`
linguagem
` `
topico
` `
nome
`Analise de Texto`
` `
titulo
`Analise de Texto`
` `
descritor
`Analise texto
`
` `
lead
`Passos para tirar valor de um texto`
` `
melhorar
`
`
` `
referencia
`Sistemas de retroação e controle`
` `
origem
`AnaliseValorTexto.xml`
` `
` `
topico
` `
titulo
`Passo 1`
` `
desc
` Identificar os processos de negócios e operações que irão se beneficiar da análise de texto:
Lançamentos de campanha.
Combate a fraude.
Processos de conformidade regulamentar.
Reduzir atrasos no exame de registros de call center, reclamações de garantia, e outros textos gerados por eventos, tais como, compras de produtos, embarques e reivindicações de danos.
Melhor lugar para começar é o lugar onde as interações humanas geram grandes volumes de texto, como em processos de centro de atendimento ao cliente e call center.
`
` `
` `
topico
` `
titulo
`Passo 2`
` `
desc
` Indicar cenários de negocios combinando com textos usando técnicas analiticas :
automatizar a classificação de notas de call center .
processamento de linguagem natural, pesquisa, recuperação de informação, extração entidade, lingüística computacional, classificação, visualização.
Para permitir a recuperação ea análise eficiente, o objetivo inicial poderia ser organizar e categorizar o conteúdo.
organizar os dados de origem para a estrutura de análise e elaboração de relatórios.
Classificação, incluindo o desenvolvimento de taxonomias para reconhecer automaticamente combinações de palavras que se encaixam classificações e fazer distinções com base no significado.
ferramentas de apoio ao desenvolvimento de ontologias, que fornecem visões conceituais de alto nível acima taxonomias individuais.
abordar cenários de negócios com uma estratégia baseada na natureza polivalente de análise de texto e abordagens de classificação.
tratar diversidade de fontes e evitar custos através da automação.
`
` `
` `
topico
` `
titulo
`Passo 3`
` `
desc
` Desenvolver uma estratégia para analisar dados não estruturados a partir de Midias Sociais:
agregados com dados do cliente e do mercado interno
descobrir como as pessoas consideram a marca da sua empresa, produtos e serviços.
análise de dados de texto gerados pela atividade de mídia social pode informar estratégias de marketing em tempo real, para orientar mensagens em curso e interação.
foco é analisar sentimento.
Algoritmos podem ser ajustados para filtrar o ruído e avaliar significado, que pode ser confuso porque as pessoas vão usar sarcasmo, duplas negativas, e diversas expressões coloquiais
desenvolver regras para a identificação de sentimento e, em seguida, marcar retorno documentado, como comentários feitos depois de lançamentos de produtos.
definir as expectativas com cuidado para garantir que os usuários apliquem conhecimentos com sabedoria.
`
` `
` `
topico
` `
titulo
`Passo 4`
` `
desc
`Implantar análise de texto para obter informações valiosas de interações com o cliente:
Malha aberta: ação de controle é independente da saida. Torrador automatico
Malha fechada: ação de controle é dependente da saida. Mecanismo do piloto automatico e o avião que ele controla (retroação)
`
` `
` `
topico
` `
titulo
`Passo5`
` `
desc
` Plano para a Integração Analitica para dados estruturados e não estruturados.
Visualizações únicas de toda a informação
. Armazens de informações desconexas previne as organizações de ganhar visualizações completas de clientes, cadeias de fornecimento, a atividade fraudulenta, o desempenho dos negócios, e muito mais. Os tomadores de decisão podem se beneficiar de uma única visão de que preenche as lacunas e revela as relações entre as fontes de informação.
Contexto mais completo para dados de negócios estruturados.
Frequencia da lista de dados estruturados e códigos obtidos dos registros de transações, pedidos de equipamentos, diagnósticos de saúde e mais de listagem de dados estruturados são fundamentais para a análise. No entanto, os relatórios baseados em apenas estas fontes fazem pouco para ajudar os usuários a responder o "porquê" : Por que esses números tão altos (ou baixos)? Ao fornecer acesso a informações geradas por notas de especialistas no assunto "ou interações com os clientes ao redor transações de dados, os usuários podem ganhar um caminho mais rápido para a introspecção..
Melhores atributos para prever o comportamento
. Analistas construir modelos preditivos para compreender e antecipar a rotatividade de clientes, reclamações fraudulentas, os atrasos de pagamento, ou um aumento nas chamadas de serviço exigem o melhor possível combinação de atributos. Atributos gerados pelos dados de mídia social, notas de contact center, notas de serviço de campo, e muito mais podem ser combinados com os de fontes estruturadas para ganhar novos conhecimentos preditivos.
`
` `
` `
topico
` `
titulo
`Passo6`
` `
desc
` Aumentar as opções de visualização de dados para permitir mais clara visão de fontes de texto:
Ss imagens são mais fáceis de consumir, a visualização pode promover uma melhor colaboração em dados entre usuários em diferentes papéis e funções.
A visualização é uma parte fundamental da tendência para a funcionalidade de auto-atendimento em BI e análise de descoberta.
As ferramentas são o que torna mais simples para os usuários a selecionar as visualizações, como gráficos, mapas de dados, mapas de calor, histogramas e gráficos de dispersão de acordo com sua análise, relatório e as necessidades de compartilhamento de dados.
Dashboards podem facilitar um de pontos de vista que utilizam vários tipos de visualização .
Muitos usuários querem estender essa funcionalidade para o conteúdo baseado em texto para que eles possam visualizar freqüências palavra, padrões e tendências em todos os tipos de dados disponíveis.
