Category Archives: Informasjonssystemer

Business Intelligence analyse: nye produkter

Skrevet av Wanda Presthus, Høyskolelektor og doktorgradsstudent, Norges Informasjonsteknologiske Høgskole. Tidligere publisert i NextBridges BIblogg, 15.06.2012.

Lær av skuespilleren Will Smith: gjør nytte av dine data. Oppdag mønstre. Bruk den informasjonen som du synes passer. Som det sto i Computerworld fredag 1. juni: I dag er datamengden så enorm at det gjør ikke noe om kvalitetssikringen ikke er helt på topp, hovedtrekk og trender vil komme tilsyne likevel. Tradisjonelt har Business Intelligence (BI) handlet om beslutningsstøtte for ledelsen i en bedrift ved å tilby pålitelige data. Dette innlegget eksemplifiserer BI analyse på en mindre traust måte, og skaper et rammeverk med ni design for BI produkter.

BI kan være prosess, teknologi eller produkt. Prosessen handler om å gjøre om data til informasjon, så til beslutning og handling. Teknologiene er mange, fra Microsoft Excel, programmeringskode eller applikasjoner fra de store selgere som SAS Institute, IBM, Microsoft og SAP. Produktene spenner fra enkle spørringer, via rapporter og grafer, til visuelle dashboards med avanserte analysemuligheter ved hjelp av data mining. Figur 1 under viser ulike analyseteknikker helt til høyre (Business Analytics, OLAP, dashboards og mer).

Figur 1: Hovedkomponentene i Business Intelligence (Turban et al. 2007, s. 201)

Jeg har en god nyhet: det mangler ikke på data. Figur 1 illustrerer med fem «databøtter» til venstre: fra «POS» (Point of Sale = salgstransaksjoner) øverst til «External Web documents» nederst. Så var det den dårlige nyheten: data må analyseres for å skape verdi. (Davenport et al. 2010) har påpekt dette i årevis, og har en morsom kommentar fra en leder i en stor matvarekjede:

Davenport: “Hva gjør dere med alle dataene dere har fra bank- og salgstransaksjonene, kundeloyalitetsprogrammene og clickstream fra websidene deres?”

Lederen: “Vi lagrer dem på disk. Så overfører vi dem til tape. Tilslutt legger vi dem under et fjell slik at de overleverer atomangrep.”

Davenport: “Men analyserer dere data slik at dere kan ta bedre beslutninger?”

Lederen: “Ikke mye, nei. Men vi vil bli bedre, det er derfor jeg snakker med deg.”

Davenports løsning er å begynne i det små. Prøv å analysere noen data, og se om det fører til bedre beslutninger. Min kollega Bendik Bygstad og jeg har laget ni små design for analyse, med spesielt fokus på data som kan hentes inn fra sosiale medier slik som blogginnlegg og Facebook, clickstream data fra websider, eller mobiltelefoner via hotspots (Presthus and Bygstad 2011). Data kan trekkes ut ved å bruke nettsidens API (Application Programming Interface), som enten ligger på nettsiden (for eksempel Facebook) eller kan fåes ved å kontakte firmaet (som ser på dette som kvalitetssikring av sine data). Google Analytics er gratis, enkel og kan legges inn på enhver nettside som lar deg få lov.

Løselig basert på dimensjonene til Gorry and Scott Morton (1971) og Brobst and Rarey (2003), har vi laget et rammeverk med grad av datastruktur og tidsperspektiv som spenner fra hendelse som har skjedd («I går»), til nåtidshendelse («I dag») og hendelser som kan skje («I morgen»), som vises i figur 2.

