{"id":1505,"date":"2021-07-20T09:37:31","date_gmt":"2021-07-20T15:37:31","guid":{"rendered":"https:\/\/idsinc.com\/?p=1505"},"modified":"2026-03-09T15:14:02","modified_gmt":"2026-03-09T21:14:02","slug":"datos-de-accion-y-datos-verbales","status":"publish","type":"post","link":"https:\/\/idsinc.com\/es\/action-data-and-vebal-data\/","title":{"rendered":"Fact Crashing\u2122: Principio 2 \u2013 Inmersi\u00f3n profunda"},"content":{"rendered":"<p class=\"wp-block-paragraph\"><strong>Esta es una introducci\u00f3n de varias partes a <a href=\"https:\/\/idsinc.com\/es\/hecho-chocando\/\" target=\"_blank\" rel=\"noreferrer noopener\">Fact Crashing\u2122<\/a>: La aceleraci\u00f3n de la resoluci\u00f3n de disputas a trav\u00e9s de la priorizaci\u00f3n de evidencia basada en datos (datos de ACCI\u00d3N).<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Hay 9 Principios de <a href=\"https:\/\/idsinc.com\/es\/hecho-chocando\/\" target=\"_blank\" rel=\"noreferrer noopener\">Choque de hechos<\/a>\u2122. A partir de la Parte III de la serie, he discutido:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"https:\/\/idsinc.com\/es\/el-desplome-de-los-hechos-parte-ii\/\" target=\"_blank\" rel=\"noreferrer noopener\"><strong>Principio 1: Los datos son evidencia y son detectables<\/strong><\/a><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"https:\/\/idsinc.com\/es\/desafiando-los-hechos-parte-iii-principio-2\/\" target=\"_blank\" rel=\"noreferrer noopener\"><strong>Principio 2: los datos deben abordarse temprano<\/strong><\/a><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Continuemos.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-for-this-installment-i-will-answer-the-question-what-is-action-data\"><strong>Para esta entrega, responder\u00e9 a la pregunta: \u00bfQu\u00e9 son los datos de ACCI\u00d3N?<\/strong><\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Tradicionalmente, en el proceso de descubrimiento, las partes se enfrentan a una amplia variedad de pruebas, pero podr\u00eda decirse que solo importan unas pocas categor\u00edas: pruebas f\u00edsicas, pruebas demostrativas, pruebas documentales y pruebas testimoniales.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Dentro de este paradigma, la informaci\u00f3n almacenada electr\u00f3nicamente (ESI) se considera prueba documental. Dentro del mundo de ESI, hay dos categor\u00edas de datos: datos estructurados y datos no estructurados. La mayor\u00eda de nosotros estamos m\u00e1s familiarizados con los datos no estructurados. Se trata de datos de forma libre que tienen un contenido altamente maleable, como correos electr\u00f3nicos, documentos de MS Word, hojas de c\u00e1lculo de MS Excel, archivos de MS PowerPoint, archivos de audio, fotos y pel\u00edculas. Cualquier cosa en la que el contenido no siga un dise\u00f1o, formato o f\u00f3rmula en particular. De ah\u00ed el t\u00e9rmino &quot;no estructurado&quot;. Lo contrario de no estructurado es, datos de campo o datos que est\u00e1n estructurados. T\u00edpicamente consideradas como bases de datos, tambi\u00e9n pueden ser p\u00e1ginas de hojas de c\u00e1lculo, archivos de carga o archivos de registro. Los datos estructurados tambi\u00e9n pueden hacer referencia a elementos con metadatos, incluidos correos electr\u00f3nicos, documentos de Microsoft Office y entradas del sistema operativo.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Descubr\u00ed que gran parte de los datos estructurados con los que tratamos son de seguimiento, rastreo y transaccionales. Estos son los datos que registran su compra en Amazon\u2122: qu\u00e9 compr\u00f3 cuando lo compr\u00f3, cu\u00e1ntas unidades, informaci\u00f3n de pago e informaci\u00f3n de env\u00edo. Todo esto son datos estructurados (en campos). Cuando recibe el producto y publica una rese\u00f1a, puede escribir lo que quiera. Por lo general, no est\u00e1 limitado por el contenido, solo por la longitud. Su revisi\u00f3n son datos no estructurados.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-it-also-turns-out-that-data-scientists-consider-all-data-structured-in-fact-three-axes-of-structure-can-be-used-to-describe-any-data\"><strong><em>Tambi\u00e9n resulta que los cient\u00edficos de datos consideran todos los datos estructurados. De hecho, se pueden usar tres ejes de estructura para describir cualquier dato:<\/em><\/strong><\/h3>\n\n\n\n<ul class=\"wp-block-list\"><li>\u00bfQu\u00e9 tan estructurado est\u00e1 el contenido?