Text Mining
Secondo uno studio di Forrester Research, circa l’80% delle informazioni di business di un’azienda è “intrappolato” in documenti di testo non strutturato (e-mail, report interni, ecc.). In altri termini, la stragrande maggioranza di informazioni potenzialmente utili per un’azienda sono, allo stato attuale, in larga misura ignote all’azienda stessa, fuori dal processo produttivo. È questo, evidentemente, un problema del tutto simile a quello cui, per i dati strutturati, rispondono i più consolidati processi di Data Mining. Questa semplice considerazione dice quanto possano essere utili processi di estrazione di conoscenza nuova da testi mediante tecniche di Text Mining.
Il passaggio da dati testuali, non strutturati, a dati strutturati, misurabili, non è indolore, e l’utilità stessa dei sistemi di Knowledge Discovery in Text è fortemente condizionata dalla quantità e dalla qualità della conoscenza che le tecnologie a disposizione sono in grado di estrarre da testo. La difficoltà del compito ha rappresentato, tradizionalmente, un ostacolo non banale per la realizzazione di sistemi di Text Mining. Ma, nel recente passato, lo sviluppo di tecnologie di Natural Language Processing e Knowledge Discovery in Database, nonché di strumenti software specializzati hanno reso possibile il perseguimento di tale ambizioso obiettivo.
Di fatto, la tecnologia attualmente disponibile ha pemesso l’implementazione di soluzioni a problemi aziendali reali. Soluzioni che si sono rivelate case study di successo.