Revolutionierung der Datenwissenschaft bei gemeinnützigen Organisationen

· Thomas Wood
Revolutionierung der Datenwissenschaft bei gemeinnützigen Organisationen

Entdecken Sie Ihre Zukunft in NLP!

Tauchen Sie ein in die Welt der Natürlichen Sprachverarbeitung! Entdecken Sie modernste NLP-Rollen, die zu Ihren Fähigkeiten und Leidenschaften passen.

NLP-Jobs entdecken

Wie können natürliche Sprachverarbeitung und Datenwissenschaft gemeinnützigen Organisationen (Wohltätigkeitsorganisationen) wie der White Ribbon Alliance helfen, Umfragedaten zu analysieren und mit der Welt zu teilen? Wir haben ein interaktives Dashboard entwickelt, mit dem die Öffentlichkeit die Gesundheitsanfragen von Frauen auf der ganzen Welt erkunden kann. Wir glauben, dass dies ein Novum in Sachen Transparenz im dritten Sektor ist. Klicken Sie hier , um das Dashboard anzuzeigen, das Fast Data Science für die White Ribbon Alliance entwickelt hat.

Screenshot of What Women Want NLP Dashboard

Screenshot des What Women Want NLP-Dashboards

Hunderttausende Unternehmen und Organisationen führen jedes Jahr Umfragen zu den unterschiedlichsten Zwecken durch. Einige davon werden von Marketingexperten durchgeführt, die in die Köpfe ihrer Zielgruppe eindringen und ihr Kaufverhalten besser verstehen möchten. Gleichzeitig entwickeln gemeinnützige Organisationen und Wohltätigkeitsorganisationen Umfragen zu Themen wie psychischer Gesundheit, Gesundheitsbedürfnissen von Frauen oder Hygiene. Die Art der Umfrage, die Sie durchführen sollten, hängt ganz von Ihrem Geschäftsmodell und Ihren Anforderungen ab.

Der Vorteil von Umfragen besteht darin, dass sie Unternehmen und gemeinnützigen Organisationen Daten liefern, die sie nutzen können, um ihre Bedürfnisse zu erfüllen und Mehrwert zu erzielen. Aber die Durchführung einer Umfrage ist nicht immer eitel Sonnenschein.

Unternehmen müssen nicht nur sicherstellen, dass die von ihnen durchgeführten Umfragen von Anfang an perfekt konzipiert sind und jede einzelne Information erfassen, die sie benötigen, sondern sie müssen auch zahllose Stunden mit der Analyse der Daten verbringen.

Generell können Umfragedaten entweder in numerischem oder Textformat vorliegen. Die Analyse numerischer Daten ist keine große Sache. Das Problem liegt bei der Analyse von Textdaten.

Video über die Umfrage „Was Frauen wollen“ der in den USA ansässigen gemeinnützigen White Ribbon Alliance. Zur Analyse der Umfrageantworten haben wir Datenwissenschaft und natürliche Sprachverarbeitung verwendet.

Datenwissenschaftler können Textdaten in zwei Arten unterteilen:

  • Geschlossene Fragen: Multiple-Choice-Fragen (auch kategorische Daten genannt)
  • Offene Fragen: Auf diese Fragen gibt es keine festen Antworten
Data science example of a closed-ended multiple-choice question in a survey. The user must choose one of the options.

Beispiel einer geschlossenen Multiple-Choice-Frage in einer Umfrage. Der Benutzer muss eine der Optionen auswählen.

Data science example of an open-ended question in a survey, where the respondent can reply in free text.

Beispiel für eine offene Frage in einer Umfrage, bei der der Befragte mit Freitext antworten kann.

Die Antworten auf geschlossene Fragen lassen sich leicht kodieren und quantifizieren. Bei offenen Fragen ist das jedoch nicht der Fall.

Offene Fragen sind dafür gedacht, aussagekräftige Antworten zu sammeln. Sie helfen Unternehmen dabei, umfangreiche und qualitative Daten zu erstellen, insbesondere wenn es nicht möglich ist, sich alle möglichen Antworten im Voraus auszudenken. Ein Befragter kann auf eine offene Frage vollständig in seinen eigenen Worten antworten.