Datastruktur/Tid Skjedde i går Skjer i dag Kan skje i morgen
Ustrukturerte data (ingen meta data) 1. Analyse av blogg og rapporter 4. Real time overvåking på sykehus 7.  Smittsom virus prediksjon
Semistrukturerte data (meta data forekommer) 2. Sosiale media analyse 5. “Reality mining” 8. Salgsprediksjon og markedsføring
Strukturerte data (høy grad av meta data og kategorier) 3. Click-stream analyse 6. Dashboard og visualisering 9. Statistisk prediksjon

Figur 2: Ni design for analyse med BI

Til å begynne med (les: 60-70 tallet) var rapportering det enerådende BI produktet, som kun fortalte noe omhva, og til en viss grad hvorfor, om noe som allerede hadde skjedd. «I går» kolonnen har data som samles inn etter at hendelsen har funnet sted. I følge Gartner Group er rapportering fremdeles det største produktet, og har fremdeles stor verdi (se design 1 lenger ned), men i mange tilfeller ønsker man å ha real-time informasjon, slik at vi kan undersøke situasjonen akkurat nå og forhåpentligvis gjøre noe med det: det typiske eksempelet er flyselskapet som ikke vil ta av med tomme seter. Alle som har sett filmen «Back to the Future 2» eller eid aksjer vet hvilken enorm makt det ligger i å vite hva som kommer til å skje. I dette tilfellet fabrikkeres data for å forsøke å spå hva som vil skje, slik at vi kan 1) forhindre at det skjer, eller 2) være forberedt når det skjer. Dette gir oss ni ulike analysedesign, som vises i figur 2. Design nummer 1, 5 og 9 utdypes med eksempler:

Design 1: Analyse av blogg og rapporter

En blogg består av ustrukturerte data, typisk tekst (Inmon and Nesavich 2008), og forteller om noe som har skjedd. Det er likevel mye informasjon og lærdom man kan få ved å trekke ut og studere data fra blogger. Hvis det er mye tekst, kan data lastes inn i et regneark eller i dedikerte tekstminingsverktøy som RapidMiner eller Leximaner. Det vites ikke hva den amerikanske skuespilleren Will Smith (nå aktuell med filmen «Men in Black III», se figur 3), brukte av teknologi, men han forklarte sin megasuksess ved «å lytte til data». Sammen med sin manager studerte han de mest suksessfulle filmene gjennom historien, og gjorde en enkel analyse.

Figur 3: Poster fra International Movie Database (2012) (http://www.imdb.com/title/tt1409024/)

De fant ut at for å bli berømt burde han spille i filmer med 1) action og spesialeffekter 2) noe overnaturlig 3) en kjærlighetshistorie. På bakgrunn av dette valgte han å spille i filmene «Independence Day» og «Men in Black», som begge ble store kassasuksesser. Mr. Smith studerer fortsatt blogger og rapporter på ukentlig basis (Davenport et al. 2010). Skal du ikke bli filmstjerne, men IT-konsulent? Da kan du analysere hva andre mener om det firmaet du har lyst til å søke jobb i, eller hva et firma egentlig ser etter i sine medarbeidere.

Design 5: Reality mining

Reality mining muliggjøres av teknologi i familien automatisk identifikasjon, slik som RFID (Radio Frequency Identification – du har en slik i bompengebrikken i frontruten på bilen din), strekkoder og signaler fra mobiltelefoni (Turban et al. 2011). Varehandel og distribusjon lar sine produkter og pakker “kringkaste sin identitet og tilstedeværelse” (Davenport et al. 2010). Personer med en påslått mobiltelefon eller iPad kringkaster telefonsignaler som kan spores og gjøres om til informasjon. Eksempelvis, hvis du befinner deg i en ukjent by, kan du laste ned en app og få real-time bevegelser fra andre turister, som illustrert i figur 4.

Figur 4: App’en CitySence (Turban et al. 2011, side 642)

Kartet viser hvor du står og hvor andre personer har stått tidligere, samt to steder hvor disse har beveget seg etterpå. Et firma eller et bystyre kan forbedre turisttilbudet ved en slik analyse, og turisten får i større grad skreddersydde forslag.

Design 9: Akademisk prognose

Studenter som velger feil karrière eller avbryter utdannelsen er kostbart både for studenten og samfunnet. På Harvard har forelesere tatt i bruk data mining applikasjonen “Learning Catalytics” (figur 5) som skal hjelpe studenten ved å foreslå medstudenter til å diskutere et matematikkproblem med.

