variaciones de esquema: Datos JSON donde la estructura puede variar ligeramente entre los registros.
* archivos xml sin un esquema estricto: Datos XML donde la estructura no se aplica estrictamente.
Datos no estructurados: Datos sin un formato u organización predefinida. Los ejemplos incluyen:
* Documentos de texto (.txt, .doc, .pdf): Documentos de procesamiento de textos, PDF, etc. a menudo requieren técnicas de procesamiento del lenguaje natural (PNL) para el análisis.
* Images (.jpg, .png, .gif): Archivos de imagen utilizados para el reconocimiento y análisis de imágenes.
* archivos de audio (.mp3, .wav): Archivos de audio para reconocimiento de voz y análisis de audio.
* archivos de video (.mp4, .avi): Archivos de video para análisis de video.
Otras fuentes de datos: La entrada no es siempre de los archivos. Un sistema de información también puede recibir información de:
* API (interfaces de programación de aplicaciones): Permitir comunicación entre diferentes sistemas de software.
* bases de datos (como se mencionó anteriormente): Consultando y recibiendo datos directamente de una base de datos.
* sensores: Recopilar datos de sensores físicos (temperatura, presión, etc.).
* Datos de transmisión: Friosos de datos en tiempo real de varias fuentes.
Los archivos de datos específicos utilizados dependen completamente de la aplicación. Un sistema de nómina puede usar un archivo CSV de datos de los empleados, mientras que un modelo de aprendizaje automático puede usar un gran conjunto de datos de imágenes. Comprender los datos de entrada es crucial para desarrollar y mantener cualquier sistema de información.