Teknologi
Når det handler om at bevare overblikket og at reagere på politiske dagsordener, mens de udvikler sig, er digitale løsninger centrale. Uanset om det handler om at scanne tusindvis af dokumenter for relevante keywords eller om at koordinere aktiviteter på tværs af et team eller virksomhed, er teknologien din ven.
Vidensgraf til identificering af netværkseffekter
Kernen i Ulobbys datamodel er en vidensgraf, der omfatter en repræsentation af kategorier, egenskaber og relationer mellem begreber, data og enheder inden for diskursens politiske domæner.
Vor tids digitale processer skaber konstant flere og flere data, men ofte er det en udfordring at bruge data effektivt og digitale processer er sjældent problemfri. Vidensgrafen gør det muligt for Ulobby at forbinde eksisterende datakilder og systemer og skabe ny indsigt og viden ved at berige informations- og datastrømme. At strukturere data på denne måde giver os mulighed for at stille nye spørgsmål og opdage nye svar inden for de eksisterende data. I politiske processer betyder forholdet mellem datapunkter - netværket - ofte mere end de enkelte punkter i sig selv. Ved at kortlægge alle data, inklusive stakeholders og deres relationer, i en matematisk struktur, giver Ulobby mulighed for at se komplekse mønstre af relevante interessenter og deres holdninger i forhold til dine politiske spørgsmål. For en effektiv Public Affairs-organisation er det politiske netværk et levende aktiv, der skal dyrkes og udvikles.
Vi udvinder viden fra ustrukturerede tekster
Moderne demokratier producer et uoverskueligt antal tekster. Nyhedscyklussen, der engang blev dikteret trykte mediers deadlines og begrænsninger, er nu en konstant strøm på tværs af en overflod af kanaler.
At oversætte tekster fra prosa til data, som maskiner kan behandle, er en videnskab, som vi i Ulobby sætter en ære i at perfektionere. At læse og afkode politiske holdninger og politiske dokumenter er svært selv for mennesker, men den nyeste teknologiske udvikling inden for området Natural Language Processing har gjort det muligt for vores team at udvikle og anvende forskellige algoritmer, der gør arbejdet meget nemmere. For eksempel bruger vi emne-genkendelse til at opdage og følge de dagsordener, der er relevante for vores brugere, named-entity recognition til at identificere interessenterne i en given debat og opinion mining til at udforske argumenter og sentimenter inden for et givent politisk område.