Tema 1 de 5
Formas de representar los datos
Antes de elegir una base de datos o un servicio de Azure hay que saber qué forma tienen los datos. El examen empieza por aquí: distinguir datos estructurados, semiestructurados y no estructurados, y reconocer cada tipo en un escenario. Es la base de todo lo que viene después.
Contenido
¿Qué son los datos?
Los datos son una colección de hechos (números, descripciones, observaciones) que se usan para registrar información. Se organizan en estructuras que suelen representar entidades importantes para la organización: clientes, productos, pedidos. Cada entidad tiene uno o más atributos: un cliente tiene nombre, dirección, teléfono.
Entidad
Algo sobre lo que se guarda información: Cliente, Producto, Pedido.
Atributo
Una característica de la entidad: nombre, precio, fecha.
Instancia
Un caso concreto: el cliente Joe Jones, el pedido 1001.
Según cuánto se ajustan a una estructura, los datos se clasifican en estructurados, semiestructurados o no estructurados.
Datos estructurados
Datos que se ajustan a un esquema fijo: todos tienen los mismos campos o propiedades.
Lo más común es que el esquema sea tabular: una o más tablas con filas (cada instancia de la entidad) y columnas (cada atributo).
| ID | Nombre | Correo |
|---|---|---|
| 1 | Joe Jones | joe@litware.com |
| 2 | Samir Nadoy | samir@northwind.com |
Suelen guardarse en una base de datos en la que varias tablas se referencian entre sí mediante valores clave, siguiendo el modelo relacional. Por ejemplo, un pedido guarda la clave del cliente que lo hizo en vez de repetir todos sus datos.
Datos semiestructurados
Información que tiene cierta estructura, pero admite variaciones entre una instancia y otra.
Ejemplo: la mayoría de clientes tiene un correo electrónico, pero algunos tienen varios y otros ninguno. Un formato habitual es JSON (JavaScript Object Notation):
// Cliente 1: teléfono y correo
{
"firstName": "Joe",
"lastName": "Jones",
"contact": [
{ "type": "home", "number": "555 123-1234" },
{ "type": "email", "address": "joe@litware.com" }
]
}
// Cliente 2: solo correo, y además un campo "unit" en la dirección
{
"firstName": "Samir",
"lastName": "Nadoy",
"address": { "streetAddress": "123 Elm Pl.", "unit": "500" },
"contact": [
{ "type": "email", "address": "samir@northwind.com" }
]
}Los dos documentos describen clientes, pero los campos concretos cambian. JSON no es la única forma: XML también representa datos semiestructurados. Lo importante es la flexibilidad, no la sintaxis.
Datos no estructurados
No todos los datos tienen estructura. Documentos, imágenes, audio, video y archivos binarios pueden no tener una estructura específica: son datos no estructurados.
Documentos
Contratos en PDF, presentaciones
Imágenes
Fotos de productos, escaneos
Audio
Grabaciones de llamadas
Video
Cámaras, formación grabada
Este tipo de contenido suele guardarse como archivos binarios (BLOB) que una aplicación debe interpretar y mostrar.
Datos vectoriales (embeddings)
Las organizaciones trabajan cada vez más con datos vectoriales, también llamados embeddings: una representación numérica de contenido como texto o imágenes.
Para qué sirven
Las aplicaciones de IA usan vectores para encontrar contenido semánticamente similar: por ejemplo, devolver documentos que hablan de «devoluciones» aunque la pregunta diga «reembolso». Dos textos con significado parecido tienen vectores cercanos.
Comparativa de los tres tipos
| Estructurados | Semiestructurados | No estructurados | |
|---|---|---|---|
| Esquema | Fijo, igual para todas las filas | Flexible, varía entre instancias | Sin estructura específica |
| Forma típica | Tablas con filas y columnas | Documentos JSON, XML | Archivos binarios |
| Ejemplo | Tabla de productos con precio | Perfiles de cliente con campos opcionales | Imágenes, audio, video |
| Almacén habitual | Base de datos relacional | Base de datos de documentos o archivos JSON | Almacenamiento de archivos u objetos (BLOB) |
Dónde se guardan
Las organizaciones guardan datos para registrar entidades (clientes, productos), eventos (ventas) u otra información en documentos e imágenes, y después los recuperan para analizarlos. Hay dos grandes categorías de almacén:
Almacenes de archivos
Los datos se guardan como archivos en un sistema de archivos compartido, cada vez más en la nube. El formato del archivo depende del tipo de dato y de quién lo va a leer.
Bases de datos
Un sistema dedicado a gestionar registros de datos, relacional o no relacional, que se consultan y actualizan.
Los siguientes artículos de este dominio explican los formatos de archivo, los tipos de base de datos y qué servicio de Azure encaja en cada caso.
Escenarios de examen
| Situación | Tipo de dato | Por qué |
|---|---|---|
| Una tabla de clientes donde todas las filas tienen las mismas columnas | Estructurados | Esquema fijo y tabular. |
| Documentos JSON de clientes: unos tienen dos correos y otros ninguno | Semiestructurados | Hay estructura, pero varía entre instancias. |
| Fotos de productos, grabaciones de llamadas y PDF escaneados | No estructurados | No tienen una estructura específica. |
| Representaciones numéricas de textos para buscar contenido parecido con IA | Datos vectoriales (embeddings) | Permiten búsquedas por similitud semántica. |
| Pedidos que referencian al cliente por su clave | Estructurados en un modelo relacional | Las tablas se relacionan con claves. |
| Un archivo XML con etiquetas anidadas | Semiestructurados | Etiquetas que describen la estructura. |
| Videos de cámaras de seguridad | No estructurados | Datos binarios que una app debe interpretar. |
Trampas frecuentes del examen
❓ ¿Un archivo JSON siempre contiene datos no estructurados?
No. JSON es el ejemplo clásico de datos semiestructurados: tiene estructura, pero los campos pueden variar.
❓ Si una columna puede quedar vacía (NULL), ¿los datos dejan de ser estructurados?
No. Siguen teniendo el mismo esquema; un valor vacío no cambia las columnas.
❓ ¿Las imágenes son datos semiestructurados porque tienen metadatos?
No. Imágenes, audio y video se consideran datos no estructurados.
❓ ¿Qué tipo de datos usa una aplicación de IA para encontrar textos con significado parecido?
Datos vectoriales (embeddings), representaciones numéricas del contenido.
❓ ¿Los datos estructurados tienen que estar en una base de datos?
No necesariamente. También pueden guardarse en archivos, como un CSV, que sigue un esquema tabular.
❓ ¿Cuáles son las dos grandes categorías de almacén de datos?
Almacenes de archivos y bases de datos.
¿Entendiste este tema?
Pon a prueba lo que acabas de aprender
Una tienda guarda perfiles de clientes en documentos JSON. Algunos perfiles tienen varias direcciones y otros ninguna. ¿Qué tipo de datos son?
¿Listo para poner a prueba "Formas de representar los datos"?
Preguntas originales, cada una con su explicación.
Empezar un simulacroInicia sesión para guardar tu progreso.