<\/li><li>\u00bfQu\u00e9 tan estructurado est\u00e1 el almacenamiento?<\/li><li>\u00bfQu\u00e9 tan estructurada es la recuperaci\u00f3n?<\/li><\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Todos nuestros sistemas de datos se pueden medir a lo largo de estos tres ejes. Entonces, no hay datos no estructurados; solo hay datos menos estructurados. Esto siempre me recuerda a la pel\u00edcula &quot;The Matrix&quot; cuando el ni\u00f1o le dice a Neo: &quot;La verdad es que no hay una cuchara&quot;. Por esta analog\u00eda, podr\u00edamos considerar el correo electr\u00f3nico como &quot;datos semiestructurados&quot; porque combina datos de campo y datos de formato libre. Del mismo modo, para mensajes de texto, mensajer\u00eda instant\u00e1nea, im\u00e1genes, archivos de audio, etc. Todos los datos tienden a tener alg\u00fan grado de datos consistentes, altamente definidos y altamente estructurados que controlan varios aspectos del seguimiento de la creaci\u00f3n, almacenamiento, uso, recuperaci\u00f3n e incluso datos. disposici\u00f3n.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Entonces, usar t\u00e9rminos como datos estructurados y datos no estructurados cuando <em>todo <\/em>datos tiene varios grados de estructura puede ser un nombre inapropiado.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-some-other-descriptors-may-be-helpful\"><strong>Algunos otros descriptores pueden ser \u00fatiles:<\/strong><\/h3>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Humano<\/strong>  <em>contra<\/em>  <strong>Instrumental<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Subjetivo<\/strong>  <em>contra<\/em>  <strong>Objetivo<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Ingres\u00f3<\/strong>  <em>contra<\/em>  <strong>Grabado<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Manual<\/strong>  <em>contra<\/em>  <strong>automatizado<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">&nbsp;<strong>Vago<\/strong>  <em>contra<\/em>  <strong>Preciso<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Cosa an\u00e1loga<\/strong>  <em>contra<\/em>  <strong>Cu\u00e1ntico<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Variable<\/strong>  <em>contra<\/em>  <strong>Reparado<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Forma libre<\/strong>  <em>contra<\/em>  <strong>definido<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Contenido<\/strong>  <em>contra<\/em>  <strong>Contexto<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Palabras<\/strong>  <em>contra<\/em>  <strong>N\u00fameros<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Ideas<\/strong>  <em>contra<\/em>  <strong>M\u00e9trica<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Abstracto<\/strong>  <em>contra<\/em>  <strong>Hormig\u00f3n<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Ling\u00fc\u00edstico<\/strong>  <em>contra<\/em>  <strong>Matem\u00e1tico<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Otras caracter\u00edsticas tambi\u00e9n son esenciales para reconocer. El principal de ellos es la curva de costos de los datos estructurados frente a los datos no estructurados. Esto merece su propio cap\u00edtulo, pero baste decir que las curvas son muy diferentes por ahora. Los datos no estructurados tienen una curva de costo lineal. Cuantos m\u00e1s datos tengas, m\u00e1s cuesta. Incluso con tecnolog\u00eda avanzada, podemos cambiar la pendiente de la l\u00ednea, pero sigue siendo una l\u00ednea.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Los datos estructurados, por otro lado, tienen una curva que refleja econom\u00edas de escala aceleradas, casi acerc\u00e1ndose a los costos fijos. Esta es una inversi\u00f3n inicial con costos marginales m\u00ednimos o nulos para registros adicionales por fuente de datos. Adem\u00e1s, hay un valor compuesto para cada fuente de datos adicional, incluso cuando el costo incremental es relativamente fijo. Cada nueva fuente de datos representa costos lineales pero valor exponencial.