Kas yra sentimentų analizė?
Paprastai tariant, sentimentų analizė yra teksto analizė, atliekama siekiant nustatyti požiūrį, nuomonę ar emocijas tekste. Sentimentų analizės populiarumas šovė aukštyn per pastaruosius dešimtmečius, kai viešai ir paprastai prieinamos informacijos kiekiai pasidarė milžiniški, o organizacijoms tapo kaip niekad aktualu stebėti vartotojų reakcijas.
Turbūt geriausiai žinomas pavyzdys, kur naudojama sentimentų analizė, – prekių ženklų reputacija. Pasirodžius vienai ar kitai žinutei žiniasklaidoje arba socialiniuose tinkluose, galima iškart nustatyti, ar tai yra teigiamas ar neigiamas komentaras, ir greitai priimti atitinkamus sprendimus. Pavyzdžiui, toks komentaras kaip „šioje parduotuvėje labai prastas aptarnavimas“ iškart signalizuoja apie klientų nepasitenkinimą. Tad analizuojant tekstinę medžiagą galima greičiau reaguoti į neigiamus atsiliepimus, taisyti kokybines spragas, pritraukti naujų klientų ir užmegzti ryšį su kitomis tikslinėmis auditorijomis.
Kaip sentimentų analizė pritaikoma finansų sektoriuje?
Nors iš pirmo žvilgsnio gali atrodyti keista, sentimentų analizė taip pat labai plačiai taikoma bankuose.
Pavyzdžiui, „Danske Bank“ yra atskiras specialistų, atliekančių sentimentų analizę, padalinys. Darbuotojai, dirbantys šiame padalinyje, peržiūri informacijos šaltinius ir atrenka straipsnius, susijusius su korupcija, piktnaudžiavimu, mokesčių vengimu ir pan. Ši informacija leidžia išvengti sąlyčio su prastos reputacijos, galimai finansinius nusikaltimus darančiomis organizacijomis.
Tačiau pabandykite įsivaizduoti, kiek laiko užtrunka vienas žmogus, kuris turi kasdien peržvelgti tūkstančius žinučių ar komentarų. Todėl šiemet „Danske Bank“ Globalių paslaugų centre Lietuvoje sukūrėme robotą, kuris automatiškai skenuoja tekstus ir naudojant didelį kiekį raktinių žodžių juos priskiria prie svarbių arba nesvarbių. Todėl darbuotojams nebereikia skaityti visų straipsnių, o tik tuos, kuriuos robotas pažymėjo kaip svarbius.
Kaip robotai išmoksta skaityti?
Be abejonės, žmogaus kalba yra sudėtingas mechanizmas – čia susipina ne tik informacija, bet ir sarkazmas, ironija, palyginimai ir t.t. Pavyzdžiui, žodis „įdomus“ viename kontekste gali būti teigiamas, o kitame turėti neigiamą reikšmę. Ar robotas gali juos atpažinti? Ir taip, ir ne.
Kurdami robotus, atliekančius sentimentų analizę, naudojomės pagal raktinius žodžius į kategorijas jau suskirstytais straipsniais. Tai padėjo sukurti pagrindinį roboto žodyną su reikšmingais ir nereikšmingais žodžiais. Dar testuojant tokį robotą, jis teisingai atpažindavo 80 proc. straipsnių. Laikui bėgant, teisingų atsakymų dalis vis augo, kadangi robotas mokosi iš savo klaidų ir plečia žodyną.
Trumpai tariant, robotas – tarsi mažas vaikas, labai imlus naujai informacijai ir galintis išmokti labai daug. Iš pradžių pilkoji, robotui nežinomų žodžių zona yra gana didelė. Tačiau laikui bėgant ji vis traukiasi, o robotas „supranta“ vis daugiau.
Žinoma, galima sugalvoti ir daugiau būdų robotų pamokoms. Pavyzdžiui, su socialiniais tinklais mus pasiekia ir naujos bendravimo formos, pavyzdžiui, jaustukai: šypsenėlės, pikti veidukai ir kiti. Tokia informacija robotams labai vertinga, kadangi ji padeda „suprasti“ kontekstą. Pavyzdžiui, vartotojui parašius sarkastišką komentarą, tačiau pridėjus liūdną veiduką, robotas galėtų atskirti, kad komentaras yra neigiamas ir kitą kartą jau geriau įvertintų panašų tekstinį kontekstą.
Ar ateitis priklauso robotams?
Nors bandymus nuspėti ateitį reikėtų palikti fantastikos kūrėjams, akivaizdu, kad technologijos pamažu išstumia rutininį darbą ir tai matyti ne tik finansų, bet ir kituose sektoriuose. Pavyzdžiui, kompanija „Boston Consulting Group“ prognozuoja, kad iki 2025 metų maždaug ketvirtadalį dabartinių darbų atliks robotai, o Oksfordo universiteto mokslininkai teigia, kad 35 proc. šiuolaikinių profesijų vien Didžiojoje Britanijoje išnyks dėl procesų automatizavimo.
Ką tai reiškia žmonėms? Viena vertus, daug įdomesnį darbą. Kai „Danske Bank“ sukūrėme „skaitančius“ robotus, pinigų plovimo ekspertams, rizikų valdymo ir kitiems profesionalams atsirado laiko gilintis į savo sritį ir spręsti sudėtingesnes užduotis užuot dalį laiko skyrus techniniam darbui – informacijai peržiūrėti.
Kita vertus, naujų technologijų atsiradimas skatina darbuotojus nenustoti mokytis bei tobulėti, o galbūt net persikvalifikuoti ir patiems tapti robotų kūrėjais. Todėl robotai visų pirma yra ne grėsmė, o galimybė.
Philippe'as de Meulenaeras yra „Danske Bank“ Globalių paslaugų centro, Grupės rizikos valdymo departamento vyresnysis duomenų mokslininkas.
