Over twee jaar moet hij er zijn: een zogenaamd ‘actief donorregistratiesysteem’ waarmee je automatisch donor bent als je geen keus maakt. Dinsdag 17 februari stemde in de Eerste Kamer een meerderheid voor het wetsvoorstel en eerder werd het voorstel ook al aangenomen in de Tweede Kamer.

Wat mij persoonlijk opviel was dat dit onderwerp veel losmaakte in Nederland. Elk televisieprogramma, nieuwswebsite en/of ander mediaplatform besteedde aandacht aan het onderwerp ‘de donorwet’. 

Zelf ben ik vrijwel elke werkdag met data bezig. (Big) Data is steeds meer en makkelijker voor handen en het versnelt veranderprocessen. In veel business areas is data inmiddels de rode draad voor alles wat er gedaan wordt. Data is de grondstof voor nieuwe inzichten en nieuwe kansen en resulteert uiteindelijk, als het goed is, in meer omzet/verdiensten. Bijvoorbeeld binnen de marketing is data hét instrument om campagnes effectiever in te zetten. Ook de vergelijkingswebsites maken op grote schaal gebruik van data. De enorme hoeveelheid data, intern en extern, geeft inzicht; handvatten tot verbetering.

Al deze aandacht voor de donorwet en de dagelijkse bezigheid met data triggerde mij. De trigger: Wat wordt er geschreven op social media over de donorwet? En is dit dan positief of negatief? Dit zijn veelal vraagstukken die binnen veel bedrijven spelen. 

Sentiment Analyse

Wat is een sentiment analyse? Een sentiment analyse is het proces waarbij bepaald wordt of een stuk tekst positief, negatief of neutraal is. Het is ook bekend als opiniemijnbouw, afgeleid van de mening of houding van een spreker. Een veelvoorkomende toepassing van deze technologie is om te ontdekken hoe mensen over een bepaald onderwerp denken.

Voor mijn analyse maak ik gebruik van twitterberichten, ook wel tweets genoemd. Deze tweets heb ik verzameld in een database, met daarop een sentiment analyse toegepast. Om dit te realiseren is het onderstaande stappenplan gemaakt:

Stappen:

I.              Verzamel tweets gepost met #donorwet

II.            Detecteer het sentiment in deze tweets

III.          Plaats tweets met sentiment in de database

Uit dit stappenplan en de daarbij horende uitgevoerde handelingen is het onderstaande resultaat naar voren gekomen: 

Uiteindelijk zijn er in de tijd van 10:00 tot 12:00 757 tweets verzameld. Al deze tweets zijn geregistreerd in de database met een sentiment eraan gekoppeld.

Nu deze data geregistreerd staat in een database, heb ik ervoor gekozen om een korte analyse te maken met behulp van Power BI. Het ontworpen dashboard is een real-time dashboard. De nieuwe binnenkomende tweets worden automatisch aan het dashboard toegevoegd.

De analyse in Power BI is alleen gebaseerd op de verzamelde twitterdata. Het is natuurlijk ook mogelijk om de verzamelde twitterdata te koppelen aan al bestaande data in een datawarehouse. Denk bijvoorbeeld aan extra persoonlijke informatie over de twitteraars zelf. Hierdoor zou het bijvoorbeeld mogelijk zijn om een relatie te vinden tussen leeftijd, geslacht of afkomst (en de algemene opinie ten opzichte van de nieuwe donorwet). Op deze manier kan je een datawarehouse eindeloos uitbreiden met als doel om tot nieuwe (en soms onverwachte) inzichten te komen. 

Heeft u assistentie nodig bij het vinden van de juiste technologie voor uw sentiment analyse? Of assistentie bij uw rapportagediensten? Voor meer informatie kunt u contact met mij opnemen.

Categories: data