Muitos usuários começam a visualização de texto com as nuvens de palavras, que mostram a importância relativa dos termos ou conceitos como eles aparecem em todas as fontes de texto. Nuvens da palavra pode ser útil para a compreensão de tendências de mídia social, prazo e tendências temáticas, bem como expressões utilizadas em outros documentos, tais como notas de call center.
A filtragem pode ajudar os usuários a reduzir o ruído e interagir com as fatias de dados específicos para focar consultas.
Algumas ferramentas oferecem funcionalidade além de nuvens de palavras, incluindo diagramas de rede e constelações de termos . Estes permitem aos usuários visualizar mais facilmente os relacionamentos, incluindo o uso de palavras ou conceitos em diferentes geografias.
Como a visualização torna-se mais comum para todos os tipos de dados, as organizações precisam prestar atenção à qualidade e relevância da apresentação e definir as expectativas de acordo com os usuários.
As organizações devem visualizações também sob medida para os papéis e responsabilidades dos usuários para que eles tenham informações úteis que suporta suas necessidades de tomada de decisões e as ações que eles tomam com base na informação.
`
` `
` `
topico
` `
titulo
`Passo 7`
` `
desc
` Implantar Analytics texto com Hadoop, em memória de computação e outras tecnologias de Big Data
O crescente interesse deixa claro que big data é quase apenas sobre o volume de dados ou maiores organizações com os maiores bancos de dados.
As pequenas e médias empresas também lutam com a forma de integrar e analisar a sua variedade de dados, o que pode incluir registros de interações com os clientes, notas de chamadas de serviço, documentos, livros, formulários e mensagens de e-mail. Junto com o relatório, as empresas precisam realizar análises descoberta, onde eles procuram padrões e tendências anteriormente desconhecidas.
Análise de texto ajuda as empresas a desenvolver estruturas de classificação de dados e extrair grandes entidades, temas, conceitos, fatos e sentimento para filtrar o ruído.
Algumas ferramentas utilizam modelos estatísticos baseados em máquina de aprendizagem para acelerar a extração de grandes dados "lagos", onde não há estrutura. Hoje, essas fontes de dados brutos são muitas vezes mantidos em arquivos do Hadoop.
As organizações podem usar o Hadoop e tecnologias relacionadas, como MapReduce para apoiar a implementação de sofisticados algoritmos de análise de texto e modelos de todo, dados detalhados matérias para encontrar padrões, descobrir correlações, e detectar anomalias que poderiam ser importantes para seus objetivos.
A demanda por conhecimentos mais rápidas está a aumentar a importância da computação in-memory para fornecer o poder ea escala necessária para análise de texto visuais sobre fontes de dados grandes.
O In-memory computing é uma alternativa para a leitura dos dados do disco para cada operação. Ele pode permitir que as organizações de trazer grandes volumes de dados mais perto dos usuários para que eles possam realizar análises de auto-atendimento.
As organizações devem avaliar o papel da computação in-memory para apoiar a análise de texto de dados grandes.
`
` `
` `
topico
` `
titulo
`Passo 8`
` `
desc
` Permitir que os usuários de dispositivos móveis para se beneficiar de análise de texto visual
O Mobility continua a ser uma tendência importante. Por ir com smartphones e tablets, os usuários querem os mais recentes dispositivos que lhes permitem baixar aplicativos, personalizá-los e compartilhar conteúdo com outras pessoas através de mensagens de texto, redes sociais e outros métodos.
Sistemas de BI tradicionais que se concentraram em fornecer aos usuários com relatórios padrão e análise de dados estruturados apenas estão sob pressão em um ambiente onde os usuários querem mais tipos de dados, melhor visualização e opções de auto-atendimento sintonizado com a experiência móvel.
Inicialmente, muitas empresas estavam hesitantes sobre BI móvel e análise por causa de preocupações com a segurança. Segurança ainda é uma questão fundamental, mas com experiência, as organizações líderes estão desenvolvendo estratégias para o gerenciamento de dados. Como os usuários procuram o acesso a fontes de dados semi-estruturados e não estruturados para análise de texto, os processos de segurança devem ser revisados.
Empresas também precisam definir as expectativas dos usuários de desempenho, qualidade de dados, e disponibilidade para análise de texto, assim como eles têm para o acesso móvel aos dados tradicionais.
As organizações devem considerar o contexto dos usuários 'mobile experiência, isto é, se eles estão presentes no local com os clientes, em uma fábrica ou filiais, ou no meio de colaboração com outros usuários-para adequar o desempenho, disponibilidade e funcionalidade.
Análise de texto para celular pode ser benéfico para muitos tipos de usuários, tais como vendas de campo e gerentes de serviços de que necessitam para explorar contexto em torno de dados estruturados. Gerentes no escritório de casa, por exemplo, pode visualizar tendências encontradas em notas de serviço e reclamações e compartilhar os seus conhecimentos com o pessoal de serviço de campo atualmente envolvidos com contas.
Profissionais de saúde médicos também poderiam se beneficiar, usando análise de texto para procurar a frequência das palavras e outros padrões em mensagens de texto; com essas idéias, eles poderiam ajustar as tratamentos ou recomendar mudanças no comportamento do paciente. Como a medicina baseada em evidências torna-se padrão, os profissionais de saúde vão precisar de recursos mais fortes para o acesso e análise de fontes de texto enquanto engajados com os pacientes.
Organizações não deve ignorar a forte tendência para o acesso móvel e análise. Nesta etapa, desenvolver uma estratégia para permitir a análise de texto visuais em dispositivos móveis e iniciar os procedimentos de governança de dados para acomodar o acesso móvel.
`
` `
` `
`