Unstrukturierte Datenim Windschatten von Social Media

Albert Labermeier

BI Center Swisscom (Schweiz) AG

3. April 2014

2

Explodierende Datenflut

• Datenexplosion seit 2000

• 80 % der Daten unstrukturiert als

Text

– Kundenfeedbacks

– E-Mails

– Twitter

– Facebook

– Webseiten

Erkennen von relevanten Informationen

Quelle: http://sureshparmar702.blogspot.ch/

3

Herausforderung: Ordnung ins Datenchaos bringen

Use Case: Social Media Analytics

Ziele des Pilotprojekts

• Ablösung des bisherigen Tools

• Ist SAS Social Media Analytics für Swisscom geeignet?

• Werden allen Posts erkannt?

• Ist die Tonalitätserkennung besser als beim bisherigen Tool

• Akzeptanz bei den Usern

5

6

Pilotprojekt: Social Media Analytics mit SAS

SAS Inhouse-Lösung

SAS Social

Media Analytics

Social Media Analytics

mit SAS Text Analytics

Pilot-Projekt mit OnDemand-

und Inhouse-Komponenten

SAS OnDemand-Lösung

7

Pilotprojekt: Social Media Analytics mit SAS

SAS Social

Media Analytics

SAS OnDemand-Lösung

8

Projektablauf

November 2011 bis Februar

2012:

Pilotstudie

März 2012 bis Mai 2012: Testbetrieb, Roadshow bei möglichen

Anwendern

Juni 2012: Entscheid, SMA einzusetzen

Juli 2012 bis November 2012: Überarbeitung Cockpit und Verbesserung

Sentimentserkennung

Dezember 2012: Übergabe ans Business

9

Erreichte Ziele

• Social Media Analytics ist für Swisscom das geeignete Tool

• Die installierte Lösung erlaubt Aussagen darüber,

– Wann, wo und wieviel über Swisscom im Netz geschrieben wird

– Was und wie wird über Swisscom geschrieben

– Wer schreibt über Swisscom

• Neben der ursprünglich angedachten Zielgruppe interessieren sich

immer mehr Fachabteilungen für die Lösung

10

Das SMA-Cockpit: Einstiegsseite

1111

Das SMA-Cockpit: Trendanalyse

1212

Das SMA-Cockpit: Drill down

1313

Das SMA-Cockpit: Drill down

Das SMA-Cockpit: Phrase-Cloud14

Phrase-Cloud: Drill Down15

Das SMA-Cockpit: Real-Time-Twitter16

17

Pilotprojekt: Social Media Analytics mit SAS

SAS Inhouse-Lösung

Social Media Analytics

mit SAS Text Analytics

Use Case: Analyse von Service Requests

19

Ausgangssituation

• Kunden rufen in einem Callcenter der Swisscom an und melden

Probleme (Servicerequests)

• Einmal im Monat findet eine manuelle Auswertung der

Servicerequests statt

• Dabei werden die Mitschriften der Callcenteragenten gelesen und

Strichlisten geführt

• Die Auswertung eines zufällig ausgewählten Tages dauert ca. 4

Stunden

Auswertung dauert lange

ist nicht vollständig

ist von Tagesform abhängig

ist verspätet

20

Wunsch

• Regelmässige Analyse der Servicerequests

• Kurze Periodizität

• Detaillierte „Problemcluster“

• Gleichbleibende Qualität

• Geringer Aufwand

• Automatisierung der Analyse

Einsatz von SAS Text Mining

2121

Vorgehensweise

• Voranalyse

22

Vorgehensweise

• Workshops zur

– Bestimmung der interessierenden Topics

23

Vorgehensweise

• Workshops zur

– Bestimmung der interessierenden Topics

– Erstellung einer Synonymbibliothek

24

Vorgehensweise

• Workshops zur

– Bestimmung der interessierenden Topics

– Erstellung einer Synonymbibliothek

• Analyse der Servicerequests

• Review der Ergebnisse

• Feintuning

25

Text Mining Prozess

Beispiel: automatisierter Report26

2727

Ergebnisse

• SAS Text Mining bewältigt grosse Datenmengen, für die manuelle

Bearbeitung nicht praktikabel ist

• Es ist eine detaillierte Analyse der Problemfelder möglich

• Die Kategorisierung ist nicht abhängig von „Tagesform“

• Die Analyse ist sehr schnell

• Die Lösung erlaubt eine beliebige Periodizität

• Dadurch erhält Swisscom zeitnahe Information über die Probleme

ihrer Kunden und kann schnell reagieren

• Der Prozess wurde vollkommen automatisiert

Ziele vollumfänglich erreicht

Nachfrage nach regelmässigen Reports und Adhoc-

Analysen aus anderen Bereichen steigt sprunghaft!

Use Case:Generierung von Brancheninformationen

Branchenspezifische Marktbearbeitung

Brancheninformationen aus Firmennamen30

Nichtrelevante Bestandteile filtern

Brancheninformationen aus Firmennamen31

Relevante Bestandteile

verwenden

32

Next Steps

• Zusätzliche Sprachen

• Neue Themen

• Integration von Text Mining in Data Mining Modelle

• Integration von Social Media Analytics

33

Vielen Dank für Ihre Aufmerksamkeit!

34

Contactinformation

Swisscom (Schweiz) AG

Albert Labermeier

SCS-MKT-BIX-CAI

Hardturmstrasse 3

CH-8005 Zürich

Phone +41 79 348 05 58

Mail albert.labermeier@swisscom.com

www.swisscom.ch