Tipos de datos: una tabla, un JSON y una reseña
Cómo distinguir datos estructurados, semiestructurados y no estructurados, y qué debes comprobar al convertir texto o eventos en una tabla útil.
Una cifra de devolución, un evento de una aplicación y el comentario «llegó tarde, pero funciona bien» contienen información sobre una compra. Su forma cambia lo que puedes preguntar directamente. La clasificación entre datos estructurados, semiestructurados y no estructurados ayuda a anticipar ese trabajo.
| Tipo | Ejemplo | Antes de analizar |
|---|---|---|
| Estructurado | Tabla con fecha e importe | Validar campos, unidades y tipos |
| Semiestructurado | Evento JSON con campos opcionales | Acordar esquema y versiones |
| No estructurado | Reseña, audio o fotografía | Extraer y comprobar significado |
La distinción es una herramienta de trabajo, no una propiedad mágica de una extensión. La introducción de IBM compara estas formas de organización. Un mismo documento puede combinar varias.
La tabla promete que una columna significa lo mismo
| devolucion_id | fecha | importe_eur | motivo |
|---|---|---|---|
| D-01 | 2026-10-01 | 24.50 | talla |
| D-02 | 2026-10-02 | 18.00 | defecto |
Con ese esquema puedes sumar importes y contar motivos. Pero la tabla solo resulta fiable si «importe_eur» siempre representa euros con el mismo criterio. Mezclar cantidades brutas y netas produce un cálculo incorrecto aunque todos los valores sean números válidos.
Una hoja con una fila por registro y encabezados estables puede seguir este modelo. Otra hoja con títulos combinados, subtotales entre los datos y notas en columnas variables necesita preparación. Excel permite ambas cosas; el formato del archivo no resuelve la diferencia.
JSON organiza campos; el proyecto decide su significado
[
{"version": 1, "tipo": "devolucion", "id": "D-01", "importe_centimos": 2450},
{"version": 1, "tipo": "consulta", "pagina": "/devoluciones/"}
]Una consulta no necesita importe. Ambos eventos sí necesitan una definición estable de tipo y versión.
JSON utiliza claves, valores y estructuras anidadas. Tener claves reconocibles no garantiza que todas las aplicaciones las interpreten igual. ¿La fecha lleva zona horaria? ¿Un importe ausente significa que no procede o que falló la captura? ¿Cómo distingue el lector una versión antigua?
Un contrato de datos responde a esas preguntas. Puedes imponer un esquema estricto a un JSON y rechazar entradas que no lo cumplan. También puedes almacenar JSON dentro de una base relacional: PostgreSQL ofrece tipos específicos para ello. Formato y motor son decisiones distintas.
Una reseña tiene matices que no caben en una sola nota
La reseña ficticia «llegó tarde, pero funciona bien» mezcla dos valoraciones. Si la conviertes en «negativa», pierdes que el producto funcionó. Si la conviertes en «positiva», desaparece el problema de entrega. Primero define qué necesitas observar.
| Campo | Valor del ejemplo |
|---|---|
| Texto original | Llegó tarde, pero funciona bien |
| Tema 1 / valoración | Entrega / negativa |
| Tema 2 / valoración | Producto / positiva |
| Revisión | Confirmado en este ejemplo manual |
Un proceso automático puede proponer esos campos, pero debe admitir casos ambiguos. «Llegó pronto, ya era hora» podría expresar una queja sobre compras anteriores. Conservar el fragmento de origen permite revisar la clasificación; guardarlo sin relación con el resultado hace mucho más difícil corregirla.
Lo que importa de un archivo depende de la pregunta
Una fotografía tiene dimensiones y fecha, que son metadatos estructurados. Averiguar qué aparece dentro requiere interpretar sus píxeles. En un correo, el remitente y la fecha son accesibles como campos; la intención del mensaje exige leer el cuerpo. Un PDF puede contener texto seleccionable o solo la imagen de un papel.
El resultado final puede ser una tabla aunque el material inicial fuese texto, audio o imagen. Lo valioso es poder volver del número a la fuente y explicar cómo se obtuvo. Esta distinción será útil tanto para un informe pequeño como para un sistema de Big Data.