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-for-all-of-these-reasons-i-suggest-the-paradigm-of\"><strong>Por todas estas razones, sugiero el paradigma de:<\/strong><\/h3>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>ACCI\u00d3N<\/strong>  <em>contra<\/em>  <strong>VERBAL<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Los datos de ACCI\u00d3N se centran en la transacci\u00f3n, la actividad, los metadatos y los datos del sistema asociados con esa actividad. Estos datos son ambientales, contextuales, transaccionales, instrumentales, operativos y navegables. Tambi\u00e9n podr\u00eda ser considerado: Atribuible, Codificado, Contado, Enterado, Objetivo y Necesario. En otras palabras, esto no es lo que alguien dijo que hizo (ese ser\u00eda el contenido de su mensaje, correo de voz, foto). En cambio, es lo que realmente hicieron.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-what-is-the-opposite-of-action-data-that-would-be-verbal-data\"><strong>\u00bfQu\u00e9 es lo contrario de los datos de ACCI\u00d3N? Ser\u00edan datos VERBALES:<\/strong><\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">A diferencia de los datos de ACCI\u00d3N, los datos VERBALES son variables, emocionales, reflexivos, BLOB, art\u00edsticos y ling\u00fc\u00edsticos. Los descriptores opcionales son Variado, Emotivo, Relatable, B\u00e1sico, Procesable (Articulado y Ambiguo, tambi\u00e9n) e Idioma. Es \u00fatil pensar en el mundo de los datos en dos grupos: datos de ACCI\u00d3N y datos VERBALES, especialmente cuando reconocemos que muchos archivos de datos contienen elementos de ambos. <a href=\"https:\/\/idsinc.com\/es\/hecho-chocando\/\" target=\"_blank\" rel=\"noreferrer noopener\">Fact Crashing\u2122<\/a> se centra en los datos de ACCI\u00d3N. Y, cuando los datos VERBALES est\u00e1n disponibles, buscamos formas de convertirlos en datos de ACCI\u00d3N.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-how-do-you-turn-verbal-data-into-action-data\"><strong>\u00bfC\u00f3mo convertir los datos VERBALES en datos de ACCI\u00d3N?<\/strong><\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Agregando metadatos. Esto se hace extrayendo metadatos de los datos VERBAL o creando metadatos del contenido VERBAL. Extraemos metadatos cuando extraemos datos de los encabezados de correo electr\u00f3nico y luego usamos esos campos para filtrar esos correos electr\u00f3nicos. Tambi\u00e9n lo hacemos cuando dibujamos propiedades de archivo de documentos de MS Office y luego usamos esos campos para filtrar esos archivos. Creamos metadatos cuando analizamos el contenido de archivos y campos de formato libre para extraer informaci\u00f3n de ellos. \u00bfContienen informaci\u00f3n de identificaci\u00f3n personal (PII)? \u00bfHacen referencia a los problemas A, B o C? \u00bfSe relacionan con los conceptos 1, 2 o 3? \u00bfSe pueden categorizar como factura, contrato, entrada de calendario, SPAM? \u00bfEl contenido es responsivo? \u00bfEs privilegiado? Cuando identificamos y luego registramos estas caracter\u00edsticas, estamos creando metadatos.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">De hecho, cada vez que analizamos datos no estructurados, nuestras computadoras en realidad se basan en caracter\u00edsticas estructuradas, incluso cuando esas caracter\u00edsticas son transitorias o est\u00e1n detr\u00e1s de escena. Por ejemplo: cuando le gusta una canci\u00f3n en particular en Pandora\u00ae, ese sistema puede recomendarle canciones similares. \u00bfComo hace esto? Pandora no escucha la m\u00fasica, sino que se basa en metadatos pregrabados. En Pandora, cada canci\u00f3n est\u00e1 clasificada por Ph.D. music\u00f3logos utilizando 400 caracter\u00edsticas de campo diferentes que se encuentran en el Proyecto Genoma Musical. Estos cubren las cualidades de melod\u00eda, ritmo, armon\u00eda, forma, composici\u00f3n y letra.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Por <\/strong><a href=\"https:\/\/computer.howstuffworks.com\/internet\/basics\/pandora.htm\" target=\"_blank\" rel=\"noreferrer noopener\"><strong>Julia Layton en C\u00f3mo funcionan las cosas<\/strong><\/a><strong>:<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><em>\u201cPandora se basa en un Genoma Musical que consta de 400 atributos musicales que cubren las cualidades de melod\u00eda, armon\u00eda, ritmo, forma, composici\u00f3n y letra. Es un proyecto que comenz\u00f3 en enero de 2000 y llev\u00f3 cinco a\u00f1os a 30 expertos en teor\u00eda musical para completarlo. The Genome se basa en un intrincado an\u00e1lisis