Antworten auf offene Fragen sind extrem schwer zu kodieren und zu analysieren und können auf die folgenden drei Arten erfolgen:

  • Manuelle Codierung
  • Auslagerung
  • Automatisierung der Codierung

Die Nachteile herkömmlicher Umfrageanalyseverfahren liegen nicht nur darin, dass sie zeitaufwändig sind und von Unternehmen einen enormen Personaleinsatz erfordern, sondern auch darin, dass die Datenanalyse ungenau sein kann.

Fast Data Science - London

Non-profit data science?

Seit 2020 im Bereich NLP und Datenwissenschaft im Non-Profit-Bereich tätig. Zu unseren Kunden zählen die White Ribbon Alliance, die Gates Foundation und die Weltgesundheitsorganisation.

Wir sprechen über die Umfrage „What Women Want“ , die von der amerikanischen Non-Profit-Organisation White Ribbon Alliance (WRA) durchgeführt wurde und Antworten von Millionen von Frauen auf der ganzen Welt sammelte. Darüber hinaus sprechen wir auch über die Herausforderungen, die mit der Analyse dieser großen Menge an Textdaten verbunden sind.

Bevor wir beginnen, möchten wir etwas mehr über die Organisation und ihre Arbeit erfahren.

Über die White Ribbon Alliance

Die Frauen in der Kampagne „Was Frauen wollen“ antworteten, indem sie ihre Wünsche zur Gesundheitsversorgung in ihrer eigenen Sprache und mit ihren eigenen Worten formulierten. Die ultimative offene Umfragefrage!

Die White Ribbon Alliance ist eine der bekanntesten amerikanischen Non-Profit-Organisationen, die sich für die Förderung der reproduktiven und allgemeinen Gesundheit und Rechte von Frauen und Mädchen einsetzt. Die Organisation widmet sich insbesondere dem Problem der Todesfälle von Frauen während der Geburt und Schwangerschaft.

Kürzlich führten sie ihre Umfrage „Was Frauen wollen“ durch, bei der über eine Million Frauen weltweit ihre Antworten erhielten. Dabei lag der Schwerpunkt darauf, herauszufinden, welche Gesundheitsdienstleistungen Frauen tatsächlich am meisten benötigen.

Die WRA und ihre Partnerorganisationen haben über eine Million Frauen und heranwachsende Mädchen auf der ganzen Welt gefragt,

Was ist Ihr wichtigster Wunsch im Hinblick auf die mütterliche und reproduktive Gesundheitsversorgung?

Frauen aus Ländern wie Mexiko, Indien, Malawi, Kenia, Pakistan, Uganda, Nigeria und Tansania haben ihre Antworten aufgezeichnet. Sie können sich die Ergebnisse hier ansehen.

Während die Durchführung einer so groß angelegten Umfrage an sich schon ein gewaltiges Unterfangen war, war auch die Analyse der gesammelten Daten äußerst schwierig.

Da die Frage offen war, waren die Antworten in Textform. Daher hatte WRA große Schwierigkeiten, sie alle mit herkömmlichen Umfragedatenanalysetechniken zu analysieren. Darüber hinaus gaben einige Befragte ihre Antworten in ihrer Muttersprache ab, die ins Englische übersetzt werden mussten. Etwa 70 % der Gesamtantworten wurden von einem speziell geschulten Team in mühevoller Handarbeit eingegeben.

Die Umfrageantworten, die nicht manuell codiert werden konnten, wurden mithilfe verschiedener Modelle des maschinellen Lernens und der natürlichen Spracherkennung (NLP), wie etwa dem Modell Bidirectional Encoders Representations from Transformers (BERT), automatisch getaggt.

Mithilfe modernster Techniken des maschinellen Lernens konnten unsere Experten von Fast Data Science die Daten bereinigen und die verbleibenden, nicht kodierten Umfrageantworten automatisch in verschiedene Themenbereiche wie Wasser, Hygiene und Sanitäranlagen kategorisieren. Klicken Sie hier , um zu unserem Dashboard zu gelangen, das natürliche Sprachverarbeitung und maschinelles Lernen nutzt und es den WRA-Mitarbeitern, politischen Entscheidungsträgern und der Öffentlichkeit ermöglicht, die Daten der Kampagne aus aller Welt schnell und einfach zu analysieren.

Buchstäblich jeder kann überall auf diese riesigen Datenmengen zugreifen und sie problemlos analysieren, ohne ein Statistikexperte sein zu müssen.

