„Enterprise search has dominated the way people find information, but significant changes in what is available and what is desired are gathering pace. Digital content leaders must embrace a new technology that is redefining the market around search, one that Gartner terms the ‘insight engine.’”
Im Dialogue mit Big Data
Doch was bedeutet „Insight Engine“ und wie beeinflusst es unsere Art zu suchen? Der Begriff basiert auf den im Unternehmen vorhandenen Informationen (Big Data).
Eine Insight Engine beschäftigt sich wie Enterprise Search damit, wie diese Informationen bestmöglich durchsucht werden können, umfasst aber ein breiteres Spektrum an Technologien, die die Qualität und das Ausmaß der Suche erhöhen. Im Wesentlichen können die Eigenschaften einer Insight Engine mit folgenden drei Begriffen beschrieben werden:
Natürlich
Suchanfragen können in natürlicher Sprache formuliert abgesetzt werden. Die Insight Engine interpretiert die Anfrage und liefert entsprechende Suchergebnisse zurück.
Umfassend
Alle relevanten Datenquellen werden über Konnektoren angebunden.
Proaktiv
Zu den Suchanfragen werden zusätzliche Informationen zurückgeliefert, die nicht explizit gesucht wurden, aber aufgrund einer autonomen Analyse im Kontext relevant sind.
Insight Engines stellen Informationen im richtigen Kontext sofort und proaktiv zur Verfügung. Studien belegen, dass verkürzte Antwortzeiten auf komplexe Fragestellungen immer stärker zum Kriterium im täglichen Wettbewerb von Unternehmen werden. Deshalb ist es wichtiger denn je, die eigenen Unternehmensdaten zu nutzen, um konkurrenzfähig zu bleiben (Forbes Insights. 2016, Vermeer. 2014). Vor allem unstrukturierte Daten wie Text, Sprachnachrichten oder Videos werden im Big Data Zeitalter immer mehr angehäuft, sind aber nicht direkt für die weitere Verarbeitung geeignet (IDGE. 2016). Insight Engines interpretieren mithilfe von semantischer Analyse unstrukturierte Daten und bereiten diese für die weitere Verwendung auf. Suchergebnisse werden verbessert und in einem strukturierten Format zurück geliefert.
Die Lösung ist Mindbreeze InSpire
Mit semantischer Analyse und Machine Learning Technologie werden Metadaten extrahiert und unstrukturierte Daten sowie Suchqueries interpretiert. In einem Natural Language Question Answering (NLQA) Dialog können so Daten intuitiv abgefragt werden.
Mindbreeze InSpire erkennt darüber hinaus, um welche Art von Daten es sich bei der Anfrage handelt und liefert die Resultate in strukturierter Form (z.B. tabellarisch für Geschäftsberichte), optimal für die direkte Weiterverarbeitung, zurück. Zusätzlich wird das Sucherlebnis durch proaktive Datenanalyse und automatisch getriggerte Hinweise, die zusätzlich zur tatsächlichen Suche angezeigt werden, verbessert. Relevante Informationen, nach denen nicht explizit gesucht wurde, werden zusätzlich zurückgeliefert, Mindbreeze liefert somit weitere Alternativen und unterstützt beim Suchvorgang.
Eine Lösung für alle Branchen
Insight Engines sind branchenübergreifend einsetzbar und werden in der Regel dazu verwendet Arbeitsläufe zu beschleunigen und qualitativ zu verbessern. Mindbreeze InSpire hat sich bereits in unterschiedlichen Branchen in der Praxis bewährt.
Gesundheitswesen
Mit dem Anstieg digitaler Daten im Gesundheitsbereich ist eine neue Ressource entstanden, welche heute noch wenig bis gar nicht genutzt wird. Mindbreeze InSpire hilft medizinische Zusammenhänge aus unstrukturierten Daten zu erkennen und stellt diese übersichtlich in einer Chronologie dar.