realizado por humanos reales (alrededor de 20 a 30 minutos por canci\u00f3n de cuatro minutos) de la m\u00fasica de 10,000 artistas de los \u00faltimos 100 a\u00f1os. El an\u00e1lisis de m\u00fasica nueva contin\u00faa todos los d\u00edas desde el lanzamiento en l\u00ednea de Pandora en agosto de 2005. Desde mayo de 2006, la biblioteca de m\u00fasica de Genome contiene 400.000 canciones analizadas de 20.000 artistas contempor\u00e1neos. Todav\u00eda no encontrar\u00e1s m\u00fasica latina o cl\u00e1sica: Pandora est\u00e1 en el proceso de desarrollar un genoma de m\u00fasica latina especializado y todav\u00eda est\u00e1 pensando profundamente en c\u00f3mo abordar el mundo de la composici\u00f3n cl\u00e1sica\u201d.<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Pandora y Music Genome Project han traducido algo inherentemente VERBAL en algo que ahora es ACCI\u00d3N. Los datos de ACCI\u00d3N se pueden medir, comparar y clasificar. Los datos VERBALES, en su formato original, solo pueden ser le\u00eddos por Humanos. Esto es costoso y requiere mucho tiempo. En los primeros d\u00edas del descubrimiento asistido por computadora, cuando trabaj\u00e1bamos principalmente con documentos en papel y los escane\u00e1bamos para crear repositorios de im\u00e1genes TIFF, envi\u00e1bamos colecciones extensas de documentos a equipos de revisi\u00f3n de menor costo. Su \u00fanico trabajo era &quot;codificar&quot; los documentos. Esta codificaci\u00f3n bibliogr\u00e1fica llen\u00f3 campos como Autor, Materia, Fecha, Categor\u00eda, etc. Estos campos, a su vez, se convirtieron en la base de la recuperaci\u00f3n. Los datos VERBALES (las im\u00e1genes escaneadas) se aumentaron con datos de ACCI\u00d3N.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-but-can-t-we-just-deal-with-the-free-form-text-yes-but-there-are-limitations\"><strong>Pero, \u00bfno podemos simplemente tratar con el texto de forma libre? S\u00ed, pero hay limitaciones.<\/strong><\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">En el trabajo seminal de recuperaci\u00f3n de informaci\u00f3n de <a href=\"https:\/\/deepblue.lib.umich.edu\/bitstream\/handle\/2027.42\/28883\/0000719.pdf?sequence=1&amp;isAllowed=y\" target=\"_blank\" rel=\"noreferrer noopener\">Blair y Maron (1985)<\/a>, los abogados estaban usando el <a href=\"https:\/\/www-01.ibm.com\/common\/ssi\/cgi-bin\/ssialias?infotype=dd&amp;subtype=sm&amp;htmlfid=897\/ENUS5740-XR1\" target=\"_blank\" rel=\"noreferrer noopener\">Sistema de ESCALERAS de IBM<\/a>. Este fue el primer sistema documentado que permiti\u00f3 la b\u00fasqueda booleana (Y, O, NO, etc.) y la b\u00fasqueda por proximidad (adyacente a, mismo p\u00e1rrafo, etc.). Desde entonces, hemos mejorado constantemente la b\u00fasqueda de texto completo con funciones avanzadas adicionales, procesamiento de lenguaje natural, traductores de idiomas y t\u00e9cnicas avanzadas de recuperaci\u00f3n de informaci\u00f3n para agrupamiento, m\u00e1quinas de vectores espaciales, b\u00fasqueda de conceptos, etc.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Blair y Maron criticaron en\u00e9rgicamente el sistema de recuperaci\u00f3n de texto completo por considerarlo ineficaz para identificar los documentos correctos. Desde entonces, hemos madurado muchas tecnolog\u00edas para ayudar con el manejo de datos de formato libre. Estos generalmente se agrupan bajo alguna forma de inteligencia artificial. Son mucho mejores pero todav\u00eda limitados.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">\u00bfSer\u00eda \u00fatil saber si sus correos electr\u00f3nicos contienen informaci\u00f3n de identificaci\u00f3n personal (PII)? Luego puede usar un algoritmo para buscar, identificar y luego registrar ese aspecto. al hacerlo, extraer\u00eda algunos datos de ACCI\u00d3N de sus datos VERBALES. \u00bfSer\u00eda \u00fatil analizar un gran grupo de comunicaciones en busca de sentimiento? Si es as\u00ed, puede usar un algoritmo de an\u00e1lisis de sentimientos para analizar, asignar y registrar ese aspecto. Acaba de extraer algunos datos de ACCI\u00d3N de sus datos VERBALES.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-so-yes-we-can-handle-verbal-data-but-it-s-labor-intensive-expensive-subjective-and-can-have-widely-varying-degrees-of-precision-and-recall\"><strong><em>Entonces s\u00ed, podemos manejar datos VERBALES. Pero requiere mucha mano de obra, es costoso, subjetivo y puede tener grados muy variados de precisi\u00f3n y recuperaci\u00f3n.