Dados estruturados, semiestruturados e não estruturados
5 min de leituraPodcast12 questões
Cai no edital de Agente PF, Escrivão PF, Papiloscopista PF, Receita Federal, Receita Federal
Para revisar
Resumo
Os dados se classificam pelo grau de organização: estruturados, semiestruturados e não estruturados. A classificação define onde guardar e como consultar.
- Estruturados: esquema fixo, definido antes da gravação; linhas e colunas com tipos.
- Semiestruturados: marcadores (tags ou chaves) dão organização, mas o esquema é flexível.
- Não estruturados: sem modelo predefinido; são a maior parte dos dados produzidos.
- Schema-on-write: a estrutura é validada na gravação (banco relacional, data warehouse).
- Schema-on-read: a estrutura é aplicada na leitura (data lake).
- NoSQL: "não só SQL"; modelos flexíveis para dados semi e não estruturados.
Entenda
Dados estruturados
Seguem esquema rígido, definido antes de gravar: tabelas com linhas, colunas e tipos fixos. Todo registro tem os mesmos campos. São consultados com SQL e ficam em SGBD relacional e em data warehouse.
Ex.: tabela VEICULO(placa, renavam, ano). Toda linha tem os três campos, e ano só aceita número. Planilha bem formada e CSV de colunas fixas seguem a mesma lógica.
Dados semiestruturados
Não cabem em tabela rígida, mas trazem marcadores que descrevem o conteúdo. São autodescritivos: o nome do campo acompanha o valor. O esquema é flexível: registros do mesmo conjunto podem ter campos diferentes.
Ex.: dois registros JSON do mesmo arquivo: {"nome": "Ana", "telefone": "9999"} e {"nome": "Rui", "email": "rui@x.br", "redes": ["a", "b"]}. Os campos diferem, e cada valor vem com sua chave. Também são semiestruturados: XML, YAML, HTML, logs com chave=valor e e-mail (cabeçalho estruturado e corpo livre).
JSON e XML
- JSON: pares chave-valor; objetos entre
{}e listas entre[]. Valores: string, número, booleano, null, objeto e array (RFC 8259). - XML: elementos com tag de abertura e de fechamento, que podem ter atributos. Pode ser validado por DTD ou XSD.
Ex.: o mesmo dado nos dois formatos. JSON: {"placa": "ABC1D23"}. XML: <veiculo><placa>ABC1D23</placa></veiculo>.
Dados não estruturados
Não têm modelo predefinido nem campos. São a maior parte dos dados gerados. Para extrair informação deles, usam-se mineração de texto, visão computacional e outras técnicas de inteligência artificial. Os metadados que acompanham o arquivo, porém, são estruturados.
Ex.: a foto apreendida em um celular é dado não estruturado. Data, hora, modelo do aparelho e coordenadas de GPS gravados no arquivo são metadados estruturados.
Schema-on-write e schema-on-read
- Schema-on-write: o esquema existe antes; o dado é validado ao gravar. É o padrão do banco relacional e do data warehouse.
- Schema-on-read: o dado é guardado no formato original; a estrutura é aplicada só na leitura. É o padrão do data lake.
Ex.: o data lake recebe planilhas, arquivos JSON e vídeos como chegam. O analista define os campos de interesse quando consulta.
Onde armazenar
- Estruturados: SGBD relacional e data warehouse.
- Semiestruturados e não estruturados: bancos NoSQL e data lake.
NoSQL quer dizer "não só SQL". Reúne modelos flexíveis, com escala horizontal: documentos, chave-valor, colunar e grafos. Não proíbe linguagens de consulta parecidas com SQL.
Ex.: em uma investigação, extratos bancários em planilha (estruturados) vão para tabelas; dados de redes sociais em JSON (semiestruturados), para banco de documentos; imagens de câmeras (não estruturados), para o data lake.
Quadro
| Tipo | Esquema | Exemplos | Armazenamento típico |
|---|---|---|---|
| Estruturado | Fixo, definido antes | Tabela SQL, CSV regular, planilha | SGBD relacional, data warehouse |
| Semiestruturado | Flexível, autodescritivo | JSON, XML, YAML, HTML, logs, e-mail | NoSQL de documentos, data lake |
| Não estruturado | Não há | Vídeo, imagem, áudio, texto livre, PDF | Data lake, armazenamento de objetos |
Como a banca cobra
- "Arquivos JSON e XML são exemplos de dados não estruturados." → errado (são semiestruturados; têm chaves e tags).
- "Dados semiestruturados exigem que todos os registros possuam exatamente os mesmos campos." → errado (o esquema é flexível; isso vale para os estruturados).
- "No data lake, adota-se a abordagem schema-on-read, em que a estrutura é aplicada no momento da leitura." → certo.
- "Uma mensagem de e-mail, com cabeçalho estruturado e corpo livre, é exemplo de dado semiestruturado." → certo.
- "O termo NoSQL indica que esses bancos proíbem o uso de qualquer linguagem de consulta semelhante à SQL." → errado (significa "não só SQL").
- "Os metadados de um arquivo não estruturado, como a data e o GPS de uma foto, também são considerados não estruturados." → errado (metadados são estruturados).