Figur 5: Applikasjonen «Learning Catalytics» (Parry, 2011)

Studentenes museklikk på prøver blir logget og analysert til konkrete forslag som: «Diskutér svaret ditt med Alexis som sitter foran deg, og Emily som sitter til venstre» (Parry 2011). Videre diskuterer artikkelen hvordan data mining kan forutse hvorvidt studenten kan klare å bli sykepleier eller lege. Dette er yrker som noen studenter kanskje velger fordi andre familiemedlemmer har valgt det, og ikke på bakgrunn av studentens egen interesse eller ferdighet. Applikasjonen kan på et tidlig tidspunkt detektere at avgjørende karakterer i et studium vil ikke bli gode nok for å kvalifisere til det valgte studiet, og kan foreslå andre yrker. Kanskje studenten ikke viser tegn på å kvalifisere til lege, men heller til psykolog. En annen mulighet er at studenten viser store kunstneriske ferdigheter og bør heller penses inn på en helt annen retning enn helsevesenet. Som i design 5 bruker applikasjonen her mønstre fra tidligere studenter med tilsvarende emnevalg, karakternivå og hvilke yrker de har valgt seg.

Forhåpentligvis kan dette innlegget motivere til mer analyse av data. Hent frem data som ligger på regneark, i kasseapparatet, under fjellet eller på websider. Forsøk å tenke «utenfor boksen» og se etter trender og mønstre. Det er ikke alltid nødvendig å se hele skogen og alle trærne – for Will Smith holdt det med 10 (ti!) rapporter.

Referanser:

Brobst, S., and Rarey, J. (2003). «Five Stages of Data Warehouse Decision Support Evolution».DSSResources.COM, 01/06/2003. Tilgjengelig på: http://dssresources.com/papers/features/brobst&rarey01062003.html.

Davenport, T. H., Harris, J. G., and Morison, R. (2010). Analytics at Work: Harvard Business Press.

Gorry, G. A., and Scott Morton, M. S. (1971). «A Framework for Management Information Systems.»Sloan Management Review, 13(1), 55-70.

Inmon, W. H., and Nesavich, A. (2008). Tapping Into Unstructured Data: Prentice Hall.

Parry, M. (2011). «Colleges Mine Data to Tailor Students’ Experience». Tilgjengelig på:

http://chronicle.com/article/A-Moneyball-Approach-to/130062/?utm_source=twitterfeed&utm_medium=twitter

Presthus, W., and Bygstad, B. (2011). Conducting Research with Business Intelligence: NOKOBIT, Gjøvik. Tapir Akademisk Forlag.

Turban, E., Aronson, J. E., Liang, T.-P., and Sharda, R. (2007). Decision Support and Business Intelligence Systems: Pearson Prentice-Hall.

Turban, E., Sharda, R., and Delen, D. (2011). Decision Support and Business Intelligence Systems: Prentice Hall.

Advertisements

Legg igjen en kommentar

21. juni 2012 · 07:11

Norwegian – innovasjon med IT

Skrevet av Bendik Bygstad, Professor ved Norges Informasjonsteknologiske Høgskole. 
Tidligere publisert i Computerworld, 10.02.2012

I 2002 var Norwegian Air Shuttle et ukjent og knøttlite flyselskap med kontorer i en brakke. I januar kom nyheten om at Norwegian kjøper 222 fly for (en listepris på 127 milliarder kroner), kanskje Fastlands-Norges største investering gjennom tidene. Ingen vet om dette går bra i fremtiden, men Norwegian har vist gjennom sine ti eventyrlige vekstår at de vet hva de driver med. Hvordan får de det til?

Det er ingen tvil om at Bjørn Kjos er Norwegians viktigste mann, med sin pilotbakgrunn og blide TV-kommentarer er han en markedsførers drøm, og med sin profesjonelle forretningspraksis har advokaten langt på vei utkonkurrert SAS og blitt storkunde hos Boeing. Men Norwegian er ikke noe mirakel, regissert av trollmann Kjos. Tvert i mot – og det er Kjos selv den første til å innrømme –  det er et også et resultat av en ekstremt innovativ strategi når det gjelder bruk av IT.

