Aunque parezcan diametralmente opuestas, el big data, desde la perspectiva del marketing directo, y las humanidades digitales están trabajando en conjunto para generar conocimientos nuevos y sobre todo útiles para la industria. Acerca de esto nos platicó Jorge Peñalva, CEO y Co-fundador de lang.ai, en el Big Data & Analytics Summit 2018, cuya conferencia se intituló “Cómo trabajar con Big Data de textos no estructurados”.
En consonancia con lo que ponentes anteriores a él mencionaron en el evento, en los últimos años se ha generado el 90% de la información de toda la historia de la humanidad. Por lo que en la actualidad existe una gran cantidad de datos, buena parte de ellos forman parte del corpus escrito que se genera en sitos como las redes sociales, cuyos registros no están estructurados.
Estos datos no estructurados son estudiados desde una primera perspectiva, según comentó Jorge Peñalva, con la generación de ontologías, que son compilaciones de palabras y sus significados (similares a los diccionarios que prácticamente todos conocemos). Estas bases de datos pueden interrelacionarse para que no sólo trabajen de modo conjunto, sino que también sean mucho más funcionales y útiles.
Por ejemplo, si se trabaja con un restaurante, se realizará una lista de palabras que estén relacionadas con el negocio y posteriormente se considera su valor, respecto al contexto, tanto positivo como negativo.
Sin embargo, hay que considerar factores como la ambigüedad y la complejidad tanto de las palabras como de las oraciones de los textos que se estudian al momento de realizar basas de datos, las cuales se desarrollan en un ambiente dinámico.
Una vez que ya se cuenta con las bases de datos de un determinado cliente, comentó Jorge Peñalva, se pueden desarrollar reglas determinísicas para que se filtren los textos y se genere información útil para la empresa. Digamos que es aquí donde se crea el algoritmo, el cual ayudará a filtrar y organizar todos los contenidos que pasen por él. Por ejemplo, se puede hacer un programa que ayude a detectar las principales quejas de los clientes en dicho restaurante.
Pero, ¿de qué sirve todo este trabajo? Jorge explica que sus utilidades estriban no sólo en la creación de chatbos, sino también a mejorar considerablemente la atención a clientes, a optimizar el desempeño de los call centers y la experiencia del consumidor.
