Unstrukturierte Daten sind Tickets für den Geschäftserfolg

Firmen zum Thema

Allerdings erwarten Fachabteilungen von der Textanalyse Antworten auf ihre Fragestellungen, die mehr als einzelne Begriffe, Fakten und Kernaussagen umfassen. Aus gutem Grund: Will die Marketing-Abteilung beispielweise von der Analyse wissen, warum Kunden zum Wettbewerb wechseln, benötigen sie für ihre Geschäftsentscheidungen eine differenzierte Auswertung und eine Gruppierung zusammengehörender Kernaussagen. Genau diese Aufgabe übernehmen Kategorien, die auf der dritten Stufe des Prozesses ins Spiel kommen: Sie repräsentieren die fachspezifischen Fragestellungen der Analyse. Eine hierarchische, baumartige Gliederung der Kategorien sorgt – vergleichbar mit einer Klassifikation – dafür, dass die Analyseergebnisse dem jeweils gewünschten Detailierungsgrad entsprechen.

Bei der Exhaustive Extraction werden die Kategorien in einem separaten Schritt befüllt. E-Mails an den Kundenservice können so beispielsweise auf Beschwerden mit Blick auf die Servicequalität (interessant für den Leiter des Kundenservice) oder auf Produktprobleme (interessant für den Produkt-Manager) hin untersucht werden. Begriffe, Fakten oder Kernaussagen werden dabei den Kategorien zugeordnet.

Ergänzendes zum Thema

Von unstrukturierten zu strukturierten Daten

Der Informationsgehalt unstrukturierter Zeichenketten (Textdaten) findet sich in den hintereinandergereihten Worten, kontextabhängigen Bedeutungsvarianten und grammatikalischen Feinheiten. Um diese Informationsschatz zu heben, müssen die Texte bzw. die darin enthaltenen Informationen zunächst einmal in eine strukturierte Form übersetzt werden. Mit der Technologie der Textanalyse können dann die un- und schwach strukturierten Texte in strukturierte Daten übersetzt werden, sodass große Textmengen automatisiert gelesen und mittels Business Intelligence analysiert werden können.

Ergänzendes zum Thema

Bestimmung der relevanten Informationen

Begriffe: Sie umfassen alle Substantive und Verben des Dokuments. Allein aus den extrahierten Begriffen kann schon der ungefähre Inhalt des Textes abgeleitet werden.

Entitäten: Sie gruppieren Begriffe nach deren Bedeutung (Semantik), indem sie ihnen einen Typ zuweisen und synonyme Schreibweisen eines Begriffs in einer Entität zusammenfassen. Beispiele für Entitätstypen (und Entitäten) sind Unternehmen (Daimler AG, Allianz SE, Lufthansa AG), Person (Angela Merkel, Kai Diekmann, Nico Rosberg), Land (Deutschland, Italien, USA), Zeitangabe (gestern, 5 Minuten, 14 Tage), URL (http://www.bigdata-insider.de), Hashtag (#epic, #fail, #wm2014). Entitäten sind entweder als Wortlisten (Unternehmen, Land), reguläre Ausdrücke (URL, Hashtag) oder grammatikalische Regeln (Person, Zeitangabe) definiert. Sie können genereller Natur und vom Anbieter des Textanalyse-Systems vordefiniert sein oder werden projektspezifisch definiert und bringen so die fachspezifische Semantik ein. Beispiele für projektspezifische Entitätstypen sind Produktname und Produktkomponente.

Fakten: Die zweistelligen Wortkombinationen werden aus Substantiv und Verb oder Adjektiv gebildet. Fakten verknüpfen zwei zusammengehörende Wörter und repräsentieren deshalb bereits wesentliche Zusammenhänge des Texts. Beispiele sind „Auto:schnell sein“, „Telefontarif:teuer sein“, „ich:mögen“, „sie:hassen“.

Kernaussagen: Diese Wortkombinationen bestehen aus Subjekt, Prädikat, Objekt. Durch das zusätzliche Objekt des Satzes repräsentieren sie die wesentlichen Aussagen der Texte. Beispiele: „ich:mögen:BigData-Insider.de“, „sie:hassen:Betrüger“, „Tablet:verdrängen:PC“.

Ausdrucksformen: Sprache kennt viele Formen, die einen Fakt bzw. eine Kernaussage in einem anderen Licht erscheinen lassen wie zum Beispiel: Ich werde meinen Vertrag nicht kündigen. Soll ich meinen Vertrag kündigen? Wenn mich niemand zurückruft, kündige ich meinen Vertrag. Ich will meinen Vertrag kündigen. Ich habe gestern meinen Vertrag gekündigt. Ausdrucksformen wie Negation, Frage, Bedingung, Absicht, Vergangenheit ergänzen die Fakten bzw. die Kernaussagen entsprechend, so dass diese Informationen bei der Analyse zur Verfügung stehen. Zum Beispiel „Telefontarif:teuer sein [Negation]“, „ich:kündigen [Absicht]:Vertrag“.

Textanalyse wandelt Big Text Data in Smart Data

Die in den Texten behandelten Themen werden in einem nächsten Schritt in den Themenkategorien erfasst. Die Relevanz der Themen ergibt sich einerseits aus der Fragestellung, andererseits aus der Häufigkeit des Themas in den untersuchten Texten. Typische Themen für eine Marketing-Fragestellung sind zum Beispiel die Namen der Wettbewerber, die Produkte, Produkteigenschaften, die im Kontext eines Wechsels von Kunden genannt werden, und die Gründe für den Wechsel zu einem Wettbewerber. Die relevanten Fakten und Kernaussagen werden dann in den Aussagenkategorien dargestellt. Unterschieden wird dabei zwischen tonalen und nicht-tonalen Aussagen, wobei tonale Aussagen die Meinung bzw. Einstellung (Tonalität oder Sentiment) widerspiegeln.

Nach der Ermittlung der vorkommenden Begriffe, Entitäten, Fakten und Kernaussagen und der Zuordnung zu Kategorien durch die Textanalyse werden auf der letzten Stufe diese Informationen zusammen mit den Dokument-Metadaten im Data Warehouse abgespeichert. Am Ende dieses Prozesses sind aus den unstrukturierten Texten strukturierte Daten geworden, die integrativ zusammen mit anderen strukturierten Unternehmensdaten von der Business Intelligence analysiert werden können. Dann wird aus Big Text Data auch Smart Data – und Unternehmen können einen entscheidenden Informationsvorsprung vor dem Wettbewerb erhalten.

(ID:42978476)

Kommentar von Dr. Hans Holger Rath, Attensity Europe

Unstrukturierte Daten sind Tickets für den Geschäftserfolg

Textanalyse wandelt Big Text Data in Smart Data