Datenanalyse von unstrukturierten Texten

In der heutigen Welt stehen im Unternehmen an vielen Stellen unstrukturierte Texte zur Verfügung. Im konkreten Anwendungsfall haben wir mit Tools folgende Grunddaten untersucht:

Buchungstexte in SAP-Feldern Buchungsbelege
In Ermittlungen nach datenschutzrechtlicher Freigabe ein größerer Bestand an Dokumenten auf internen Laufwerken einer Abteilung.

Durchlesen war gestern, Voranalyse ist heute, Bewertung der Sachverhalte kann allerdings die Maschine (noch?) nicht. Insofern müssen die Auffälligkeiten immer bewertet werden. Maschinelle Analysen helfen mit geringerem Aufwand Auffälligkeiten zu erkennen.

Aufgabenstellung und Ziele

Effektive Vorverarbeitung von textbasierten Dokumenten
Bestimmung und Auswahl von optimalen Parametern für Analysen
Bereitstellung von branchenspezifischen Kenngrößen
Bereitstellung von aussagekräftigen Auswertungsergebnissen

Durchgeführte Tätigkeiten

Identifizierung von fachspezifischen Anforderungen und Besonderheiten
Generierung von maßgeschneiderten Dictionaries
- Anlegen von eigenen sog. „Stopword“-Listen
- Anlegen von Branchenspezifischen Wörterbüchern
Durchführung einer idealen Vorverarbeitung der Dokumente
Implementierung der durchzuführenden Analysealgorithmen
Bereitstellung und Customizing von Scrapern (maschinellen Methoden für das Auslesen von Texten)
Optimierung von verwendeten Hyperparametern
Training von Modellen des maschinellen Lernens
Aggregation und Visualisierung der Analyseergebnisse

Mehrwerte für den Kunden

Minimierung von Risiken durch kontinuierliche Analysen
Wertschöpfung durch neu entdeckte Zusammenhänge in internen Prozessen
Wissensgewinn durch maschinelle Erschließung von latent zusammenhängenden Themengebieten