Análisis de datos sociales

El análisis de datos sociales consiste en analizar, a partir de datos, cómo interactúan las personas en contextos sociales, a menudo con información obtenida de redes sociales . El objetivo puede ser simplemente comprender el comportamiento humano o incluso difundir una historia de interés para el público objetivo. Las técnicas pueden incluir comprender cómo fluyen los datos dentro de una red, identificar nodos influyentes (personas, entidades, etc.) o descubrir temas de actualidad.

El análisis de datos sociales generalmente comprende dos pasos clave: la recopilación de datos generados por sitios de redes sociales (o a través de aplicaciones sociales) y el análisis de esos datos, que en muchos casos requiere análisis de datos en tiempo real (o casi en tiempo real), mediciones que comprenden y ponderan adecuadamente factores como la influencia, el alcance y la relevancia, la comprensión del contexto de los datos analizados y la inclusión de consideraciones de horizonte temporal. En resumen, el análisis de datos sociales implica el análisis de las redes sociales para comprender y revelar información valiosa que está implícita en los datos. ^{[ 1 ]}

El análisis de datos sociales puede aportar una nueva perspectiva a la inteligencia empresarial, donde la exploración social de los datos puede generar información valiosa que el usuario de la analítica no había previsto. El término fue introducido por Martin Wattenberg en 2005 ^{[ 2 ]} y recientemente también se utiliza como análisis de macrodatos sociales en relación con la computación de macrodatos .

Existen sistemas que ayudan a los usuarios a analizar datos sociales. Estos sistemas permiten almacenar conjuntos de datos y crear representaciones visuales correspondientes. Los mecanismos de discusión suelen utilizar plataformas como blogs y wikis para impulsar esta exploración social y la inteligencia colaborativa .

Los servicios de redes sociales son cada vez más populares gracias al desarrollo de la Web 2.0 . Muchos de estos servicios ofrecen API que permiten un fácil acceso a sus datos, respondiendo a las consultas de los usuarios con la información solicitada en formato XML o JSON . Para proteger la privacidad de sus usuarios, servicios como Facebook exigen que quien solicita los datos cuente con los permisos de acceso necesarios. Además, algunos servicios pueden cobrar a los usuarios por el acceso a sus datos. Entre las fuentes de datos sociales se incluyen Twitter , Facebook , sitios web de noticias, Wikipedia y We Feel Fine .

Algunas API solo permiten el acceso a datos en pequeñas cantidades, por lo que indexar los datos en grandes cantidades puede resultar complicado. Six_Apart fue la primera empresa de redes sociales en ofrecer un flujo constante (gratuito) de contenido para todas las publicaciones de su red (a través de XMPP). Posteriormente, Twitter también ofreció un flujo constante, al igual que empresas como Spinn3r , Datasift y GNIP .

En la mayoría de los casos, buscamos identificar las relaciones entre los datos sociales y otros eventos, o bien, obtener resultados interesantes del análisis de datos sociales para predecir ciertos eventos. Existen artículos destacados en este campo, como « El estado de ánimo en Twitter predice el mercado de valores» [ ^{3 ] y} «Predicción del presente con Google Trends» ^{[ 4 ]} . Para lograr estos objetivos, necesitamos los métodos de análisis adecuados. Generalmente, utilizamos métodos estadísticos , de aprendizaje automático o de minería de datos .

Universidades de todo el mundo están abriendo programas de posgrado en Análisis de Datos Sociales.

Cuando hablamos de análisis de datos sociales, hay una serie de factores que es importante tener en cuenta (que ya mencionamos anteriormente): ^{[ 1 ]}

• Análisis de datos sofisticado : lo que distingue el análisis de datos sociales del análisis de sentimientos es la profundidad del análisis. El análisis de datos sociales toma en consideración una serie de factores (contexto, contenido, sentimiento) para proporcionar información adicional.
• Consideraciones sobre el tiempo: en el ámbito de las redes sociales, las oportunidades son muy limitadas. Lo que es relevante un día (o incluso una hora) puede no serlo al día siguiente. Es fundamental poder analizar y procesar los datos con rapidez.
• Análisis de influencia : comprender el impacto potencial de individuos específicos puede ser clave para entender cómo resuenan los mensajes. No se trata solo de cantidad, sino también, y sobre todo, de calidad.
• Análisis de redes : los datos sociales también son interesantes porque migran, crecen (o desaparecen) según cómo se propagan a través de la red. Así es como se inicia y se difunde la actividad viral.

• Análisis de datos
• Big Data
• Inteligencia empresarial
• Inteligencia colaborativa
• Análisis social
• revolución de datos sociales
• Servicio de Datos Económicos y Sociales