Analisi documentale di frontiera con Sas

Text Analytics aiuta a scoprire opportunità e rischi legati ai social media, alle registrazioni dei call center e ai sondaggi.

La suite Text Analytics, parte del framework Sas di Business Analytics, rende automatico il lungo processo di lettura di singoli documenti, estrapolando automaticamente le informazioni rilevanti.

La soluzione è indirizzata alle aziende alla ricerca di strumenti per gestire la proliferazione di dati provenienti da social network, call center, sondaggi, moduli di reclamo e resi: la suite analizza, interpreta e struttura le informazioni per rilevare modelli, sentiment e relazioni che migliorano i processi decisionali.

Per farlo ruota su quattro componenti.

Enterprise Content Categorization applica tecniche di Natural Language Processing (Nlp) e tecniche linguistiche avanzate per la categorizzazione automatica di contenuti multilingua; analizza i contenuti per estrapolarne entità, fatti ed eventi e creare metadati, sviluppare tassonomie e generare regole di categorizzazione e definizioni di concetti da applicare a ingenti volumi di documenti per l'attivazione di processi aziendali.

Sentiment Analysis ricava opinioni positive e negative, valutazioni e emozioni di clienti e prospect da fonti digitali, inclusi blog, messaggistica istantanea (tweet) e siti Internet, e-mail interne, appunti di call center e sondaggi di opinione.

Text Miner incorpora capacità linguistiche avanzate nella soluzione chiave di data mining di Sas, Enterprise Miner. Il consolidamento dell'analisi di dati strutturati con un testo non strutturato fornisce indicazioni più significative a partire dal modeling predittivo. L'automazione dei processi di esplorazione manuale dei testi, l'integrazione di funzionalità di reporting interattive e l'aggiunta di algoritmi per rigorose analisi avanzate permettono alle imprese di comprendere meglio le tendenze future e reagire alle nuove opportunità con maggiore efficienza e minori rischi.

Infine, Ontology Management crea e mantiene metadati coerenti e centralizzati ricavati da diverse raccolte di documenti e repository testuali, in modo che i motori di ricerca ed estrapolazione delle informazioni siano in grado di identificare sistematicamente concetti comuni. In tal modo sarà possibile fornire risposte significative a domande complesse, anche quando le risposte non sono formulate in modo esplicito nel testo.

CONDIVIDI

LASCIA UN COMMENTO

Please enter your comment!
Please enter your name here