Text Mining bij de NVWA
Een pilot onderzocht hoe tekstuele meldingen kunnen helpen om urgente onderwerpen en mogelijke calamiteiten eerder te signaleren.
Signalen herkennen in grote aantallen meldingen
Burgers en bedrijven kunnen misstanden bij de NVWA melden. De meldingen worden individueel opgepakt, maar een plotselinge toename rond een onderwerp kan ook wijzen op een bredere ontwikkeling of calamiteit.
De vraag was of tekstuele gegevens konden helpen om zulke trends eerder zichtbaar te maken en de ernst van individuele meldingen beter in te schatten.
Van losse tekst naar analyseerbare informatie
EOM richtte een datastroom in om tekstbestanden in te lezen, op te schonen en te combineren met gegevens uit het meldingensysteem. Zo ontstond een dataset voor analyse met SAS Text Miner.
De pilot onderzocht onder meer welke onderwerpen aandacht kregen, of de ernst van meldingen kon worden voorspeld en hoe een datastroom voor calamiteitssignalering eruit kon zien.
Nieuwe mogelijkheden voor vroegsignalering
De pilot liet zien dat text mining waardevolle inzichten en voorspellingen kan opleveren. Ook bleek dat visualisatie van gegevens vanuit de bestaande applicatie op korte termijn extra inzicht kon geven.
De resultaten boden de NVWA concrete aanknopingspunten om text mining en visualisatie verder uit te werken.
Meer halen uit tekstuele data?
We denken graag mee over datastromen, analytics en vroegsignalering.
Neem contact op