SVELA IL POTENZIALE DEI TESTI

LA SEMANTICA PER INCREMENTARE LA CAPACITA’  DI ANALISI DEI DATI E MIGLIORARE LE DECISIONI STRATEGICHE

VERIFICA LA FATTIBILITA' DEL TUO PROGETTOVAI ALLA PRESENTAZIONE DI SEMANTICASE

Lo strumento SemantiCase

Che cos’è

SemantiCase è una procedura software semplice ma potente per analizzare tutti i tipi di testi aperti attraverso modelli di NLP, riducendo effort e complessità dell’analisi. Semanticase integra modelli di Natural Language Processing e Understanding, machine learning, statistica ed informatica.

Attraverso l’integrazione nel suo back-end di complessi modelli matematico-probabilistici di rappresentazione semantica, consente a ogni operatore di avviare l’analisi attraverso un sistema user-friendly, delegando l’intervento dell’esperto della materia, non nell’onerosa fase di classificazione e organizzazione dei dati, ma direttamente nella fase più importante di interpretazione dei risultati. Attraverso la dashboard si dispone di una rappresentazione dei dati che rende agevole il lavoro di analisi di fenomeni qualitativi, facilitando il reporting a supporto dei processi decisionali.

L’analisi semantica dei testi, infatti, permette di integrare i consueti i processi decisionali, rendendo utilizzabili e valorizzando informazioni qualitative generalmente difficili da cogliere, se non tramite una onerosa lavorazione.

Il testo aperto, oltre ai contenuti specifici, si caratterizza anche per connotazioni su atteggiamenti, vissuti e opinioni personali. L’immediatezza e la complessità del testo scritto offre a chi scrive un perimetro più ampio di espressione e permette di realizzare una comunicazione autentica dei significati. Poterne cogliere tutti i significati e le specificità attraverso metodi di confronto e sintesi dei testi è la mission di Semanticase.

Rendere analizzabile e utilizzabile nei processi organizzativi il capitale di informazioni dei testi diventa strategico per le organizzazioni per poter evolvere i loro processi.

 

Come sta crescendo

Semanticase si aggiorna combinando la procedura e la solidità dell’analisi dei dati semantici con la capacità di generazione degli LLM.
Con l’integrazione dell’AI generativa si consolida la sua capacità di comprensione dei dati testuali e l’attività di esplorazione, interrogazione e interpretazione dei risultati. 

Semanticase di distingue per modelli appositamente studiati e controllati rispetto:  

  • l’importazione di molteplici fonti e la valorizzazione del testo come “dato” con appositi strumenti di pre-processing, 
  • analisi no-bias dei dati con un’ampia parametrizzazione di modelli disponibili da adeguare in base al dato, 
  • scalabilità dei modelli di piccoli ai grandi testi, 
  • l’attivazione di Ai generativa su specifiche fasi dell’analisi del dato 
  • la data visualization oggi integrata con Ai Generativa. 

Oggi Semanticase rappresenta una pipeline ricca e parametrizzabile, che valorizza diversi algoritmi di NLP, integrando in modo controllato gli LLM negli step di analisi e visualizzazione, con un setting dei parametri adeguato a tenere sotto controllo bias e allucinazioni. 

Semanticase permette di utilizzare i più interessanti LLM open source (LLaMA, Mixtral, Solar) in funzione delle caratteristiche di progetto e continuando a monitorare e testare costantemente l’emergere dei nuovi modelli. Tutte le analisi avvengono su server dedicati, senza utilizzo di api verso servizi terzi, con certezza di costo e riservatezza. 

Semanticase rimane una procedura che vuole essere a servizio del dato, con un processo user friendly, adattivo alle esigenze di analisi, ma non automatizzato.  

Crediamo nella combinazione dei saperi, nella possibilità di comprendere le logiche di funzionamento dei modelli e vogliamo offrire agli owner del dato e agli analisti apposite funzioni e strumenti per lavorare con i risultati delle analisi per comprenderli, interrogarli e riportarli nei processi lavorativi. 

