Tipos de datos - estructurados y no estructurados

1.2 Tipos de datos - estructurados y no estructurados

Para comprender cómo ChatGPT y otras herramientas de análisis pueden procesar información, es fundamental conocer los tipos de datos que maneja un negocio de hostelería. Los datos se clasifican principalmente en dos categorías: estructurados y no estructurados. Esta distinción determina cómo se almacenan, cómo se procesan y cómo pueden analizarse con herramientas como ChatGPT.

Datos estructurados: orden y precisión

Los datos estructurados son aquellos organizados en formatos predeterminados, con columnas definidas y valores específicos que siguen reglas claras. Son datos "ordenados" que encajan perfectamente en bases de datos y hojas de cálculo.

En un hotel, ejemplos de datos estructurados incluyen:

• Registro de huéspedes: nombre, correo, teléfono, fecha de entrada, fecha de salida, tipo de habitación, precio, método de pago.
• Sistema POS de restaurante: fecha, hora, código de mesa, platos servidos, cantidad, precio unitario, total, forma de pago.
• Ocupación diaria: fecha, número de habitaciones ocupadas, número de habitaciones disponibles, tarifa promedio, ingresos del día.
• Inventario: código de producto, descripción, cantidad en stock, precio de coste, precio de venta, ubicación en almacén.
• Planilla de empleados: ID, nombre, puesto, salario, horario, días de descanso, año de contratación.

La ventaja de los datos estructurados es su precisión y facilidad de procesamiento. Son predecibles, ocupan menos espacio de almacenamiento y pueden analizarse rápidamente con fórmulas simples. ChatGPT puede trabajar con estos datos de forma directa cuando se le presenta en formatos claros como CSV, tablas o listas.

Datos no estructurados: riqueza sin forma

Los datos no estructurados son información sin formato predefinido: texto libre, imágenes, audio, vídeo o redes de información compleja. No encajan fácilmente en celdas de una tabla ni en columnas de una base de datos.

En un negocio de hostelería encontramos abundancia de datos no estructurados:

• Reseñas de clientes: comentarios en Google, TripAdvisor, Booking o Facebook donde los huéspedes describen sus experiencias en lenguaje libre.
• Correos de clientes: consultas pre-reserva, solicitudes especiales durante la estancia, reclamaciones, sugerencias post-estancia.
• Notas internas: anotaciones de recepción sobre comportamiento de clientes, incidencias, preferencias especiales.
• Redes sociales: menciones, hashtags, comentarios sobre el establecimiento.
• Transcripciones de llamadas: comunicaciones telefónicas con clientes (si se registran).
• Imágenes: fotos de huéspedes en las instalaciones, fotos de eventos, vídeos de promoción.

Históricamente, este tipo de datos se ha desperdiciado porque era difícil de procesar. Una reseña que dice "personal amabilísimo, las habitaciones excelentes pero el WiFi fue lento" contiene información valiosa: dos fortalezas claramente definidas y una debilidad. Sin embargo, extraer y catalogar manualmente cientos de reseñas es inviable. Aquí es donde ChatGPT revoluciona el análisis.

Datos semiestructurados: el territorio intermedio

Existe una categoría intermedia: datos con cierta estructura pero no totalmente rígida. Ejemplos incluyen:

• Archivos JSON o XML (etiquetados pero variables)
• Transacciones de pago con campos opcionales
• Formularios de contacto donde algunos campos son obligatorios y otros opcionales
• Registros de eventos de un sistema (timestamp fijo, pero descripción variable)

Estos datos son especialmente útiles porque combinan la precisión de lo estructurado con la riqueza de lo no estructurado.

Ejemplo práctico: un hotel analiza su realidad de datos

Imaginemos un hotel de 40 habitaciones en la costa española:

Datos estructurados que genera:

Datos no estructurados que genera:

• 50-100 comentarios en redes sociales
• 5-15 reseñas en plataformas de viajes
• 10-30 correos de clientes
• Múltiples notas internas en el sistema de reservas
• Varias fotos y vídeos en redes sociales

Sin una estrategia para procesar datos no estructurados, este hotel solo analiza una pequeña fracción de la información que genera. ChatGPT permite procesar esas reseñas y correos para identificar patrones: si 80% de las críticas mencionan WiFi lento, es una prioridad. Si el 60% de las reseñas positivas alaban el desayuno, es un punto fuerte a promocionar.

Implicaciones para el análisis con ChatGPT

La importancia de esta clasificación radica en cómo preparamos los datos para ChatGPT:

• Datos estructurados: se presentan directamente en tablas o listas. ChatGPT puede hacer matemáticas, identificar outliers, agrupar y resumir.
• Datos no estructurados: se presentan como texto y ChatGPT extrae patrones, sentimiento, temas clave y relaciones.
• Datos combinados: la combinación de ambos tipos permite análisis más profundos. Ejemplo: cruzar comentarios negativos sobre limpieza con datos de ocupación para ver si hay relación temporal.

Ideas clave

• Los datos estructurados están organizados en formatos predefinidos (tablas, bases de datos) y son fáciles de procesar numéricamente.
• Los datos no estructurados son información sin formato fijo (reseñas, correos, comentarios) que históricamente se desperdiciaban pero contienen valor enorme.
• ChatGPT es especialmente poderoso analizando datos no estructurados, extrayendo sentimiento, temas y patrones de lenguaje natural.
• Una PYME de hostelería genera tanto datos estructurados (reservas, transacciones) como no estructurados (reseñas, comentarios) a diario.
• La combinación inteligente de datos estructurados y no estructurados revela información que ninguno de los dos tipos podría proporcionar solo.
• Comprender qué tipo de dato es cada información es el primer paso para saber cómo analizarla efectivamente con herramientas modernas.