<\/em><\/strong><\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Por todas estas razones, es apropiado priorizar otras fuentes antes que los datos VERBALES. Es pertinente priorizar los datos de ACCI\u00d3N y usarlos para aumentar los datos VERBALES. Reconocer esto es la esencia de <a href=\"https:\/\/idsinc.com\/es\/hecho-chocando\/\" target=\"_blank\" rel=\"noreferrer noopener\">Fact Crashing\u2122<\/a>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En las pr\u00f3ximas entregas, veremos c\u00f3mo identificar, calificar y priorizar los datos de ACCI\u00d3N. Una vez que se ajuste a esto, as\u00ed como Neo vio Matrix como bits y bytes, puede comenzar a ver datos de ACCI\u00d3N en todas partes.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"https:\/\/idsinc.com\/es\/cuestiones-de-caso-marco-como-consultas-centradas-en-datos\/\" target=\"_blank\" rel=\"noreferrer noopener\"><strong>Contin\u00fae con la Parte V de nuestra serie Fact Crashing\u2122 &gt;&gt;<\/strong><\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator\"\/>\n\n\n\n<p class=\"wp-block-paragraph\"><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong><em>iDiscovery Solutions es una firma de consultor\u00eda estrat\u00e9gica, tecnolog\u00eda y servicios expertos que ofrece soluciones personalizadas de eDiscovery, desde an\u00e1lisis forense digital hasta testimonios de expertos para bufetes de abogados y corporaciones en los Estados Unidos y Europa.<\/em><\/strong><\/p>\n\n<!--themify_builder_content-->\n<div id=\"themify_builder_content-1505\" data-postid=\"1505\" class=\"themify_builder_content themify_builder_content-1505 themify_builder tf_clear\">\n    <\/div>\n<!--\/themify_builder_content-->\n\n\n<p class=\"wp-block-paragraph\"> <\/p>","protected":false},"excerpt":{"rendered":"<p>This is a multi-part introduction to Fact Crashing\u2122: The acceleration of dispute resolution through the prioritization of data-based evidence (ACTION data). There are 9 Principles of Fact Crashing\u2122. As of Part III in the series, I have discussed: Principle 1: Data is Evidence and is Discoverable Principle 2: Data Should be Addressed Early Let us [&hellip;]<\/p>\n","protected":false},"author":2,"featured_media":3389,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[10,38],"tags":[16],"class_list":["post-1505","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog","category-methodologies","tag-fact-crashing","has-post-title","has-post-date","has-post-category","has-post-tag","has-post-comment","has-post-author",""],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v27.6 (Yoast SEO v27.6) - https:\/\/yoast.com\/product\/yoast-seo-premium-wordpress\/ -->\n<title>Fact Crashing\u2122: Principle 2. Deep Dive: ACTION data v. VERBAL data<\/title>\n<meta name=\"description\" content=\"The 4th installment of Fact Crashing\u2122 iDiscovery defines action data, verbal data, structured data, unstructured data &amp; extracting metadata.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/idsinc.com\/es\/datos-de-accion-y-datos-verbales\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Fact Crashing\u2122: Principle 2 - Deep Dive\" \/>\n<meta property=\"og:description\" content=\"The 4th installment of Fact Crashing\u2122 iDiscovery defines action data, verbal data, structured data, unstructured data &amp; extracting metadata.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/idsinc.com\/es\/datos-de-accion-y-datos-verbales\/\" \/>\n<meta property=\"og:site_name\" content=\"iDiscovery Solutions\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/iDiscovery-Solutions-110210573904472\" \/>\n<meta property=\"article:published_time\" content=\"2021-07-20T15:37:31+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-03-09T21:14:02+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/idsinc.com\/wp-content\/uploads\/2022\/03\/iDS-Fact-Crashing-Blog-Images4.