Da oggi in più in Semanticase:  

  • titolazione dei topic (con Ai generativa) 
  • sintesi dei contenuti del topic (con Ai generativa) 
  • rappresentazione di dettaglio del topic (modello sub-topic) 
  • nuova organizzazione dei risultati con possibilità di inserire commenti e note 

Semanticase per HR- Risorse umane

L’analisi semantica si applica in ambito HR nelle diverse fasi di gestione delle Risorse Umane, portando alla luce i significati espressi nei testi aperti e dando un contributo alle conoscenze per assumere comportamenti decisionali efficienti.

Alcuni esempi di applicazione:

  • TALENT ACQUISITION: analisi semantica dei cv e e predisposizione della shortlist finale (ranking su profilo ideale), screening delle valutazioni per la meta-valutazione del sistema di selezione.
  • DEVELOPMENT & TRAINING: chatbot e motore semantico a supporto di processi di informal e social learning (su contenuti dei corsi e/o social interni), analisi elaborati di valutazione apprendimento e competenze, analisi di questionari o interviste di needs analysis, gradimento della formazione.
  • PERFORMANCE & CAREERS: survey di monitoraggio della motivazione, interviste, valutazione dei capi sulle prestazioni.
  • PEOPLE ANALYTICS: indagini di clima, analisi della comunicazione interna, analisi dei gruppi di lavoro, reti di comunicazione informale e trend topics e influencer analysis.

Semanticase per il Digital learning

E’ possibile utilizzare Semanticase per diversi utilizzi in ambito digital learning.

Alcuni esempi sono:

  • Tutor online: indicizzazione di tutti i contenuti di corso e integrazione con chatbot di supporto agli utenti;
  • Analisi periodica della social interaction,
  • Analisi e correzione di elaborati ed esercitazioni,
  • Analisi survey e analisi dei fabbisogni.
  • Indicizzazione del materiale didattico a supporto di processi di studio autonomo.

Semanticase per la Customer Care

L’analisi semantica può essere utilizzata nel contesto dell’assistenza al cliente per l’analisi periodica del flusso di reclami commerciali e tecnici inviati via dai clienti e/o le richieste di assistenza (inclusi anche i messaggi vocali). È possibile effettuare l’analisi degli argomenti di reclamo, i trend nel tempo, l’indice di sentiment e indagare le parole predittive di churn / cessazione.

Semanticase per la Gestione documentale

Applicazione delle tecniche di analisi semantica per l’analisi della documentazione aziendale, anche al fine di integrare la semantica nei processi di gestione documentale.

Un esempio di applicazione: compliance di documenti

Applicazione delle tecniche di analisi semantica finalizzata al controllo di compliance della documentazione di valutazione dei rischi per la sicurezza (definiti sul piano normativo e dei regolamenti interni).
L’analisi di compliance viene condotta attraverso la misura del grado di adeguatezza/vicinanza semantica per ogni area di rischio attraverso l’espressione di uno scoring probabilistico rispetto al sistema di regole definito. Tale indicazione può essere integrata a processi di prioritizzazione di analisi del documento.

Flusso operativo semplice per avviare l’analisi

Ricca scelta delle opzioni analisi e dei report da realizzare

software semanticase

Consultazione integrata dei risultati

Import da database o file

Importare il testo aperto da un campo di database o da cartelle di file con eventuale OCR dei documenti scansionati.

Import da whatsapp

Importare il testo aperto e vocali da uno o più gruppi, liste broadcast o numeri whatsapp,

Import audio

Importare il testo aperto da file audio e messaggi vocali tramite sistema
speech-to-text.

Analisi di parole significative

Identificare le parole più popolari per frequenza e classificarle in base ai diversi stati di una variabile.

