SAS Text Analytics, l’ultima frontiera nell’analisi dei documenti

La suite SAS Text Analytics rende automatico il lungo processo di lettura di singoli documenti, estrapolando automaticamente le informazioni rilevanti.

Le aziende sono costantemente alla ricerca di strumenti potenti 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.

TI PIACE QUESTO ARTICOLO?

Iscriviti alla nostra newsletter per essere sempre aggiornato.

“I nostri clienti utilizzano la soluzione Text Analytics in particolare per le campagne di marketing e la gestione del rischio e delle frodi”, ha dichiarato Fiona McNeill, Global Analytics Product Marketing Manager di SAS.

“Chi si occupa di contenuti aziendali, contenuti Web, documentazioni, archivi e knowledge management, enterprise search e misurazione delle attività di marketing online può accedere facilmente ai dati per prendere decisioni prevedendone i possibili impatti”.

Le quattro componenti di SAS Text Analytics

La suite SAS sfrutta la potenza e le capacità avanzate delle tecnologie Teragram:

SAS 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.

SAS 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.

SAS Text Miner incorpora capacità linguistiche avanzate nella soluzione chiave di data mining di SAS, 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.

Leggi anche:  Intelligenza Artificiale: ecco la strategia Cisco

SAS 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.

Associated Press, eBay, Factiva, Forbes.com, HP, NY Times Company, Reed Business Information, Sony, Tribune Interactive, washingtonpost.com, Wolters Kluwer, Yahoo! e la World Bank utilizzano SAS per analizzare dati non strutturati e comprendere meglio clienti, opportunità di mercato e attività operative interne.

“SAS Text Analytics rappresenta il ‘Far West’ dell’analisi predittiva, con un enorme potenziale di guadagno”, ha affermato John Elder, PhD, Elder Research Inc. “SAS Text Analytics offre una ricca suite di strumenti per la risoluzione delle grosse sfide rappresentate dall’analisi dei testi destrutturati”.

La suite SAS Text Analytics fa parte del Framework SAS di Business Analytics.