El procesamiento de lenguaje natural (PLN) lleva años asentado y es una de las tecnologías big data más desarrolladas actualmente. Sus tres aplicaciones más importantes son el análisis de textos, los sistemas de traducción y los sistemas conversacionales, más popularmente conocidos como chatbots. Todos ellos tienen un alto grado de desarrollo y son las herramientas más utilizadas y las que principalmente se vienen a la cabeza cuando hablamos de PLN con big data. El análisis tan incisivo de los textos lo hace especialmente útil para las empresas y sus departamentos de recursos humanos porque le permite sacar el máximo partido a toda la información que manejan día a día.
Los departamentos de recursos humanos tratan diariamente grandes cantidades de documentos con una información que si no procesan y analizan de forma adecuada pueden caer en el olvido y no sacarle todo el jugo. Para analizar esta información se necesitaría un gran equipo humano que trabajase día a día en el análisis y clasificación de la información de los documentos que manejan en el departamento. Esta tarea, además de ser una labor copiosa, puede llegar a resultar inabarcable. Para ello, muchas grandes empresas acuden a la tecnología big data para mejorar su rendimiento y no desperdiciar los currículums, documentación de cursos de formación, cartas de recomendación, informes de los empleados, encuestas de clima laboral, valoraciones del portal del empleado, contratos, nóminas, partes de baja…
Para los departamentos de recursos humanos utilizar el PLN tiene unos objetivos claros: el ahorro de tiempo y costes. El PLN es una tecnología innovadora que permite agilizar el trabajo de estos departamentos permitiendo que los empleados optimicen sus tareas. Esta característica de optimización del tiempo es innata a la tecnología big data por ello siempre es la mejor opción para tratar grandes volúmenes de datos o información.
La tecnología big data mediante el PLN analiza minuciosamente por capas toda la información, examinando desde la segmentación de frases, el análisis morfológico, sintáctico y semántico, o la detección de anáforas y reconocimiento de relaciones. Mediante este reconocimiento se analiza el sentimiento extrayendo emociones, valoraciones o información sobre conceptos que se incluyen en el texto. Además, clasifica los textos por temáticas, lo que permite tener un sistema de recuperación de información interno para esos documentos.
Por ejemplo, el PLN permite realizar un proceso de escucha de las valoraciones de los empleados y hace un análisis con algoritmos que las etiquetan ofreciendo a los responsables de recursos humanos la información clasificada de lo que los usuarios han plasmado en sus evaluaciones cualitativas, así como gráficos que permiten resumir toda esa ingente cantidad de información en sencillas visualizaciones.
La aplicación de PLN se traduce en un mayor beneficio para el empleado al mejorar notablemente la labor de recursos humanos. El buen uso de la información facilitada por estas herramientas tiene como consecuencia que el trabajador se sienta más valorado, escuchado y satisfecho en el trabajo lo que siempre supondrá un mayor rendimiento.
Pablo Haya es Director de innovación del área ‘social business analytics’ del Instituto de Ingeniería del Conocimiento
Fuente: Cinco Días