La foto de la portada es una imagen de libre uso de Pixabay y editada por 
El avance llegó a tiempo para el censo de 1.890, cuando se utilizó el tabulador de tarjetas perforadas de Herman Hollerith para almacenar y procesar los datos.
La máquina de Hollerith revolucionó el análisis de los datos del censo en países de todo el mundo, como Alemania, Rusia, Noruega y Cuba.
Posteriormente, Hollerith vendió su máquina a la empresa que evolucionó hasta convertirse en IBM, que desarrolló y produjo una serie de máquinas de tarjetas perforadas ampliamente utilizadas.
En 1.969, el American National Standards Institute (ANSI) definió el código de tarjetas perforadas de Hollerith (o código de tarjetas de Hollerith), en honor a Hollerith por sus primeras innovaciones en materia de tarjetas perforadas.
Imagen de Pixabay y editada por
La recopilación de datos sólo podía llevarse a cabo una vez que los investigadores habían decidido qué preguntas querían que respondieran sus experimentos o encuestas, y los datos resultantes, muy estructurados, se transcribían en papel en filas y columnas ordenadas, y se podían someter a los métodos tradicionales de análisis estadístico.
En ese momento, era necesario abordar los problemas que inevitablemente generaba el gran volumen de datos al que daba acceso la Web, y lo primero que se hace es ver cómo podemos distinguir entre los distintos tipos de datos.
Los datos estructurados, del tipo que se escribía a mano y se guardaba en cuadernos o en archivadores, ahora se almacenan electrónicamente en hojas de cálculo o bases de datos, y consiste en tablas de estilo hoja de cálculo con filas y columnas, cada fila cada fila es un registro y cada columna un campo bien definido, como por ejemplo: nombre, dirección y edad.
Los datos cuidadosamente estructurados y tabulados son relativamente fáciles de gestionar y son susceptibles de ser analizados estadísticamente.
En cambio, los datos no estructurados no son tan fáciles de clasificar e incluyen fotos, vídeos, tweets y documentos de textos.
Una vez que el uso de la de la World Wide Web, se vio que muchas de esas fuentes potenciales de información seguían siendo inaccesibles porque carecían de la estructura necesaria para aplicar las técnicas de análisis existentes.
Los correos electrónicos, por ejemplo, están estructurados en el encabezado, así como el propio mensaje no estructurado en el texto, por lo que pueden clasificarse como datos semiestructurados.
La adición de una etiqueta de palabra a una imagen en un sitio web la hace identificable y, por tanto, más fácil de buscar.
Los datos semiestructurados también se encuentran en las redes sociales, que utilizan hashtags para que los mensajes (que son datos no estructurados) sobre un tema concreto puedan ser tema en particular.
Como no se pueden no pueden almacenarse en bases de datos u hojas de cálculo tradicionales, se han tenido que desarrollar herramientas especiales para extraer información útil.
Imagen de Pixabay y editada por
Si te gusto este tema y quieres seguir profundizando acerca de Los datos: Explosión, no te pierdas la próxima publicación, pero si aún así deseas conocer otra perspectiva del mismo, te invito a investigar en las siguientes referencias que acá te comparto:
