Open Password – Dienstag, den
16. Oktober 2018
# 453
Datenanalyse – Künstliche Intelligenz – Text Mining – Adriane Kovacevic – Vision 11 – Qlik View – Qlik Sense – Social Media – CRM – Cloud BI – Vertrieb
Datenanalyse
Durch Künstliche Intelligenz
in Kombination mit Text Mining
Stimmungsbilder zu komplexen Themen
Das Tool Qlik in der Anwendung
Von Adriane Kovacevic, Vision 11 (München)
Signifikant oder nicht? Eine (wissenschaftliche) Hypothese bildet den Ausgangspunkt für die Analyse von Daten. In Zeiten des maschinellen Lernens erleben neue Datenquellen eine regelrechte Hochkonjunktur. Text Mining öffnet die Tür zu Freitexten und Kommentarfeldern. Durch Künstliche Intelligenz in Kombination mit Text Mining entstehen Stimmungsbilder zu komplexen Themen. Ein vielseitig einsetzbares Mittel – ob in der Politik kurz vor entscheidenden Wahlen oder in der Wirtschaft bei der strategischen Ausrichtung von Marken.
Die Grundidee des Text Mining ist nicht neu. So lassen sich schon seit langem Social Media Kommentare und Textfelder in CRM-Systemen analysieren. Entscheidend ist der Zeitaufwand bei der Erstellung der Metadaten. Das grundlegende Prinzip des Text Mining:
- Daten erfassen, beispielsweise über einen Konnektor zum CRM-System
- Daten inklusive Zusatzinformationen wie Kunden-Nummer, Daten usw.
- Aufteilung in einzelne Wörter
- Umwandeln in eine strukturierte Form
- Entfernen von Stoppwörtern, Anzahl der Worthäufigkeit
- Bewertungsmatrix anhand eines Scoring-Modells
- Interpretation der Ergebnisse und Ableiten der strategischen Maßnahmen
______________________________________________________________________
Strukturierte Daten durch QlikView oder QlikSense
_______________________________________________________________________
Mit Hilfe des Datenvisualisierungstools QlikSense lassen sich viele der genannten Anforderungen direkt umsetzen. Durch eine große Anzahl an Konnektoren ist das Extrahieren der Daten ein Kinderspiel. Mittels eines integrierten ETL-Prozesses und der sogenannten QIX Engine bringen QlikSense oder QlikView die Daten aus frei formulierten Texten in eine strukturierte Form. Die dazugehörigen Metainformationen lassen sich problemlos ergänzen. Im Gegensatz zu reinen Datenbankumgebungen bietet QlikSense die Möglichkeit einer direkten Analyse und Visualisierung der Daten – ein Tool für alle Anforderungen. Mit Hilfe von QlikSense lassen sich komplexe Fragestellungen einfach beantworten. Auch unser Unternehmen Vision11 nutzt die Möglichkeiten des Tools für interne Anforderungen und Analysen.
Eine wichtige Fragestellung ist beispielsweise das Potenzial des Themas Cloud BI. So könnte bei der Vielzahl bereits bestehender Kunden und Projekte zur Implementierung von Cloudlösungen auch BI platziert werden. Generell bieten Cloudlösungen geringere Kosten im Vergleich zu herkömmlichen vor Ort verwalteten On-Premise-Lösungen. Die steigende Attraktivität könnte sich auch signifikant auf das Interesse an entsprechenden BI-Lösungen auswirken.
Um diese Hypothese zu belegen, gilt es zunächst die interne Kommunikation zu den jeweiligen Cloud-Projekten zu analysieren und die Daten aufzubereiten. Mit intuitiven Funktionen in QlikSense können die verschiedene Datenquellen miteinander verknüpft werden. Unsere Demo (https://vimeo.com/290747923) veranschaulicht, wie intuitiv und unkompliziert die Verbindung der Tabellen erzeugt werden kann. Auch eine Anpassung der Werte ist einfach umzusetzen.
________________________________________________________________________
Text Mining zum Thema Cloud BI
________________________________________________________________________
In unserem konkreten Anwendungsfall nutzt Vision11 Text Mining zur Analyse und Klassifizierung von Potenzialen für den Vertrieb. Ziel unserer internen Analyse mit QlikSense ist dabei, die bestehenden Kunden und Interessenten zum Thema Cloud BI zu identifizieren. Die zentralen Fragen lauten:
- Welcher Consultant spricht mit welchem Kunden zum Thema BI Cloud?
- Gibt es Opportunities?
- Welche Begriffspaare werden mit dem Wort Cloud kombiniert?
- Mit wem wird darüber gesprochen?