- "Dados não estruturados representam a menor parcela dos dados gerados atualmente." → errado (são a maior parte).
- "Na abordagem schema-on-write, a estrutura dos dados é validada no momento da gravação." → certo.
- Detalhe que derruba o item: JSON e XML empurrados para "não estruturado" ou para "estruturado". Tem tag ou chave, mas não tem tabela rígida: semiestruturado.
Revisão rápida
O que caracteriza o dado estruturado?Revelar
Esquema fixo, definido antes da gravação.
JSON e XML são de que tipo?Revelar
Semiestruturados.
Vídeo e texto livre são de que tipo?Revelar
Não estruturados.
Que tipo de dado é a maior parte do que se produz?Revelar
O não estruturado.
O que é schema-on-read?Revelar
Aplicar a estrutura só no momento da leitura.
Onde se usa schema-on-read?Revelar
No data lake.
O que significa NoSQL?Revelar
Não só SQL.
Metadados de uma foto são de que tipo?Revelar
Estruturados.
Referência
Mapa mental
Estruturados
- Esquema fixo antes da gravação
- Tabelas SQL, CSV regular
- SGBD relacional, data warehouse
Semiestruturados
- Esquema flexível e autodescritivo
- JSON, XML, YAML, logs
- NoSQL de documentos
Não estruturados
- Sem modelo predefinido
- Vídeo, imagem, áudio, texto livre
- Maior parte dos dados atuais
Leitura e gravação
- Schema-on-write: relacional
- Schema-on-read: data lake
⚠️ Pegadinha
- JSON e XML são semiestruturados
Questão 1, Agente PF, Certo ou Errado
Arquivos JSON e XML são exemplos de dados não estruturados.
Revelar gabarito
Gabarito: Errado
Errado. JSON e XML têm marcadores que dão alguma organização, com esquema flexível e autodescritivo, e por isso são semiestruturados. Não estruturados são textos livres, PDFs, imagens, áudio e vídeo.
Questão 2, Agente PF, Certo ou Errado
Imagens, vídeos e textos livres são exemplos de dados não estruturados.
Revelar gabarito
Gabarito: Certo
Certo. Esses conteúdos não seguem modelo predefinido de linhas e colunas e, por isso, são não estruturados. Sua análise costuma exigir técnicas como mineração de texto, visão computacional e inteligência artificial.
Questão 3, Agente PF, Certo ou Errado
No data lake, adota-se a abordagem schema-on-read, em que a estrutura é aplicada no momento da leitura.
Revelar gabarito
Gabarito: Certo
Certo. O data lake guarda os dados em formato bruto e aplica a estrutura só na leitura, abordagem chamada schema-on-read. O banco relacional faz o oposto: valida o esquema na gravação.
Questão 4, Agente PF, Certo ou Errado
Dados semiestruturados exigem que todos os registros possuam exatamente os mesmos campos.
Revelar gabarito
Gabarito: Errado
Errado. A flexibilidade é justamente a marca dos dados semiestruturados: cada registro pode ter campos diferentes, porque o esquema é autodescritivo. Exigir campos idênticos caracterizaria o esquema rígido dos dados estruturados.
Questão 5, Agente PF, Certo ou Errado
Tabelas de um banco de dados relacional armazenam dados estruturados.
Revelar gabarito
Gabarito: Certo
Certo. Tabelas relacionais têm esquema rígido, definido antes da gravação, com linhas, colunas e tipos fixos. Essa organização caracteriza os dados estruturados, consultados com SQL e guardados também em data warehouses.
- Revelar resposta
Dados estruturados
Esquema rígido e prévio (schema-on-write), linhas e colunas com tipos fixos; consultados com SQL.
- Revelar resposta
Dados semiestruturados
Marcadores que dão alguma organização, esquema flexível e autodescritivo: JSON, XML, YAML, HTML, logs.
- Revelar resposta
Dados não estruturados
Sem modelo predefinido: textos livres, PDFs, imagens, áudio, vídeo; maior parte dos dados produzidos.
- Revelar resposta
Schema-on-write × schema-on-read
On-write: estrutura definida antes de gravar (relacional, DW). On-read: aplicada na leitura (data lake).
- Revelar resposta
Onde guardar semi e não estruturados
Bancos NoSQL (documentos, chave-valor, grafos, colunares) e data lake.
- Revelar resposta
E-mail como dado semiestruturado
O e-mail combina cabeçalho organizado em campos com corpo em texto livre, e por isso é classificado como semiestruturado, ao lado de JSON, XML, YAML e logs.
- Revelar resposta
Significado de NoSQL
NoSQL significa não só SQL: indica modelos flexíveis e escala horizontal, como documentos, chave-valor, grafos e colunares, sem vedar linguagens de consulta semelhantes à SQL.
- Revelar resposta
Schema-on-write
No schema-on-write, típico dos bancos relacionais, a estrutura é validada ao gravar; no schema-on-read, típico do data lake, ela é aplicada apenas na leitura.
- Revelar resposta
Metadados de arquivo não estruturado
A imagem é não estruturada, mas seus metadados, como data, autor e coordenadas GPS, são campos definidos e, portanto, constituem dados estruturados associados ao arquivo.
Estude Agente PF no app
Grátis, sem cartão