QInsights Webinar (english language) 5. November 2024 - Analysing semi-structured data

Introducción al análisis de datos estructurados

Bienvenida y objetivos del webinar

• Buenas noches, se da la bienvenida a los participantes del webinar. Se presentará una introducción a Q Insights y se enfocará en el análisis de datos estructurados como encuestas, comentarios en redes sociales y reseñas de clientes.

Diferencias entre tipos de datos

• Se discute la diferencia entre datos escritos (como comentarios cortos) y datos de entrevistas. Los primeros suelen ser más breves y menos formales, lo que requiere un enfoque diferente para su análisis.

Uso de Q Insights para importar datos

Interfaz inicial y proyectos existentes

• Al iniciar sesión en Q Insights, se pueden ver varios proyectos listados. Se ha preparado un proyecto específico para el webinar con documentos ya importados.

Preparación de transcripciones

• Para las transcripciones de grupos focales o entrevistas, es necesario usar el nombre del respondedor seguido por dos puntos. Esto asegura que la inteligencia artificial pueda identificar correctamente a los hablantes.

Transcripción automática y análisis

Funcionalidad de transcripción

• Si se tienen archivos de audio, Q Insights puede transcribirlos automáticamente. Esto incluye podcasts donde se discuten blogs, facilitando así el análisis posterior sin necesidad de editar cada detalle.

Importación desde Excel

• También se pueden importar archivos Excel que contengan preguntas abiertas sobre temas como razones para tener hijos. Estos archivos permiten mezclar diferentes tipos de datos mediante escalas numéricas.

Filtrado y variables en el análisis

Uso de metadatos como filtros

• Los metadatos importados desde Excel pueden usarse como filtros en el análisis. Por ejemplo, se puede filtrar por género o número de hijos para realizar un análisis más enfocado.

Proceso de importación

• Al importar documentos, es crucial indicar si contienen hablantes identificables. Esto permite que la plataforma reconozca automáticamente a los hablantes durante el proceso.

Desarrollo futuro y mejoras

Optimización del sistema

• Actualmente, la plataforma está en sus primeras etapas con pocos usuarios activos. A medida que crezca la base de usuarios, se espera mejorar la velocidad del servicio mediante servidores más rápidos.

Análisis de Datos y Resúmenes Automáticos

Resúmenes Automáticos

• Se presentan resúmenes automáticos que ayudan a recordar el contenido de documentos, aunque no son análisis profundos.

• Los resúmenes se generan en el idioma del documento y son extensos, proporcionando una visión rápida del contenido.

Importación de Archivos Excel

• La importación de archivos debe hacerse tipo por tipo; no se pueden mezclar diferentes formatos como Excel y Word.

• Se reconoce automáticamente los encabezados de las columnas al importar datos, permitiendo la identificación de variables relevantes.

Análisis de Datos Cualitativos

• Se puede analizar la evolución de comentarios entre años específicos (ej. 2013 y 2016).

• Para preguntas abiertas, es necesario analizar cada archivo Excel individualmente debido a la complejidad de los datos.

Opciones para Análisis

• Existen cuatro opciones principales para el análisis en Q Insite: análisis por encabezado y comentario, pero algunas funciones como el análisis en cuadrícula no son aplicables a archivos Excel.

• El análisis de sentimientos es más efectivo con datos estructurados que con entrevistas debido a la naturaleza variada del lenguaje utilizado.

Enfoque Futuro en Análisis

• La mejora en el análisis automático ha permitido un mejor manejo del sentimiento, aunque aún hay desafíos con falsos positivos o negativos.

• Se propone un enfoque sin codificación para analizar preguntas abiertas mediante consultas directas sobre los datos recopilados.

Ejemplo Práctico: Comentarios sobre Videos

• Se utiliza un estudio sobre comentarios en videos de YouTube como ejemplo práctico para ilustrar cómo abordar el análisis sin necesidad de codificar.

Análisis de Competencia y Lealtad de Marca

Enfoque del Análisis

• Se discute la importancia de analizar la competencia y las expectativas futuras, así como la percepción de la lealtad a la marca. Este análisis puede ser un hilo conductor en el diálogo.

Organización del Proyecto

• Se menciona que es útil tener todos los análisis dentro de un solo archivo para facilitar el acceso y evitar confusiones con múltiples proyectos.