Det mange ikke vet er at den nest viktigste mannen i Norwegian heter Hans-Petter Aanby, som er IT-direktør og ansvarlig for forretningsutvikling. Aanby er like blid som Kjos, og ble i fjor B-kjendis som «Undercover Boss». På ti år har Aanby og hans IT-kolleger gjort dette i Norwegian:

  • I 2003 var hovedproblemet til Norwegian at billigbillettene måtte selges gjennom reisebyråene, som tok en stor del av kaken. Aanby klarte å omgå reisebyråene ved å la folk kjøpe billetter på internett, og skrive dem ut på laserskriveren. Strekkoden kunne leses av ved gate’en, og dermed var den tradisjonelle «flybilletten» borte, og hele inntekten kunne gå rett til Norwegian.
  • I 2005 var 85% av all kundekommunikasjon elektronisk, og kundene hadde vent seg til å bruke nettet både for å søke på reiser og å bestille billetter. En solid IT-infrastruktur og gode, enkle web-sider gjorde folk trygge på dette.
  • I 2005 introduserte Norwegian Lavpriskalenderen. Den gang var problemet at det var nesten umulig å finne de billige reisene som flyselskapene reklamerte med. Lavpriskalenderen visualiserte dette på en enkel måte, og førte til enda mer salg. Konkurrenten SAS og mange andre selskaper kopierte løsningen.
  • I 2007 startet selskapet Bank Norwegian. Kundene ble rekruttert fra flytrafikken, noe som gjorde det mye billigere for Norwegian enn for konkurrenter.  Banken var selvsagt en lavkost internett-bank, og ble en suksess, med et betydelig overskudd i 2011.
  • I 2010 skapte vulkanutbruddet på Island store problemer for flytrafikken, og hundretusenvis av strandede passasjerer fikk ikke kontakt med flyselskapene. Mange startet i ren desperasjon å skrive på Facebook, og Norwegian improviserte i løpet av noen timer en tjeneste som brukte Facebook til å løse problemer og ombooke passasjerer.
  • I 2011 ble Norwegian det første flyselskapet i Europa som innførte trådløst internett om bord i flyene.

Det dette betyr er at Norwegians IT-løsninger har vært helt avgjørende for at selskapet i  2011 fraktet over 15 millioner passasjerer og kunne bestille 222 nye fly. Men det forteller også noe mer om Aanby og hans kolleger som andre virksomheter i Norge kan lære av, særlig hvis vi sammenligner Norwegian med SAS.

For det første forteller det at IT-basert innovasjon av nye tjenester er en nøkkel til konkurranseevne og lønnsomhet. Der SAS må kutte i sitt byråkrati og eiendeler, utvikler Norwegian nye tjenester og markeder. Når SAS «outsourcer» sin svære og ineffektive IT-avdeling, klarer Norwegians 20 IT-ansatte å samarbeide tett med forretningssiden for å utvikle nye tjenester. I fremtiden vil vi bruke mobiltelefonen til å bestille og betale, og nettbrettet til å jobbe om bord i flyet. Norwegian er først på slike områder, med enkle og pålitelige tjenester.

For det andre forteller det at også en lavkost-bedrift med grunderpreg kan utvikle en kvalitetskultur. Norwegian har i perioder hatt problemer med punktlighet, men har arbeidet systematisk med å forbedre dette ved hjelp av hardt arbeid, IT-løsninger og ærlighet i alle deler av organisasjonen. I hovedinngangen til Norwegian på Fornebu henger en stor tavle der nøkkeldata om dagens punktlighet er synlig for ansatte og kunder.

Til sist forteller det at kombinasjonen av en ikke-byråkratisk organisasjon og gode IT-løsninger er i stand til å endre seg raskt i en ustabil verden. Norwegian forsøker hele tiden å lære, også av sine feil. Selskapet forsøkte å etablere et mobiltelefonselskap, men hadde begrenset suksess, og har endret sin forretningsmodell. Når kostnadsnivået i Norge nærmer seg SAS, ekspanderer de heller i andre land.