Lassen Sie uns tief in die praktischen Aspekte unseres Dashboards eintauchen.

Sobald Sie das Dashboard besuchen, werden Sie mit einem kurzen Tutorial begrüßt, das Sie herumführt und mit seinen Funktionen vertraut macht.

Mit den Optionen „Drilldown vs. Vergleichen mit“ können Sie zwei Gruppen oder Segmente von Befragten einfach vergleichen, in unserem Fall die Mädchen und Frauen, die an der Umfrage teilgenommen haben.

Sie können beispielsweise herausfinden, inwiefern sich die Antworten der Frauen aus Kamerun von denen aus Indien unterscheiden.

Hier ist unser Drilldown-Bereich:

The filters control view of the non-profit What Women Want's data science dashboard.

Die Filter steuern die Ansicht des „Was Frauen wollen“-Dashboards.

Und hier ist unser Abschnitt „Vergleichen mit“:

The Compare to view of the non-profit What Women Want's data science dashboard.

Die „Vergleichen mit“-Filter steuern die Ansicht des „Was Frauen wollen“-Dashboards.

Wir haben verglichen, wie sich die Antworten der Frauen aus Kamerun von denen der Frauen aus Indien zum Thema „Umweltgesundheit und Unterstützung der Landwirtschaft“ unterscheiden. Hier sind die Ergebnisse:

Non-profit data science dashboard age histogram

Das Data-Science-Dashboard „Was Frauen wollen“ kann so eingestellt werden, dass es kamerunische und indische Frauen vergleicht, die ein bestimmtes Thema erwähnt haben, sodass der Benutzer bis ins kleinste Detail vordringen kann.

Non-profit data science dashboard survey

Über das NLP-Dashboard können Sie Teilmengen der Rohantworten der Umfrage sowie das Alter und den Standort der betreffenden Frauen anzeigen.

Das Dashboard ermöglicht außerdem einen Drilldown in Ein-, Zwei- und Dreiwortphrasen (Trigramme) sowie eine Kartenansicht der Standorte der Befragten.

Lassen Sie uns die Abschnitte „Drilldown“ und „Vergleichen“ noch genauer aufschlüsseln:

  • Länder auswählen: So können Sie sich je nach Ihren Anforderungen auf Antworten aus einem bestimmten Land oder einer bestimmten Tätigkeitsregion der gemeinnützigen Organisation konzentrieren.
  • Antwortthemen auswählen: Hier können Sie ganz einfach ein Thema auswählen.
  • Filtern nach Alter: Das Alter der befragten Frauen lag zwischen 14 und 60+. Sie können die Daten nach Alter filtern.
  • Filtern nach Stichwort: Die Daten können nach bestimmten Stichworten wie „Blut“ gefiltert werden.
  • Schlüsselwort ausschließen: Sie können beliebige Schlüsselwörter ausschließen.

Lassen Sie uns unsere Drilldown-Optionen wie folgt festlegen:

  • Länder: Indien, Malawi, Kenia, Pakistan
  • Themen: „Umweltgesundheit und landwirtschaftliche Unterstützung“, „Beweise, Forschung, Innovation und Technologie“, „Politik und politischer Wandel“, „Rechtzeitige und aufmerksame Pflege“.
  • Filtern nach Alter: 30-50

So sehen die Ergebnisse aus:

Sie können einen kurzen Vergleich zwischen den Frauen im Alter zwischen 30 und 50, die von der gemeinnützigen Organisation in Indien, Malawi, Nigeria und Indien zu den von Ihnen ausgewählten Themen befragt wurden, und allen befragten Frauen anstellen. Darüber hinaus ist das Diagramm äußerst detailliert und hilft Ihnen, genau das zu finden, was Sie wollen.

Es wird Sie sprachlos machen.

Darüber hinaus können Sie auf der linken Seite die Antworten zur Umfrage einsehen, indem Sie auf das Thema klicken. Auf der rechten Seite können Sie die tatsächlichen Antworten einsehen.

Auf der linken Seite können Sie die Umfrageantworten anzeigen, die ein Wort oder eine Phrase enthalten, und diese je nach Ihren Anforderungen auf „Ein-Wort-Phrasen“, „Zwei-Wort-Phrasen“ und „Drei-Wort-Phrasen“ einstellen.