Archivos y Análisis

• La recomendación es archivar todo análisis realizado, lo que permite construir una narrativa coherente sobre diferentes aspectos como lealtad a la marca o características del producto.

Creatividad en el Análisis

• Se plantea un experimento sobre cómo ajustar el nivel de creatividad en los programas utilizados para el análisis, destacando que un nivel muy alto podría llevar a "alucinaciones" en los resultados.

Limitaciones del Asistente AI

• El asistente AI se centra únicamente en los datos subidos por el usuario, lo cual ayuda a minimizar errores o "alucinaciones" al no buscar información externa.

Estructura del Archivo de Análisis

Elementos Clave del Archivo

• El archivo incluye elementos como anticipación hacia nuevos modelos, preocupaciones sobre modelos híbridos, opciones de diseño y comparación con modelos anteriores.

Filtrado de Comentarios

• Se sugiere utilizar filtros para analizar comentarios que han recibido más "me gusta", lo cual puede indicar qué aspectos son considerados importantes por otros usuarios.

Costos Asociados al Análisis

• Cada vez que se ejecuta un análisis, hay costos asociados. Es importante no ejecutar procesos innecesarios para optimizar recursos.

Errores Comunes Durante el Proceso

• Los errores durante el uso del modelo pueden deberse a problemas de comunicación o conexión a internet, más que a fallas en el programa mismo.

Detalles Adicionales sobre Temas Analizados

Análisis de Datos y Transparencia en Precios

Uso de Documentos y Excel

• Se trabaja con un solo documento, lo que limita la capacidad de analizar temas en múltiples documentos. Esto es relevante para los datos de entrevistas.

• En el caso de archivos Excel, se podría considerar cuántas filas contienen el tema, pero actualmente no se aplica igual que en otros formatos.

Comprensión del Lenguaje Natural

• La comprensión del lenguaje natural permite entender comentarios incluso si hay errores gramaticales o ortográficos. Si no se entiende algo, se puede reformular la pregunta.

Comentarios sobre Precios

• Los comentarios sobre precios son breves y carecen de explicaciones extensas. Se mencionan preocupaciones sobre la portabilidad y la transparencia.

• Se sugiere que podría haber problemas de transparencia relacionados con otros aspectos además del precio.

Problemas Relacionados con la Transparencia

• Un área significativa de preocupación es la falta de información detallada sobre ciertas características del producto.

• Para obtener datos específicos, se puede solicitar información adicional; sin embargo, esto aún no está implementado para archivos Excel.

Análisis de Lealtad a la Marca

• Se explora si hay personas mostrando lealtad a una marca específica a través de comentarios en redes sociales.

• Los sentimientos hacia un nuevo producto son mixtos: algunos están emocionados mientras que otros expresan decepción.

Análisis Sentimental

• El análisis sentimental va más allá de clasificar como positivo o negativo; permite definir dimensiones propias como emoción y decepción.

Análisis de Sentimientos y Resultados

Introducción al Análisis de Resultados

• Se menciona que los resultados pueden ser editables, permitiendo a los usuarios personalizar el resumen final según sus necesidades.

• Es interesante utilizar el análisis como punto de partida para profundizar en el diálogo y las recomendaciones ofrecidas.

Funcionalidades del Análisis

• Se introduce la función de análisis de sentimientos, donde se pueden ingresar dimensiones específicas para evaluar diferentes aspectos.

• La conversación se centra en cómo medir lo que se gusta o no respecto al rendimiento, destacando la importancia de analizar aspectos específicos.

Ejemplos Prácticos

• Se sugiere observar un gráfico circular que resume opiniones sobre razones para no tener hijos, mientras se espera por el análisis.

• Los servidores están ubicados en Europa, lo cual es relevante para la privacidad y seguridad de los datos analizados.

Interpretación de Datos

• El análisis revela sentimientos predominantemente críticos hacia un modelo específico, indicando que el rendimiento no fue altamente valorado.

• Se discute la posibilidad futura de descargar gráficos circulares como ilustraciones para trabajos académicos; actualmente no está disponible pero se considera implementar esta función.

Exportación y Uso de Variables

• Al exportar datos, se obtiene una tabla detallada en Excel; sin embargo, los gráficos deben ser capturados mediante pantallazos.