博客大多数数据分析都是对定量数据进行的，但那些将研究局限于数字的公司可能会错过有价值的信息。为了使他们对组织的价值最大化，数据团队应该开始寻找从额外类型的信息（文本）中提取价值的方法。为了进行这种分析，团队使用自然语言处理（NLP）来解码人类语言。虽然SQL有一些轻量级的NLP功能，但Python提供了巨大的库，可以以难以置信的深度分析这种类型的信息。更高级的语言，如Python，可以随着NLP的新发现而适应和发展，因此随着人类语音处理的发展，公司将能够从他们的文本数据库中获得正确的见解，包括意义和上下文。利用自然语言处理产生新的见解一般来说，定性数据的问题是缺乏结构。数字数据本质上更具有连续性，并且可以很容易地组织和分析。基于文本的数据是非结构化的，而且常常是无序的。像Python中的自然语言工具箱（NLTK）这样的库已经被构建来帮助创建人类语音模式的顺序，并对正在交流的内容执行深入的分析。NLTK不仅仅是将单词转换成可搜索的字符集，它实际上是在剖析人类语言结构，并从一系列单词中获得预期的意义。NLP还处于起步阶段，但公司已经在利用它来产生一些有意义的见解。一个基本的例子是情绪分析，数据团队可以识别关于产品或品牌的言论，并分析这些陈述的意义。这比组建一个正式的焦点小组要简单得多，并且能更具体地了解谈话内容。任何使用文本作为主要数据单位的公司都可以从NLP技术中产生价值，他们只需要考虑一种方法来提供他们想要的结果的结构。NLTK是一种高级工具，它能够对大量基于文本的数据进行排序，但是就像你的定量数据集一样，最好的见解只能来自于结构良好、精心设计的分析。基于NLP的见解的可能性是无限的，类似NLTK的工具只会继续改进。有了正确的愿景和分析执行能力，正确使用这些工具的数据团队将给他们的公司带来巨大的优势。云数据团队在Sisense中的自然语言处理一个充分利用NLP的Sisense客户是Crisis Text Line，这是一个免费的、匿名的24/7基于文本的危机干预系统，旨在通过将人们与训练有素的顾问联系起来来缓解危机，这些顾问接受过降温的培训。他们使用自然语言处理和机器学习从他们丰富的数据集中提取见解，并识别文本中的关键词，以帮助指导辅导员找到一个安全的解决方案。随后，这一过程的第二阶段利用一个大型的专业咨询师社区，根据常见的关键词和标签分析对话，帮助评估趋势，并培训辅导员与发短信者进行高质量的对话。这种创新的预测建模方法允许危机文本行检测关键字，识别和预测趋势的实时性。危机文本行数据团队使用Sisense for Cloud data team进行这种复杂的分析，并快速可视化结果。在不久的将来，该团队计划建立一个自助式的数据环境，使咨询师能够在没有数据团队帮助的情况下访问信息。这种设置可以让咨询师更快地获取数据，并最终导致与发短信者进行更明智的对话。通常，最终用户很难提前预测发短信者的需求，因此依赖于预先建模的数据工具是无效的。像Sisense这样的敏捷数据环境允许顾问团队自己寻找答案。要了解如何使用Sisense将自然语言处理纳入数据分析，请下载我们的指南。标记：数据团队