Vorausschauende Modelle

In den frühen Jahren der Textanalyse begrenzte sich ihr Einsatz auf Visualisierungen von Konzeptbeziehungen sowie die gelegentliche Verwendung dieser Grafiken in Berichten. Diese Zusammenfassungen mussten dann von Managern ausgewertet und interpretiert werden, bevor es an eine Ausarbeitung strategischer oder taktischer Pläne ging. Heute nutzen mehr und mehr Organisationen das so genannte Batch-Scoring - oftmals außerhalb der Stoßzeiten - ,um aktualisierte Vorhersagen in ihre Datenbanken zu übernehmen. Organisationen adressieren mit dieser Technik gezielt ganz spezielle Geschäftsproblematiken. So kann eine Universität beispielsweise mit einer Umfrage herausfinden, wie bestimmte Vorlesungen den Studenten gefallen.

Die Ergebnisse sorgen im besten Fall für eine Verbesserung des Klimas auf dem Campus. Ein Marktforschungsunternehmen oder eine internationale Firma nutzt Textanalysen für Felduntersuchungen in 20 verschiedenen Ländern: Professionelle Übersetzungen helfen durch Text Mining oder Sentiment Analysis, einen seltenen Einblick in die Gedankenwelt und das Verhalten der Kunden zu gewinnen.

Praxisbeispiel

Wie Text Mining funktioniert, zeigt der größte Schweizer Kabelnetzwerkbetreiber Cablecom. Der Carrier hatte erkannt, dass er für sein internes Enterprise-Feedback-Management (EFM) genaue Angaben benötigte, warum Kunden mit dem Service nicht zufrieden sind. Mit einer Text-Mining-Lösung kann das Unternehmen abwanderungswillige Kunden schnell erkennen. Diese werden dann gezielt angegangen, um die Kundenbindung zu verbessern - mit Erfolg: In ersten Pilotstudien ließ sich nachweisen, dass die Anzahl der verlorenen Kunden durch dieses Vorgehen von 19 auf zwei Prozent zurückging. Die besten Ergebnisse liefert eine Analyse-Suite, die Statistik, Data und Text Mining sowie Enterprise Feedback Management miteinander verbindet. Dadurch erhalten Firmen fundierte Schlussfolgerungen und können die vorhandenen Daten schneller nutzen, um aus ihnen Maßnahmen abzuleiten.