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"2500\" \/>\n\t<meta property=\"og:image:height\" content=\"1250\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Dan Regard\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dan Regard\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"8 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/idsinc.com\\\/action-data-and-vebal-data\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/idsinc.com\\\/action-data-and-vebal-data\\\/\"},\"author\":{\"name\":\"Dan Regard\",\"@id\":\"https:\\\/\\\/idsinc.com\\\/en_gb\\\/#\\\/schema\\\/person\\\/803ad31781146823f476911393d83156\"},\"headline\":\"Fact Crashing\u2122: Principle 2 &#8211; Deep Dive\",\"datePublished\":\"2021-07-20T15:37:31+00:00\",\"dateModified\":\"2026-03-09T21:14:02+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/idsinc.com\\\/action-data-and-vebal-data\\\/\"},\"wordCount\":1663,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\\\/\\\/idsinc.com\\\/en_gb\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/idsinc.com\\\/action-data-and-vebal-data\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/idsinc.com\\\/wp-content\\\/uploads\\\/2022\\\/03\\\/iDS-Fact-Crashing-Blog-Images4.jpg\",\"keywords\":[\"fact crashing\"],\"articleSection\":[\"Blog\",\"Frameworks + Methodologies\"],\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/idsinc.com\\\/action-data-and-vebal-data\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/idsinc.com\\\/action-data-and-vebal-data\\\/\",\"url\":\"https:\\\/\\\/idsinc.com\\\/action-data-and-vebal-data\\\/\",\"name\":\"Fact Crashing\u2122: Principle 2. Deep Dive: ACTION data v. VERBAL data\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/idsinc.com\\\/en_gb\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/idsinc.com\\\/action-data-and-vebal-data\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/idsinc.com\\\/action-data-and-vebal-data\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/idsinc.com\\\/wp-content\\\/uploads\\\/2022\\\/03\\\/iDS-Fact-Crashing-Blog-Images4.jpg\",\"datePublished\":\"2021-07-20T15:37:31+00:00\",\"dateModified\":\"2026-03-09T21:14:02+00:00\",\"description\":\"The 4th installment of Fact Crashing\u2122 iDiscovery defines action data, verbal data, structured data, unstructured data & extracting metadata.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/idsinc.com\\\/action-data-and-vebal-data\\\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/idsinc.com\\\/action-data-and-vebal-data\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/idsinc.com\\\/action-data-and-vebal-data\\\/#primaryimage\",\"url\":\"https:\\\/\\\/idsinc.com\\\/wp-content\\\/uploads\\\/2022\\\/03\\\/iDS-Fact-Crashing-Blog-Images4.jpg\",\"contentUrl\":\"https:\\\/\\\/idsinc.com\\\/wp-content\\\/uploads\\\/2022\\\/03\\\/iDS-Fact-Crashing-Blog-Images4.jpg\",\"width\":2500,\"height\":1250,\"caption\":\"In the fourth installment of Fact Crashing\u2122 iDiscovery defines action data, verbal data, structured data, unstructured data and extracting metadata.\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/idsinc.com\\\/action-data-and-vebal-data\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/idsinc.com\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Blog\",\"item\":\"https:\\\/\\\/idsinc.com\\\/de\\\/category\\\/blog\\\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"ACTION data and VERBAL data\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/idsinc.com\\\/en_gb\\\/#website\",\"url\":\"https:\\\/\\\/idsinc.com\\\/en_gb\\\/\",\"name\":\"iDiscovery Solutions\",\"description\":\"Use data to your advantage in the courtroom\",\"publisher\":{\"@id\":\"https:\\\/\\\/idsinc.com\\\/en_gb\\\/#organization\"},\"alternateName\":\"iDS\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/idsinc.com\\\/en_gb\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/idsinc.com\\\/en_gb\\\/#organization\",\"name\":\"iDiscovery Solutions\",\"alternateName\":\"iDS\",\"url\":\"https:\\\/\\\/idsinc.com\\\/en_gb\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/idsinc.com\\\/en_gb\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/idsinc.com\\\/wp-content\\\/uploads\\\/2021\\\/01\\\/iDS-Logo-3c-e1611176096212.png\",\"contentUrl\":\"https:\\\/\\\/idsinc.com\\\/wp-content\\\/uploads\\\/2021\\\/01\\\/iDS-Logo-3c-e1611176096212.png\",\"width\":100,\"height\":73,\"caption\":\"iDiscovery Solutions\"},\"image\":{\"@id\":\"https:\\\/\\\/idsinc.com\\\/en_gb\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.facebook.com\\\/iDiscovery-Solutions-110210573904472\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/idsinc\",\"https:\\\/\\\/www.youtube.com\\\/channel\\\/UCarv7o1MeYfCp0eZ1IrufIw\"],\"description\":\"iDS provides consultative data solutions to corporations and law firms around the world, giving them a decisive advantage \u2013 both in and out of the courtroom. iDS\u2019s subject matter experts and data strategists specialize in finding solutions to complex data problems, ensuring data can be leveraged as an asset, not a liability.