Es soll eine einfache Analyse der Kommentare und Textfelder durchgeführt werden. Dies erfolgt zunächst durch eine Häufigkeitsverteilung nach Kunden und Ansprechpartner mit signifikanten thematischen Schwerpunkten aus den Kommentarfeldern. Nach der Qualitätsanalyse und der Bereinigung der Wörter folgt die Interpretation durch ein Scoring Modell. Die strukturierten Wörter lassen sich nach Wortpaaren und Kombinationen sowie nach Häufigkeiten darstellen. Das daraus erzeugte Dashboard veranschaulicht die Zusammenhänge zwischen Kunden, Projekten und der Häufigkeitsverteilung der Kommentare:
_______________________________________________________________________
Signifikante Ergebnisse bei Vision11
________________________________________________________________________
Die Analyse bestätigt die Hypothese und gibt klare Handlungsempfehlungen. So lassen sich Themen mit mehreren Kunden zum Thema Cloud Infrastruktur und Cloud herauslesen. Nicht signifikant dagegen ist das Auftreten der Kommunikation von Cloud-BI. Mit anderen Worten: Eine Kontaktaufnahme einiger bestehender Kunden zum spezifischeren Themenbereich Cloud-BI ist eine sinnvolle Vertriebsstrategie.
Tatsächlich lassen sich aus den Ergebnissen die Kunden ablesen, bei denen der Vertrieb auch das Thema Cloud BI ins Gespräch bringen sollte. Aus unserer Analyse kristallisieren sich drei Kunden heraus, bei denen noch das Thema Cloud BI in das bereits bestehende Projekt einfließen sollte.
_______________________________________________________________________
Fazit
________________________________________________________________________
Die Nutzung von Text Mining in Kombination mit Qlik ist ein spannender Ansatz für strategische Entscheidungen und Handlungsempfehlungen. Durch das Erstellen von komplexen Zusammenhängen lassen sich signifikante Ergebnisse erzielen und somit wichtige Fragestellungen beantworten. In unserem konkreten Anwendungsfall wird deutlich: Bei bestehenden Cloud- und Cloud-Infrastruktur-Projekten besteht Potenzial für weitere Anschlussprojekte. Der Fokus auf die jeweiligen bestehenden Projekte bildet daher die Basis für eine vertriebliche Ausrichtung auf das Thema Cloud-BI
Anzeige
FAQ + Hilfe
Das Open Password Archiv ist eine digitale Sammlung von über 1.100 Artikeln und Ausgaben des ehemaligen Newsletters „Open Password“ aus der Publikation “Password Online”. Diese Publikation, die von 1986 bis 2015 als Print-Ausgabe erschien, diente als zentrale Informationsquelle für Fachleute in der Informationsbranche.
Im Archiv des 2016 gestarteten Pushdienstes finden Sie tiefgreifende Analysen, exklusive Geschichten und redaktionelle Beiträge, die wichtige Entwicklungen und Trends in verschiedenen Sektoren wie Finanzen, IT und Pharma beleuchten. Das Archiv ist online zugänglich und bietet eine wertvolle Ressource für Forscher, Information Professionals und alle, die an der Geschichte und den Entwicklungen der Informationsbranche interessiert sind.
Eine noch ausführlichere Zusammenfassung zu Open Password wurde vom ehemaligen Herausgeber Dr. Wilhelm Heinrich Bredemeier verfasst.
Sie können über die Kopfzeile die einzelnen Jahre per Klick ansteuern. Hierzu einfach auf die passende Jahreszahl klicken (siehe Pfeile)
Nach dem Klick auf die jeweilige Jahreszahl gelangen sie auf die Titelliste des jeweiligen Jahres. Hier dann auf den gewünschten Titel klicken. (Siehe Pfeile)
Wir sind bemüht die Beiträge schnellstmöglich in das Archiv zu übernehmen. Falls ein Beitrag per Klick nicht erreichbar ist zählen wir diese Klicks aus. Sie können aber auf der jeweiligen Seite die beschleunigte Einbindung auswählen.
Die Beiträge von Open Password von 2016 bis 2022 sind seit dem 18.11 2023 über ChatGPT recherchierbar.
Was bedeutet dies konkret? Wir haben alle Beiträge als Wissensbasis über Chat GPT auswertbar gemacht. Wenn Sie ein ChatGPT Plus Nutzer sind und Zugriff auf ChatGPT 4.0 haben, so steht Ihnen das Open Password Archiv dort zur Verfügung.
Mit der Auswertung per KI Abfrage stehen ihnen unendliche Möglichkeiten zur Verfügung. Sie können Themen suchen, Fachbegriffe zusammenfassen und erläutern lassen. Hier geht es zum GPT des Open Password Archiv.
Wir haben alle Pushdienste (Beiträge) der letzten Jahre als PDF vorliegen. Hier sind entsprechende Abbildungen und Bilder enthalten. Die PDFs zu den Pushdiensten werden ebenfalls Schritt für als Link mit in die Beiträge angelegt.
Wir sind bemüht Beiträge nach denen einen hohe Nachfrage besteht in der Anlage vorzuziehen. Hierfür werten wir die Zugriffe auf die Titellisten und die Klicks auf Beiträge regelmässig aus.
Beitrage die als Material benötigt werden, aber noch nicht im Archiv eingebunden sind können wie folgt angefordert werden.
1. Klicken sie auf den Beitrag aus der Titelliste
2. Füllen sie das Formular aus und fragen sie eine bevorzugte Einbindung an
Wir ziehen die Einbindung vor und senden eine Benachrichtigung sobald der Beitrag eingebunden wurde.
