Die neue Lösungs-Suite SAS Text Analytics automatisiert den zeitaufwendigen Prozess, aus einzelnen elektronisch vorliegenden Dokumenten relevante Informationen manuell herauszufiltern. So produzieren etwa Patente, Kundenanfragen oder beschwerden per Mail oder Rückmeldungen aus dem Vertrieb täglich große Mengen Textdaten. SAS Text Analytics machen es möglich, aus dieser Informationsflut systematisch geschäftlich relevante Erkenntnisse zu gewinnen. So lassen sich Markt- und Wettbewerbsanalysen zeitnah durchführen, Kundenanfragen automatisiert kategorisieren und beantworten oder auftretende Qualitätsprobleme viel schneller erkennen.
Mit der SAS Lösung können Unternehmen in Texten verborgen liegende Informationen strukturieren und analysieren. So werden bis dahin unsichtbare Muster, Querverbindungen und Trends sichtbar - und oft zu maßgeblichen Hinweisen für strategische Unternehmensentscheidungen.
"Unsere Kunden nutzen Text Analytics zur Verbesserung von Suchanfragen, für Frühwarnsysteme und zur Betrugserkennung", so Jörg Petzhold, Manager Industry & Solution Marketing bei SAS. "SAS Text Analytics machen den gesamten Bestand innerhalb und außerhalb eines Unternehmens an unstrukturierten Textdaten ohne manuellen Aufwand zu einer qualifizierten Informationsbasis für Fachabteilungen und Management. Dabei spielt es keine Rolle, um welche Texte es sich handelt und wo diese liegen - das kann im Web ebenso sein wie in Wissensdatenbanken, beispielsweise aber auch in Pressearchiven oder in Marktforschungsergebnissen."
SAS Text Analytics: Vier Komponenten für ein komplettes Portfolio
- SAS Enterprise Content Categorization ist das Herzstück und kategorisiert automatisch Inhalte, auch in mehreren Sprachen. Dafür kommen Techniken zur Verarbeitung natürlicher Sprache ebenso zum Einsatz wie neueste sprachwissenschaftliche Methoden. Fakten, Ereignisse und Zusammenhänge werden extrahiert, gegliedert und in Kategorien zusammengefasst. Daraus entstehen Regelwerke und Taxonomien, die es Unternehmen erlauben, auch große Mengen von Dokumenten voll automatisiert zu bewerten und sie für Geschäftsprozesse nutzbar zu machen.
- SAS Sentiment Analysis bringt neben den Fakten auch subjektive Kriterien ins Spiel. Die Lösung differenziert positive und negative Meinungen, Stimmungen und Bewertungen, die in digitalen Dokumenten enthalten sind - etwa in Blogs, Tweets, E-Mails und Produktbewertungen bei Amazon oder eBay, aber auch in Callcenter-Protokollen und bei Umfragen.
- SAS Text Miner nutzt die leistungsfähige Data-Mining-Technologie des SAS Entreprise Miner und kombiniert sie mit modernen sprachwissenschaftlichen Methoden. So werden neue Zusammenhänge und Cluster auch in unstrukturiertem Text erkennbar - die zentrale Voraussetzung, um die Informationen aus verschiedensten Dokumenten zum Beispiel für Prognoseverfahren oder zur Textklassifikation mit SAS Enterprise Content Categorization zu erschließen und zu verfeinern.
- SAS Ontology Management sorgt für konsistente Klassifikationstaxonomien, um mit SAS Enterprise Content Categorization komplexe Klassifikationshierarchien operativ bereitzustellen, zu warten und weiterzuentwickeln. So können etwa Unternehmen und Organisationen im Gesundheitswesen und der Wissenschaft ohne Aufwand auf die schon vorbereitete Mesh Ontology zurückgreifen, ein Schema mit aktuell 25.186 Kategorien der Medizin und Biologie. Unternehmen der Medienbranche verwalten so die Taxonomie des International Press Telecommunications Council.
SAS Text Analytics sind bereits bei vielen Unternehmen weltweit im Einsatz, darunter ImmobilienScout24, Associated Press, eBay, Forbes.com, HP, die NY Times Company, Sony, Tribune Interactive, washingtonpost.com, Yahoo! und die Weltbank.
Mit der SAS Lösung können Unternehmen in Texten verborgen liegende Informationen strukturieren und analysieren. So werden bis dahin unsichtbare Muster, Querverbindungen und Trends sichtbar - und oft zu maßgeblichen Hinweisen für strategische Unternehmensentscheidungen.
"Unsere Kunden nutzen Text Analytics zur Verbesserung von Suchanfragen, für Frühwarnsysteme und zur Betrugserkennung", so Jörg Petzhold, Manager Industry & Solution Marketing bei SAS. "SAS Text Analytics machen den gesamten Bestand innerhalb und außerhalb eines Unternehmens an unstrukturierten Textdaten ohne manuellen Aufwand zu einer qualifizierten Informationsbasis für Fachabteilungen und Management. Dabei spielt es keine Rolle, um welche Texte es sich handelt und wo diese liegen - das kann im Web ebenso sein wie in Wissensdatenbanken, beispielsweise aber auch in Pressearchiven oder in Marktforschungsergebnissen."
SAS Text Analytics: Vier Komponenten für ein komplettes Portfolio
- SAS Enterprise Content Categorization ist das Herzstück und kategorisiert automatisch Inhalte, auch in mehreren Sprachen. Dafür kommen Techniken zur Verarbeitung natürlicher Sprache ebenso zum Einsatz wie neueste sprachwissenschaftliche Methoden. Fakten, Ereignisse und Zusammenhänge werden extrahiert, gegliedert und in Kategorien zusammengefasst. Daraus entstehen Regelwerke und Taxonomien, die es Unternehmen erlauben, auch große Mengen von Dokumenten voll automatisiert zu bewerten und sie für Geschäftsprozesse nutzbar zu machen.
- SAS Sentiment Analysis bringt neben den Fakten auch subjektive Kriterien ins Spiel. Die Lösung differenziert positive und negative Meinungen, Stimmungen und Bewertungen, die in digitalen Dokumenten enthalten sind - etwa in Blogs, Tweets, E-Mails und Produktbewertungen bei Amazon oder eBay, aber auch in Callcenter-Protokollen und bei Umfragen.
- SAS Text Miner nutzt die leistungsfähige Data-Mining-Technologie des SAS Entreprise Miner und kombiniert sie mit modernen sprachwissenschaftlichen Methoden. So werden neue Zusammenhänge und Cluster auch in unstrukturiertem Text erkennbar - die zentrale Voraussetzung, um die Informationen aus verschiedensten Dokumenten zum Beispiel für Prognoseverfahren oder zur Textklassifikation mit SAS Enterprise Content Categorization zu erschließen und zu verfeinern.
- SAS Ontology Management sorgt für konsistente Klassifikationstaxonomien, um mit SAS Enterprise Content Categorization komplexe Klassifikationshierarchien operativ bereitzustellen, zu warten und weiterzuentwickeln. So können etwa Unternehmen und Organisationen im Gesundheitswesen und der Wissenschaft ohne Aufwand auf die schon vorbereitete Mesh Ontology zurückgreifen, ein Schema mit aktuell 25.186 Kategorien der Medizin und Biologie. Unternehmen der Medienbranche verwalten so die Taxonomie des International Press Telecommunications Council.
SAS Text Analytics sind bereits bei vielen Unternehmen weltweit im Einsatz, darunter ImmobilienScout24, Associated Press, eBay, Forbes.com, HP, die NY Times Company, Sony, Tribune Interactive, washingtonpost.com, Yahoo! und die Weltbank.