Mens Kjos bygger fremtidens flyselskap bygger Aanby og hans kolleger fremtidens organisasjon. Den har en ganske flat struktur med få sjefer, og den koordineres av IT-løsninger, på samme måte som vi passasjerer koordineres gjennom selvbetjening og egne PC’er og mobiltelefoner. Den viser at det er mulig å effektivisere service-sektoren gjennom IT-basert innovasjon. Hva kan andre kan lære av dette? Hvor er helsesektorens Kjos og Aanby?

3 kommentarer

Filed under Informasjonssystemer, IT og samfunn

Nytt studieprogram på NITH – Mobil apputvikling!

Skrevet av Tor-Morten Grønli, førstelektor ved NITH.

Vi engasjerer oss i en verden hvor vi har et høyt informasjonsbehov og vi er informasjonssultne. Vi er blitt vant til konstant å være online, og vår oppfatning av å være tilgjengelig går langt utenfor hva som var tenkbart for få år tilbake. På tidligere utilgjengelige områder legger tilbydere nå opp til at vi kan slukke informasjonstrangen også mens vi er på reisefot. Internett på tog fra NSB og internett på fly fra Norwegian er to eksempler på dette.

Apper brer om seg

Vi blir også stadig disponert for teknologiske innovasjoner, og i løpet av de siste årene har smarttelefoner og nettbrett gitt oss forbrukere en ny hverdag. Apper har gått fra å bli en naturlig del av telefonene våre til å bli en vane. Vi er vant til at det finnes en app for det meste, enten om vi trenger å koke det perfekte egg, holde styr på julegaveshopping eller underholdes. Apper brer om seg til stadig flere plattformer, og gjennom sosiale medier slik som Facebook er vi vant til at det er en naturlig del av hvordan utvidet funksjonalitet tilbys.

Nytt bachelorprogram

På NITH tilbyr vi bachelor- og masterutdanning innen teknologi og design, som Norges eneste IT-høgskole. Vi har til nå hatt sju tilbud innen ulike områder som e-business, design, spill og programmering – alle opprettet og vedlikeholdt i takt med markedsbehov og samfunnsendringer. Fra og med høsten 2012 gleder jeg meg over at vi skal tilby et nytt studieprogram – Mobil apputvikling!

Mobil apputvikling vil ha en teknisk vinkling med forankring i framsideteknologier. Målet er at studenten etter endt studium skal kunne utvikle et mobilt konsept begrunnet, og forankret i et forretningsbehov. Studenten skal selv kunne velge egnet plattform og designe grensesnittet for og implementere dette i en mobil løsning. Daglige eksempler på dette er hvordan vi kan ’tvitre’ et bildet fra Apple iOS, la nyhetsstrømmen fra Facebook ligge sentralt på desktoppen på Android eller ’pinne’ Xbox live kontakter som levende ruter på Start-skjermen på Windows Phone.

Programmerere med sans for design

Innholdet på smarttelefonene er ikke bare i høy grad basert på at det skal tilpasses av brukerne, men innholdet på telefonen skal bli til som et svar på brukerens interaksjon. Aktivt planlegging og deltakelse er sentralt for å kunne legge til rette for slik kommunikasjon og gode opplevelser. Gode programmeringsferdigheter står sentralt for apputvikleren, men like viktig er også forståelse for design og implementering av det som brukeren (kunden) faktisk vil ha. Apps er ikke lenger et fenomen for de spesielt interesserte eller for de få med avanserte telefoner. Det er en teknologi og en kanal vi alle møter og engasjerer oss i. Ett nylig eksempel på dette er musikkbransjens initiativ, ved Spotify, til å lansere apper som en integrert del av opplevelsen i programmet. Studieprogrammet mobil apputvikling følger opp dette med å ha fag som fokuserer på brukeropplevelse, programmering og kommunikasjon.