Analisi di parole esclusive

Individuare le parole distintive ed esclusive per singolo stato di una variabile strutturata che accompagna i testi

Analisi Sentiment e Emotions

Analizzare la polarizzazione delle opinioni, il loro andamento nel tempo, in relazione a co-variate e analisi delle emotions.

Identificazione di tematiche

Individuare nei testi i temi trasversali attraverso la costruzione di modelli stocastici delle co-occorrenze delle parole

Variazioni di contenuto

Studiare le parole caratteristiche di una tematica in relazione allo stato delle co-variate collegate al testo

Andamenti lineari e a effetti misti

Studiare le tematiche in base a co-variate descrittive utilizzando sia modelli lineari che ad effetti misti

Lettura con AI

Labelling automatico e riassunti del topic con AI generativa

GenAi Sub-clustering

Analisi di dettaglio del topic e lettura con AI Generativa

Reporting

Strumento di annotazione durante l’analisi per la creazione del reporting

Scrivere è sempre nascondere qualcosa,
in modo che poi venga scoperto

Italo Calvino – Se una notte d’inverno un viaggiatore (1979)

Esempid'uso

Le soluzioni



Accounts

Free Trial

Projects

SSL

Storage

Domains

Domains

Domains

SINGLE LICENSE

Servizio di Analisi dei dati

Configurazione base: SI

Tipologia di report:
in base al volume dei dati

Elaborazione dati:
in base al numero elaborazion
i

Consulenza specialistica per l'interpretazione dei risultati:
in base al numero di report

DEVELOPER LICENSE

Licenza software

Setup: SI

Tipologia di report:
in base al volume di dati

Elaborazione dati: 
in base al numero elaborazion
i

Formazione: SI

Licenza Operatore: 1

Licenza Visualizzazione: 5

Canone base Mesi:
durata a scelta ( dal mese, su base trimestre, semestrale o annuale)

A richiesta integrazione dei risultati con:
WEBSEM mesile
Chatbot mensile

Le tesi

Il team

Il team di ricerca e sviluppo è composto da personale interno e ricercatori.

Senior Partner - Learning & Innovation Expert

Daniela Pellegrini

Esperta di progetti formativi complessi, innovazione didattica, progettazione di piattaforme LMS, processi di tutoring. Oggi in Piazza Copernico si occupa di progetti di innovazione in campo formativo e risorse umane, tra cui sistemi di learning analytics, adaptive learning e applicazione di modelli di analisi semantica e sentiment analysis al mondo HR.

Innovation Advisor and Senior Data Science Researcher

Mario Santoro

Ricercatore presso IAC-CNR di Roma, laureato in Fisica con dottorato in Matematica. Esperto di Natural Language Processing (NLP), sentiment analysis, topic modeling, word embedding e data science. Si occupa di supportare l'innovazione dal punto di vista scientifico, curando modellistica, fattibilità e industrializzazione del progetto.

Research Developer

Marcello Pucci

Software engineer con significativa esperienza in ambito sviluppo, devops e gestione dei sistemi. Skill tecniche dal mondo java all’opensource, Linux/Unix. Sostiene dal punto di vista tecnico l’evoluzione dello strumento e le integrazioni con terze parti, con un approccio al costante miglioramento nell’ambito di una solida programmazione.

Senior Data Scientist

Sara Zuzzi

Senior Data Scientist, studia e interpreta grandi quantità di dati per ricavarne informazioni utili su cui un’azienda possa basare le proprie azioni strategiche. Attraverso l’elaborazione dei Big Data il data scientist è in grado di rendere comprensibili le informazioni nascoste nei dati, e di trasformare i dati in nuova conoscenza e opportunità.

Lorenzo Pozzi

Lorenzo Pozzi

Data Scientist specializzato in Machine Learning (ML) and Natural Language Processing (NLP). In piazza Copernico mi occupo di applicare modelli per l'analisi del linguaggio al fine di capirne il significato e estrarre informazioni utili per una solida crescita aziendale.

Scrivici

Entra in contatto con team di ricerca per valutare la fattibilità del tuo progetto