战略性情绪分析的5大数据来源

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 每个公司都想知道客户对自身的感受。而情绪分析可以获取更具细粒度的信息,还能用于提高员工的满意度。本文作者为 Andrew C. Oliver,文章系国内 ITOM 管理平台 OneAPM 编译呈现。

【编者按】每个公司都想知道客户对自身的感受。而情绪分析可以获取更具细粒度的信息,还能用于提高员工的满意度。本文作者为 Andrew C. Oliver,文章系国内 ITOM 管理平台 OneAPM 编译呈现。

在世界的某个角落,有人发推特说“这家航空公司太糟糕了!”在过去,这些抱怨就被忽视了。现在,许多航空公司会充满歉意地回应(“对于您的不愉快经历,我们深感抱歉——请发私信给我们,我们会努力解决”)或邀请你拨打一个800号码(不过你可能一直在等待接通中)。

名为情绪分析的工具,或消极与积极情绪的数学上分类,使公司可以借助更有效的方式分析各种通信渠道中的语言数据,不仅限于推特。测量公司内外部的情绪状态,是非常有价值的。以下是五个最有价值的情绪数据来源。

客户问询

当客户询问你的产品或服务时,整体情绪的指标,信息的长度,用词,都可以与以往的询问相对比。不同的询问需要不同的处理方式。

客户服务

当客户投诉一个问题时,他或她是真的不愉快呢,还是简单地询问呢,“嗨,你们能查询一下这个问题吗?” 这些互动的情绪分析有助于跟踪客户对公司或产品的感觉。客户关系稳固吗?当与一个没有经验的接线员沟通时,客户感到满意吗?

员工互动

当员工在交谈时,他们是开心的吗?满意吗?同样,有哪些员工感到不愉快或不满意呢?你已经对邮件进行木马和IP入侵的扫描,为什么不扫描情绪呢?无论是电子邮件,Slack,还是其他聊天工具,沟通和情绪分值都是非常有用的工具,可以了解员工的感受,以及他们离开公司的可能。

与 HR 的互动

当HR与员工交谈时,互动是怎么样的?他们解决问题了吗,或是员工最后悻悻地离开了?开心的员工更有可能留在公司,至少不太容易起诉。

新闻和公共数据

对于大型上市公司,这点特别有用。当然,你的公关公司会在每个月底给你发送数据列表,但是,你的新闻趋势是积极还是消极的,话题又是什么呢?

通过观察这些数据集,你可以加强自身的市场营销和公关运营,还可以改善员工流动率,并最终提高客户服务水平。情绪分析对于大多数开发人员都是现成的,容易获得的。它提供了一个量化业务成功的有效方法,并借助数据科学来提高业务水平。

本文转自 OneAPM 官方博客

原文地址:
http://www.javaworld.com/article/3084477/application-development/5-big-data-sources-for-strategic-sentiment-analysis.html

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【10月更文挑战第4天】在大数据时代,算法效率至关重要。本文从理论入手,介绍时间复杂度和空间复杂度两个核心概念,并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2),空间复杂度为O(1);快速排序平均时间复杂度为O(n log n),空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略,帮助你在大数据挑战中游刃有余。
76 4
|
1月前
|
存储 机器学习/深度学习 SQL
大数据处理与分析技术
大数据处理与分析技术
102 2
|
2月前
|
SQL 消息中间件 分布式计算
大数据-124 - Flink State 01篇 状态原理和原理剖析:状态类型 执行分析
大数据-124 - Flink State 01篇 状态原理和原理剖析:状态类型 执行分析
74 5
|
3天前
|
SQL 分布式计算 DataWorks
DataWorks产品测评|基于DataWorks和MaxCompute产品组合实现用户画像分析
本文介绍了如何使用DataWorks和MaxCompute产品组合实现用户画像分析。首先,通过阿里云官网开通DataWorks服务并创建资源组,接着创建MaxCompute项目和数据源。随后,利用DataWorks的数据集成和数据开发模块,将业务数据同步至MaxCompute,并通过ODPS SQL完成用户画像的数据加工,最终将结果写入`ads_user_info_1d`表。文章详细记录了每一步的操作过程,包括任务开发、运行、运维操作和资源释放,帮助读者顺利完成用户画像分析。此外,还指出了文档中的一些不一致之处,并提供了相应的解决方法。
|
1天前
|
分布式计算 DataWorks 搜索推荐
用户画像分析(MaxCompute简化版)
通过本教程,您可以了解如何使用DataWorks和MaxCompute产品组合进行数仓开发与分析,并通过案例体验DataWorks数据集成、数据开发和运维中心模块的相关能力。
25 4
|
21天前
|
机器学习/深度学习 存储 大数据
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系,保留最大方差信息,实现数据压缩、去噪及可视化。本文详解PCA原理、步骤及其Python实现,探讨其在图像压缩、特征提取等领域的应用,并指出使用时的注意事项,旨在帮助读者掌握这一强大工具。
40 4
|
22天前
|
关系型数据库 分布式数据库 数据库
PolarDB 以其出色的性能和可扩展性,成为大数据分析的重要工具
在数字化时代,企业面对海量数据的挑战,PolarDB 以其出色的性能和可扩展性,成为大数据分析的重要工具。它不仅支持高速数据读写,还通过数据分区、索引优化等策略提升分析效率,适用于电商、金融等多个行业,助力企业精准决策。
33 4
|
22天前
|
机器学习/深度学习 分布式计算 算法
【大数据分析&机器学习】分布式机器学习
本文主要介绍分布式机器学习基础知识,并介绍主流的分布式机器学习框架,结合实例介绍一些机器学习算法。
137 5
|
1月前
|
存储 监控 数据挖掘
【Clikhouse 探秘】ClickHouse 物化视图:加速大数据分析的新利器
ClickHouse 的物化视图是一种特殊表,通过预先计算并存储查询结果,显著提高查询性能,减少资源消耗,适用于实时报表、日志分析、用户行为分析、金融数据分析和物联网数据分析等场景。物化视图的创建、数据插入、更新和一致性保证通过事务机制实现。
127 14
|
1月前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
101 2