Auf der rechten Seite kann man die Weltkarte anzeigen, Blasen umschalten, hineinzoomen und Daten für das jeweilige Land anzeigen.

Klingt beeindruckend, nicht wahr?

In diesem Fall möchte ich Ihnen die Welt der Datenwissenschaft vorstellen und Ihnen zeigen, wie Datenwissenschaft und Verarbeitung natürlicher Sprache die Arbeit von gemeinnützigen Organisationen revolutionieren können.

Das Problem besteht nicht darin, Daten zu finden. Es geht darum, herauszufinden, was man genau damit macht.“

Mike Loukides, O’Reilly Media

Möchten Sie Ihr eigenes Dashboard? Ob gemeinnützige Organisation oder Unternehmen, Fast Data Science erfüllt Ihre Anforderungen

Unternehmen verfügen oft über eine Unmenge unstrukturierter Daten und wissen nicht, was sie damit anfangen sollen. Und genau hier kommen wir ins Spiel.

Wer ist Fast Data Science?

Bei Fast Data Science nutzen wir die Leistungsfähigkeit der KI, um Sie bei Ihren Vorhaben zu unterstützen. Von Anfang an bieten Ihnen unsere Experten hochprofessionelle Data-Science-Beratungsleistungen für Ihr Unternehmen. Unsere größte Stärke besteht darin, dass wir mit den neuesten Trends Schritt halten und in der Lage sind, mit erhobenem Kopf auf verschiedene Herausforderungen zu reagieren. Bei uns werden Sie nicht das Gefühl haben, mit einem dieser nicht-technischen Vertriebsmitarbeiter zu sprechen. Jeder von uns ist ein professioneller Datenwissenschaftler, der KI zum Wohle der Allgemeinheit einsetzt.

Brauchen Sie Hilfe bei der Analyse dieser riesigen Umfrage? Möchten Sie ein technisch ausgereiftes Dashboard wie das, das wir für WRA erstellt haben? Dann ist es an der Zeit, dass Sie sich umgehend mit uns in Verbindung setzen. Unsere Experten vereinbaren einen Termin mit Ihnen und würden gerne mehr über Ihre Umfrage erfahren und tiefer in sie eintauchen. Darüber hinaus bieten wir Ihnen unsere erstklassigen Data-Science-Beratungsdienste an, um den Prozess hocheffizient zu gestalten. Und sobald wir alles vorbereitet haben, lassen wir unsere Magie wirken und erstellen ein hochgradig reaktionsfähiges Dashboard für Ihre Kampagnen.

Lehnen Sie sich also zurück und verabschieden Sie sich sofort von Ihren Datenanalyseproblemen.

Nehmen Sie einfach Kontakt mit uns auf und wir helfen Ihnen gerne weiter.

Ihre NLP-Karriere wartet!

Bereit für den nächsten Schritt in Ihrer NLP-Reise? Vernetzen Sie sich mit Top-Arbeitgebern, die Talente in der natürlichen Sprachverarbeitung suchen. Entdecken Sie Ihren Traumjob!

Finden Sie Ihren Traumjob

Generative KI
Generative ki

Generative KI

Generative KI Einführung Generative KI , ein Teilbereich der KI, verändert Branchen grundlegend und gestaltet die Zukunft. Durch die Nutzung fortschrittlicher Algorithmen kann generative KI Inhalte, Designs und Lösungen erstellen, die zuvor undenkbar waren.

Große Daten
Große daten

Große Daten

Große Daten Das Aufkommen von Big Data hat ganze Branchen revolutioniert und traditionelle Geschäftsmodelle und Entscheidungsprozesse verändert. In dieser umfassenden Untersuchung gehen wir der Frage nach, was Big Data ist, welche erheblichen Auswirkungen es auf die Geschäftsstrategie hat und wie Unternehmen riesige Datenmengen nutzen können, um Innovationen voranzutreiben und sich einen Wettbewerbsvorteil zu verschaffen.

KI im Finanzwesen
Ki im finanzwesen

KI im Finanzwesen

KI im Finanzwesen Die Integration künstlicher Intelligenz (KI) in den Finanzsektor hat die Arbeitsweise von Institutionen revolutioniert, von der Automatisierung von Abläufen bis hin zur Verbesserung der Kundenbindung und des Risikomanagements.

What we can do for you

Transform Unstructured Data into Actionable Insights

Contact us