Traditionelle Informationssysteme sind auf die maschinelle Aufbereitung und Verdichtung von Zahlen hin optimiert. Nicht alles aber lässt sich in Zahlen packen – und so entstehen immer mehr in Texten abgelegte Informationen. Um diese Informationen nutzen zu können, sind zusätzliche Methoden erforderlich, die über die aus der Zahlenwelt bekannten hinausgehen. Inhalte müssen kategorisiert, gewichtet und bewertet werden – nach Kriterien, die sich im Laufe der Bearbeitung womöglich ändern. Kurz, es müssen Lösungen für Text Mining angewandt werden.

Welche systematischen Herangehensweisen an Text Analytics sich bewährt haben und wie ganz konkrete Umsetzungen in der Praxis aussehen, erfahren Sie in einem kompakten Workshop am 12. September auf dem SAS Forum 2013 in Mannheim.

Damit auch Sie künftig in Ihrem Unternehmen selbst auf Entdeckungsreise in den Datenbergen gehen können, hier ein Vorgeschmack auf das, was Sie im 90-Minuten-Workshop Text Analytics – Methoden und Beispiele erwartet:

Ausgehend von einem breiten Abzug an Social Media-Daten mit Versicherungsbezug untersuchte die metafinanz Informationssysteme GmbH im Rahmen einer Pilot-Studie businessrelevante Themen. Mit Hilfe des SAS Text Miner wurden die Datensätze einem Pre-Processing unterzogen und für die Topic-Analyse methodisch aufbereitet. Die anschließend getrennt nach Sprachen, Kanälen, Sentiments, etc. extrahierten Themen generierten wertvolle Insights, die für das CRM interessant sind.

Unstimmigkeiten im Rahmen der Umstellung auf elektronische Lohnsteuerabzugsmerkmale begegnet das Bundeszentralamt für Steuern mit dem Aufbau eines effizienten Ticketsystems zur Fallbearbeitung durch Fachexperten. SAS unterstützt den Ticketbearbeitungsprozess durch vollautomatisierte Vorprüfungen der Ticketinhalte und anschließende Generierung entsprechender Lösungsvorschläge für die Fachexperten. Die dafür notwendige Regel-Engine basiert unter anderem auf einer kontextsensitiven Textanalyse und einer Ticketklassifikation unter Einsatz des SAS Text Miner und SAS Enterprise Content Categorization.

Ein weiteres Projekt, das wir von einer konzeptionellen Sicht her vorstellen, ist ein Risiko-Scoring-Modell, das McKinsey & Company in Zusammenarbeit mit SAS für Finanzdienstleisterentwickelt hat: Die Sentiment-Analyse ist eine weitverbreitete Methodik zum automatischen Extrahieren spezifischer Informationen aus Texten und wird bei Finanzdienstleistern  bislang vor allem angewendet, um Kauf- und Verkaufsentscheidungen, die Entwicklung neuer Finanzprodukte  oder  Vertriebsaktivitäten zu unterstützen.

McKinsey hat das aus Wissenschaft und Praxis in diesen Kontexten bekannte Verfahren der automatischen Textanalyse für verschiedene Anwendungen im Risikomanagement, insbesondere Anwendungen im Management von Kreditrisiken im Bankenbereich, nutzbar gemacht. In diesem Beitrag lernen Sie eine Methodik kennen, mit der Sie aus elektronisch verfügbaren Zeitschriftenartiklen über Unternehmen Frühwarnsignale für zu erwartende Bonitätsverschlechterungen extrahieren.

Das komplette Programm der zweitägigen Konferenz finden Sie unter sasforum.de.

ZUM AUTOR:

Dirk Petzoldt ist bei  SAS im Kompetenzcenter „Information Management & Analytics” für Lösungen rund um das Thema Text Analytics verantwortlich. Weitere Themenschwerpunkte sind Data Mining, analytisches CRM, Forecasting und  Preisoptimierung. Nach seinem Studium der Wirtschaftsmathematik an der Technischen Universität Berlin, der Cass Business School London und der Linné-Universität in Växjö, Schweden, war Dirk Petzoldt zunächst sechs Jahre Produktmanager und Projektleiter in der Entwicklungsabteilung der SAP AG. Mehr zu seiner Person: https://www.xing.com/profiles/Dirk_Petzoldt