\",\"email\":\"info@idsinc.com\",\"telephone\":\"+1.800.813.4832\",\"legalName\":\"iDiscovery Solutions\"},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/idsinc.com\\\/en_gb\\\/#\\\/schema\\\/person\\\/803ad31781146823f476911393d83156\",\"name\":\"Dan Regard\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/71f395a2e924fed8327f7eae9a8e3f3c021847644b1cea8c14a20b0396aa22f1?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/71f395a2e924fed8327f7eae9a8e3f3c021847644b1cea8c14a20b0396aa22f1?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/71f395a2e924fed8327f7eae9a8e3f3c021847644b1cea8c14a20b0396aa22f1?s=96&d=mm&r=g\",\"caption\":\"Dan Regard\"},\"url\":\"https:\\\/\\\/idsinc.com\\\/es\\\/author\\\/dan\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Fact Crashing\u2122: Principio 2. An\u00e1lisis profundo: datos de ACCI\u00d3N versus datos VERBALES","description":"La cuarta entrega de Fact Crashing\u2122 iDiscovery define datos de acci\u00f3n, datos verbales, datos estructurados, datos no estructurados y extracci\u00f3n de metadatos.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/idsinc.com\/es\/datos-de-accion-y-datos-verbales\/","og_locale":"es_ES","og_type":"article","og_title":"Fact Crashing\u2122: Principle 2 - Deep Dive","og_description":"The 4th installment of Fact Crashing\u2122 iDiscovery defines action data, verbal data, structured data, unstructured data & extracting metadata.","og_url":"https:\/\/idsinc.com\/es\/datos-de-accion-y-datos-verbales\/","og_site_name":"iDiscovery Solutions","article_publisher":"https:\/\/www.facebook.com\/iDiscovery-Solutions-110210573904472","article_published_time":"2021-07-20T15:37:31+00:00","article_modified_time":"2026-03-09T21:14:02+00:00","og_image":[{"width":2500,"height":1250,"url":"https:\/\/idsinc.com\/wp-content\/uploads\/2022\/03\/iDS-Fact-Crashing-Blog-Images4.jpg","type":"image\/jpeg"}],"author":"Dan Regard","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"Dan Regard","Tiempo de lectura":"8 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/idsinc.com\/action-data-and-vebal-data\/#article","isPartOf":{"@id":"https:\/\/idsinc.com\/action-data-and-vebal-data\/"},"author":{"name":"Dan Regard","@id":"https:\/\/idsinc.com\/en_gb\/#\/schema\/person\/803ad31781146823f476911393d83156"},"headline":"Fact Crashing\u2122: Principle 2 &#8211; Deep Dive","datePublished":"2021-07-20T15:37:31+00:00","dateModified":"2026-03-09T21:14:02+00:00","mainEntityOfPage":{"@id":"https:\/\/idsinc.com\/action-data-and-vebal-data\/"},"wordCount":1663,"commentCount":0,"publisher":{"@id":"https:\/\/idsinc.com\/en_gb\/#organization"},"image":{"@id":"https:\/\/idsinc.com\/action-data-and-vebal-data\/#primaryimage"},"thumbnailUrl":"https:\/\/idsinc.com\/wp-content\/uploads\/2022\/03\/iDS-Fact-Crashing-Blog-Images4.jpg","keywords":["fact crashing"],"articleSection":["Blog","Frameworks + Methodologies"],"inLanguage":"es","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/idsinc.com\/action-data-and-vebal-data\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/idsinc.com\/action-data-and-vebal-data\/","url":"https:\/\/idsinc.com\/action-data-and-vebal-data\/","name":"Fact Crashing\u2122: Principio 2. An\u00e1lisis profundo: datos de ACCI\u00d3N versus datos VERBALES","isPartOf":{"@id":"https:\/\/idsinc.com\/en_gb\/#website"},"primaryImageOfPage":{"@id":"https:\/\/idsinc.com\/action-data-and-vebal-data\/#primaryimage"},"image":{"@id":"https:\/\/idsinc.com\/action-data-and-vebal-data\/#primaryimage"},"thumbnailUrl":"https:\/\/idsinc.com\/wp-content\/uploads\/2022\/03\/iDS-Fact-Crashing-Blog-Images4.jpg","datePublished":"2021-07-20T15:37:31+00:00","dateModified":"2026-03-09T21:14:02+00:00","description":"La cuarta entrega de Fact Crashing\u2122 iDiscovery define datos de acci\u00f3n, datos verbales, datos estructurados, datos no estructurados y extracci\u00f3n de