Mehr ►
Customer Care Center
Vor allem im Customer Care Bereich ist eine 360-Grad-Sicht ausschlaggebend um Anfragen schnell und qualitativ hochwertig beantworten zu können.
Mehr ►
Competitive Intelligence
Insight Engines werden in Unternehmen eingesetzt um die eigenen Daten zu analysieren und Unternehmensprozesse effizienter und besser zu gestalten. Ziel ist es die eigenen Unternehmensdaten bestmöglich zu nutzen um sich von der Konkurrenz abzusetzen.
Mehr ►
Klassifizierung
Mindbreeze InSpire als Insight Engine ermöglicht auch eine Dokumentenklassifizierung. Dadurch können gesamte Posteingangsbereiche automatisiert abgewickelt werden.
Mehr ►
360-Grad-Sicht in Fachbereichen
Unterschiedliche Softwarepakete und Projekte führen oft dazu, dass Daten im Unternehmen verstreut sind. Um Zusammenhänge nicht zu übersehen ist es wichtig diese Daten zu synthetisieren und dem User eine 360-Grad-Sicht zur Verfügung zu stellen.
Mehr ►
Warum Mindbreeze InSpire
Aus dem Vollen der eigenen Daten schöpfen
- Konnektoren ermöglichen die Anbindung von über 450 Datenquellen
- Semantische Analyse macht Daten interpretierbar
- Umfassende 360-Grad-Sichten werden möglich
Informationen schneller finden
- Strukturierte Ergebnisse für spezifische Suchbegriffe (Wer, Wann, Wo, etc.)
- Semantische Interpretation von Suchanfragen
- Intuitive Suche mit Natural Language Question Answering (NLQA)
Der persönliche Assistent für Ihre Unternehmensdaten
- Proaktive Analysen zu Suchanfragen
- Echtzeitanalyse mit Alarm-Funktionen (Actionable Information)
- Unterstützung bei zeitkritischem Decision-Making
Semantische Analyse und Datenextrahierung
Deep Content Analytics mit NLP und Machine Learning Technologie
Mindbreeze bietet durch Korpus basiertes Natural Language Processing (NLP) vollkommene Sprachunabhängigkeit und ist derzeit in über 39 Sprachen (inkl. asiatische Sprachen wie Chinesisch) im Einsatz. In Kombination mit Sprachpaketen, statistischen Verfahren sowie Machine Learning Technologien werden unstrukturierte Daten semantisch analysiert und somit für die Suche aufbereitet. Mindbreeze InSpire ermöglicht somit eine umfangreichere Interpretation als simples Keyword matching und kann semantische Zusammenhänge verstehen, welche ausschlaggebend für gute Suchresultate sind.
Interpretation von Suchanfragen
Mindbreeze InSpire verarbeitet Suchanfragen, die in natürlicher Sprache abgesetzt wurden, interpretiert diese und übersetzt sie in eine für Maschinen formal verständliche Sprache. Die Suche wird also in einem NLQA Dialog mit dem User durchgeführt, wenn die Anfrage zu unkonkret war oder mehrere Auswahlmöglichkeiten zur Verfügung stehen, fragt das System einfach noch einmal nach um sich nach den gewünschten Resultaten zu informieren.
Semantische Datenextraktion
Häufig sind strukturierte Daten in unstrukturiertem Text enthalten. Gängige Praxis ist oftmals die manuelle Erfassung solcher Daten und die Eintragung in ein strukturiertes Datenbankformat. Dieser Prozess ist arbeitsintensiv und fehleranfällig, da Daten schnell übersehen oder mit Tippfehlern in das System eingespeist werden. Mindbreeze InSpire extrahiert Daten aus Freitexten und validiert diese automatisch mit einer Datenbank um die Qualität der Resultate zu sichern. Mit dem semantischen Ansatz können darüber hinaus Eigenschaften von Metadaten gelernt und demnach zugeordnet werden (z. B. Unterscheidung Firmenname oder Nachname).