06. Dados estruturados, semiestruturados e não estruturados

Uma organização recebe linhas de sistemas transacionais, documentos JSON de APIs, imagens, áudios e textos. A estrutura está no próprio conteúdo e no modo de interpretá-lo, não apenas na extensão do arquivo ou no lugar em que ele foi guardado.

O percurso começa pela representação do mundo real. Primeiro entendemos a arquitetura e os níveis de modelagem; depois construímos o modelo relacional, protegemos sua integridade e aprendemos SQL. Ao final, levamos essa base para o ambiente analítico dimensional. Este é o capítulo 6 de 12 da disciplina Modelagem de Dados e SQL. A leitura retoma Normalização de dados e usa essa base para avançar. Depois, seguiremos para Metadados e dicionário de dados.

O fio condutor

Banco de dados deve ser estudado como um sistema de decisões conectadas. O significado atribuído ao dado orienta o modelo; o modelo condiciona consultas e atualizações; o SGBD executa essas operações sob regras de segurança, concorrência, desempenho e recuperação. Quando uma dessas camadas muda, as demais podem ser afetadas.

Ao longo da leitura, acompanhe sempre quatro perguntas: qual problema está sendo resolvido, qual estrutura representa o problema, que garantia precisa ser preservada e qual custo acompanha a escolha. Esse roteiro ajuda a compreender os conceitos em vez de apenas memorizar nomes.

As três categorias

Começamos por As três categorias, pois essa base permite compreender as decisões apresentadas nas seções seguintes.

A categoria é propriedade da representação, não do assunto: o mesmo pedido de compra pode existir como linhas de tabela (estruturado), como documento JSON numa integração (semiestruturado) e como PDF digitalizado do formulário (não estruturado) — cada forma impondo o que é possível fazer: SQL direto, navegação por chaves ou extração por OCR.

É comum a convivência das duas pontas: um acervo de vídeos de audiências descrito por fichas com título, data, duração e órgão tem conteúdo não estruturado com metadados estruturados. Os metadados tornam o acervo pesquisável; não mudam a natureza do conteúdo.

Repare como Critério: o conteúdo, Estruturado além do SGBD, Mesmo dado, formatos diferentes participam da mesma decisão. Ao relacionar esses elementos, fica mais fácil prever o comportamento do banco e reconhecer os efeitos de cada escolha.

Formatos semiestruturados

A seção anterior apresentou As três categorias. Agora chegamos a Formatos semiestruturados, que acrescenta a próxima peça do mesmo raciocínio.