metadatos.","breadcrumb":{"@id":"https:\/\/idsinc.com\/action-data-and-vebal-data\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/idsinc.com\/action-data-and-vebal-data\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/idsinc.com\/action-data-and-vebal-data\/#primaryimage","url":"https:\/\/idsinc.com\/wp-content\/uploads\/2022\/03\/iDS-Fact-Crashing-Blog-Images4.jpg","contentUrl":"https:\/\/idsinc.com\/wp-content\/uploads\/2022\/03\/iDS-Fact-Crashing-Blog-Images4.jpg","width":2500,"height":1250,"caption":"In the fourth installment of Fact Crashing\u2122 iDiscovery defines action data, verbal data, structured data, unstructured data and extracting metadata."},{"@type":"BreadcrumbList","@id":"https:\/\/idsinc.com\/action-data-and-vebal-data\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/idsinc.com\/"},{"@type":"ListItem","position":2,"name":"Blog","item":"https:\/\/idsinc.com\/de\/category\/blog\/"},{"@type":"ListItem","position":3,"name":"ACTION data and VERBAL data"}]},{"@type":"WebSite","@id":"https:\/\/idsinc.com\/en_gb\/#website","url":"https:\/\/idsinc.com\/en_gb\/","name":"Soluciones iDiscovery","description":"Utilice los datos a su favor en la sala del tribunal","publisher":{"@id":"https:\/\/idsinc.com\/en_gb\/#organization"},"alternateName":"iDS","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/idsinc.com\/en_gb\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/idsinc.com\/en_gb\/#organization","name":"Soluciones iDiscovery","alternateName":"iDS","url":"https:\/\/idsinc.com\/en_gb\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/idsinc.com\/en_gb\/#\/schema\/logo\/image\/","url":"https:\/\/idsinc.com\/wp-content\/uploads\/2021\/01\/iDS-Logo-3c-e1611176096212.png","contentUrl":"https:\/\/idsinc.com\/wp-content\/uploads\/2021\/01\/iDS-Logo-3c-e1611176096212.png","width":100,"height":73,"caption":"iDiscovery Solutions"},"image":{"@id":"https:\/\/idsinc.com\/en_gb\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/iDiscovery-Solutions-110210573904472","https:\/\/www.linkedin.com\/company\/idsinc","https:\/\/www.youtube.com\/channel\/UCarv7o1MeYfCp0eZ1IrufIw"],"description":"iDS ofrece soluciones de datos consultivas a corporaciones y bufetes de abogados de todo el mundo, lo que les otorga una ventaja decisiva, tanto dentro como fuera de los tribunales. Los expertos en la materia y los estrategas de datos de iDS se especializan en encontrar soluciones a problemas de datos complejos, garantizando que los datos puedan aprovecharse como un activo, no como un pasivo.","email":"info@idsinc.com","telephone":"+1.800.813.4832","legalName":"iDiscovery Solutions"},{"@type":"Person","@id":"https:\/\/idsinc.com\/en_gb\/#\/schema\/person\/803ad31781146823f476911393d83156","name":"dan respeto","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/secure.gravatar.com\/avatar\/71f395a2e924fed8327f7eae9a8e3f3c021847644b1cea8c14a20b0396aa22f1?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/71f395a2e924fed8327f7eae9a8e3f3c021847644b1cea8c14a20b0396aa22f1?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/71f395a2e924fed8327f7eae9a8e3f3c021847644b1cea8c14a20b0396aa22f1?s=96&d=mm&r=g","caption":"Dan Regard"},"url":"https:\/\/idsinc.com\/es\/author\/dan\/"}]}},"builder_content":"","_links":{"self":[{"href":"https:\/\/idsinc.com\/es\/wp-json\/wp\/v2\/posts\/1505","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/idsinc.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/idsinc.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/idsinc.com\/es\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/idsinc.com\/es\/wp-json\/wp\/v2\/comments?post=1505"}],"version-history":[{"count":1,"href":"https:\/\/idsinc.com\/es\/wp-json\/wp\/v2\/posts\/1505\/revisions"}],"predecessor-version":[{"id":9493,"href":"https:\/\/idsinc.com\/es\/wp-json\/wp\/v2\/posts\/1505\/revisions\/9493"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/idsinc.com\/es\/wp-json\/wp\/v2\/media\/3389"}],"wp:attachment":[{"href":"https:\/\/idsinc.com\/es\/wp-json\/wp\/v2\/media?parent=1505"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/idsinc.com\/es\/wp-json\/wp\/v2\/categories?post=1505"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/idsinc.com\/es\/wp-json\/wp\/v2\/tags?post=1505"}],"curies":[{"name":"gracias","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}