Former morgendagen

Studentene fra et slikt studieprogram vil være med på å forme morgendagens mobile løsninger. De vil gå ut som spesialister i et marked hvor dyktige programmerere og systemutviklere er svært etterspurt. Med denne kompetansen vil de være høyaktuelle som webutviklere, og i tillegg spesielt rettet mot mobile apper som mobilutviklere og mobil løsningsspesialister. Jeg mener at vi med dette studieprogrammet har lagt til rette for en unik mulighet for deg som liker programmering, som kan se gode løsninger og som vil bruke teknologi for å inspirere og endre vanene til verdens borgere. Til daglig forsker jeg på mobile løsninger og jobber aktivt for å appifisere verden, og jeg gleder meg til å møte dere og bli inspirert av løsningene dere lager!

Tor-Morten Grønli
Nerd | Forsker | Ansvarlig for bachelorstudiene ved NITH

4 kommentarer

Filed under Informasjonssystemer, IT og samfunn, Utdanning

Sentimentanalyse og Business Intelligence

Skrevet av Wanda Presthus, Høyskolelektor og doktorgradsstudent, Norges Informasjonsteknologiske Høgskole. Tidligere publisert på Biblogg.

Dette blogginnlegget beskriver to tilfeller av Business Intelligence (BI) og sentimentanalyse; norske flyselskaper under askekrisen og salg av kameraer på Amazon.

BI kan defineres på mange måter. Jeg velger denne for dette tilfellet: “BI er et paraplybegrep som dekker prosesser, applikasjoner, verktøy og teknikker for å støtte beslutningstaking”. Et eksempel på en slik BI teknikk er “sentimentanalyse”. En sentimentanalyse kan detektere folks stemning eller følelser til et spesifikt produkt eller en tjeneste ved å bruke store mengder tekstlige data. Disse data henter man ofte fra websider, hvor kunder har gitt tilbakemeldinger. Videre kan man benytte datamining, en annen BI teknikk for å søke etter mønstre i de dataene man har hentet ut. En sentimentanalyse skal avsløre positive eller negative tilbakemeldinger på produktet eller tjenesten (Turban et al. 2011).

SAS og Norwegian på Facebook under askekrisen i 2010

Den islandske vulkanen Eyafjallajökull lammet som kjent flytrafikken i april i 2010. Vi fikk begrep som “ å sitte askefast”, altså passasjerer som satt strandet på flyplasser verden rundt i flere dager. Telefonsentralene hos flyselskaper som SAS og Norwegian brøt raskt sammen, men passasjerer og flyselskap tok i bruk Facebook for å kommunisere. Hvordan var egentlig stemningen blant passasjerer som satt slitne og blakke på flyplasser? Hjemme ventet alt fra akkumulerte arbeidsoppgaver og noen hadde bil på Gardermoen Parkering hvor regningen ble større for hver dag. For å finne svar på dette, kan man utføre en sentimentanalyse av kommunikasjonen på Facebook. Utfordringen er hvordan man skal gjøre om data fra websider til data presentert som grafer, som i figuren under?

Figur 1: Fra tilsynelatende kaotiske Facebooksider til velstrukturerte data i fire kategorier

Min kollega og jeg ønsket å lage en slik sentimentanalyse sommeren 2010 (Presthus and Bygstad 2010). Første trinn var å hente ut data fra Facebooksidene til SAS og Norwegian. Dette ble gjort ved hjelp av programmeringskode i Ruby. Deretter benyttet vi manuell tekstmining, som er en teknikk for å se etter mønstre i store mengder tekstlige data. På forhånd hadde vi bestemt oss for å bruke “categorisation”, det vil si en form for tekstmining hvor man på forhånd har bestemt seg for kategorier. Våre kategorier var delt inn i positive og negative ord for hvert flyselskap. Resultatet vises til høyre i figuren over. Grafen avslører at stemningen var overveldende positiv, i den forstand at positive ord som “bra” og “fantaststisk” forekom mye oftere enn negative ord som “frustrasjon” og “kaos”. Vi tok også stikkprøver fra teksten, og fikk bekreftet at språkbruken var sivilisert, samt at passasjerer også tok seg tid til å takke for hjelpen de fikk.

Overraskende mønster? Grunnene kan være mange; dette var en unntakstilstand hvor passasjerene kanskje ikke forventet hjelp via sosiale media. Kanskje besinnet Facebookbrukere seg ved tanke på at flere kunne lese hva som ble skrevet. Det gjenstår å se hvordan stemningen vil bli hvis kommunikasjon via Facebook blir standard for flypassasjerer i en ny askekrise, men vi kan konkludere med at Facebook var velfungerende som en alternativ kommunikasjonskanal i askekrisen 2010.

Salg av kamera og video på Amazon.com

Hvorfor bør man følge med på hva kunder sier på Internett? Hvor stor effekt har kunders tilbakemeldinger? Et paper fra Archak et al. (2007) illustrerer effekten av positive og negative tilbakemeldinger. Forfatterne tok for seg salg av ulike kamera- og videotyper på Amazon, og analyserte salgstall opp mot kundenes tilbakemeldinger ved hjelp av data- og tekstmining. Hvilke mønstre kunne skjule seg bak til sammen 3545 tilbakemeldinger fra kunder som hadde kjøpt ulike kamera- og videotyper fra Amazon i løpet av 15 måneder? Første oppdagelse var at ord som gikk igjen var typisk “Great/Bad/Amazing”. Hvilken påvirkning hadde de ulike adjektivene på salget?

Ganske stor! Ikke overraskende, “Great” og “Good” førte til økt salg. Hvis en kameratype ble omtalt som “Bad”, førte dette til så dårlig salg at produktet forsvant fra sortimentet. Men det forundrer kanskje at adjektiver som “Decent” og “Nice” resulterte i dårligere salgstall. Ikke nok med det: “Best camera ever” skadet også salget. Archak, Ghose & Ipeirotis forklarer at “Decent” og “Nice” er for lunkent, og “Best camera ever” tror ikke kundene noe på. Denne forskningen viser for eksempel at folk er sensitive overfor begreper, og indikerer at selskaper bør være bevisste egen språkbruk i markedsføring. Hvis ikke kunder tror på andre kunders tilbakemelding om at det du selger er det beste produktet noensinne, vil de vel neppe tro på deg heller?

Ja! Mitt firma vil også gjøre sentimentanalyse! Eller?

Sentimentanalyse kan gi deg verdifull informasjon av alle de data som florerer der ute på nettet, og informasjon gir som kjent et mektig konkurransefortrinn. Alternativer er trauste spørreskjemaer eller intervjuer, som medfører at du må plage kunden. Når svarte du selv som kunde med glede og entusiasme på en spørreundersøkelse?

Her kommer medaljens bakside: tekstminingverktøy kan være dyre eller vanskelige å bruke. Paperet til Archak, Ghose & Ipeirotis er fullt av kompliserte algoritmer og har ligninger med tegn som får deg til å foretrekke egyptiske hieroglyfer. Men vent – det trenger ikke være så komplisert. Min kollega og jeg gjorde likeså godt jobben manuelt. Vi lot oss ikke skremme av at Facebooksidene inneholdt 60 000 forekomster av unike ord. Den menneskelige hjernen duger fortsatt. Vi brukte to timer på å kategorisere ordene, og så ordnet Excel grafene for oss. Ditt firma kan kanskje forsøke noen manuelle sentimentanalyser, og se an nytten?

I samsvar med Archak, Ghose and Iperiotis’ resultater konkluderer jeg med følgende: sentimentanalyse er ikke “det beste noensinne”, men det kan være et godt alternativ til tradisjonelle metoder for å finne ut hva kunden mener om dine produkter eller dine tjenester.

Referanser:

Archak, N., Ghose, A., and Ipeirotis, P. G. “Show me the money!: deriving the pricing power of product features by mining consumer reviews ” Presented at Proceedings of the 13th ACM SIGKDD international conference on Knowledge discovery and data mining. KDD ’0.7.

Presthus, W., and Bygstad, B. (2010). Facebook as agile CRM? A business intelligence analysis of the airline ash crisis.: NOKOBIT, Gjøvik. Tapir Akademisk Forlag.

Turban, E., Sharda, R., and Delen, D. (2011). Decision Support and Business Intelligence Systems: Prentice Hall.

Legg igjen en kommentar

Filed under Informasjonssystemer, IT og samfunn