{"id":46305,"date":"2024-03-22T14:45:03","date_gmt":"2024-03-22T14:45:03","guid":{"rendered":"https:\/\/www.rightsdirect.com\/?post_type=blog_post&p=46305"},"modified":"2024-03-22T14:45:05","modified_gmt":"2024-03-22T14:45:05","slug":"mehr-als-die-standardsuche-prozesse-effizient-skalieren-und-dringend-benoetigte-daten-sammeln","status":"publish","type":"blog_post","link":"https:\/\/www.rightsdirect.com\/de\/blog\/mehr-als-die-standardsuche-prozesse-effizient-skalieren-und-dringend-benoetigte-daten-sammeln\/","title":{"rendered":"Mehr als die Standardsuche: Prozesse effizient skalieren und dringend ben\u00f6tigte Daten sammeln"},"content":{"rendered":"\n
Unter den zahlreichen Einsatzm\u00f6glichkeiten von Deep Search, von denen Unternehmen profitieren k\u00f6nnen, ist eine M\u00f6glichkeit besonders hervorzuheben: Unternehmen k\u00f6nnen einen v\u00f6llig neuen Datensatz erstellen, wenn keine einzelne Quelle vorhanden ist und wesentliche Informationen \u00fcber mehrere nicht verbundene Quellen verteilt sind.<\/em><\/p>\n\n\n\n Erstellen eines Datensatzes, wenn keine einzelne Quelle vorhanden ist<\/strong><\/p>\n\n\n\n Um zu veranschaulichen, wie mit Deep Search aus praktisch allem Datenbanken erstellt werden k\u00f6nnen, vorausgesetzt, dass die ben\u00f6tigten Informationen sowohl rechtlich als auch technisch gecrawlt werden k\u00f6nnen, betrachten wir ein Beispiel einer Organisation, die Aktivit\u00e4ten im Zusammenhang mit Vorschriften verfolgen muss, um ihre Produktstrategie sowohl f\u00fcr bestehende Produkte zu definieren als auch f\u00fcr solche, die in der Forschungsphase sind. Die von der Organisation gesuchten spezifischen Informationen sind nicht in den Regulierungsdokumenten enthalten, sondern in einigen Kommentaren zu Akten.<\/p>\n\n\n\n Zum Vergleich: Regulierungsdokumente auf einer Website wie \u201eregulations.gov\u201c k\u00f6nnen jeweils Tausende oder Zehntausende von Kommentaren erhalten. Ohne Deep Search<\/a> (Link: https:\/\/www.rightsdirect.com\/wp-content\/uploads\/sites\/6\/2023\/11\/Deep-Search-Solutions-product-sheet-DE.pdf<\/a> ) m\u00fcsste eine Organisation, die die gew\u00fcnschten Informationen sucht, alle Dokumente auf dieser Website \u00fcberpr\u00fcfen, nach Dokumenten filtern, die sich auf ihren Produktbereich beziehen, Tausende von Kommentaren durchlesen und dann eine Zusammenfassung der in den Kommentaren gesagten Inhalte bereitstellen, die f\u00fcr die Interessen der Organisation relevant sind.<\/p>\n\n\n\n Alternativ k\u00f6nnte dieselbe Organisation Deep Search einsetzen, um die Tausenden von Kommentaren zu sichten, diejenigen zu identifizieren, die f\u00fcr die Bed\u00fcrfnisse der Organisation relevant sind, indem sie nach Schl\u00fcsselw\u00f6rtern filtert und diese anwendet, und dann nur die im Kontext relevanten Kommentare mit den gewonnenen Erkenntnissen an Spezialist*innen zur \u00dcberpr\u00fcfung weiterleiten. Mit den Erkenntnissen helfen sie dabei, die Produktstrategie zu optimieren.<\/p>\n\n\n\n Wie in diesem Beispiel zu sehen ist, erm\u00f6glicht Deep Search Informationen effizient zu sammeln und zu kuratieren, wenn die gew\u00fcnschten Informationen nicht als einzelne Quelle oder als eigenst\u00e4ndige Datenbank vorhanden sind. So k\u00f6nnen n\u00fctzliche Erkenntnisse abgefragt werden.<\/p>\n\n\n\n Sammeln von Informationen aus nicht verbundenen Quellen<\/strong><\/p>\n\n\n\n Die Datenerfassung aus unerwarteten und unverbundenen Quellen kann f\u00fcr Unternehmen aus einer Vielzahl von Gr\u00fcnden n\u00fctzlich sein, unter anderem zum Schutz ihrer Gesch\u00e4ftsinteressen au\u00dferhalb von Forschung und Entwicklung.<\/p>\n\n\n\n Ein konkretes Beispiel hierf\u00fcr war ein Kunde von uns, der die Bewegung seines Produkts \u00fcber Grenzen hinweg verfolgen wollte, um sicherzustellen, dass das f\u00fcr ein Land bestimmte Produkt nicht (durch nicht genehmigten Import oder Export) in ein anderes Land gelangt, wo die Preise m\u00f6glicherweise anders sind. Obwohl diese Art von Aktivit\u00e4t nicht ungew\u00f6hnlich ist, kann es schwierig sein, sie zu verfolgen, und sie werden normalerweise nur durch Zufall entdeckt.<\/p>\n\n\n\n F\u00fcr unseren Kunden lagen die gesuchten Daten nicht ohne weiteres in einer einzigen Quelle vor. Bevor wir mit unserer Deep-Search-L\u00f6sung geholfen haben, war der Prozess ein Ad-hoc-Prozess und erforderte viel Zeit und manuellen Aufwand, einschlie\u00dflich der Durchsuchung verschiedener Datenquellen wie TradeAtlas und der \u00dcberpr\u00fcfung von Zollfrachtbriefen, um grenz\u00fcberschreitende Bewegungen des Produkts zu verfolgen.<\/p>\n\n\n\n Mithilfe von Deep Search konnte der Kunde eine einzige Datenquelle erstellen, die alle erforderlichen Informationen aus verschiedenen lizenzierten Datenbanken zusammenstellt. Dieser Datensatz konnte dann mit Schl\u00fcsselw\u00f6rtern durchsucht werden, um das Produkt des Unternehmens zu identifizieren und grenz\u00fcberschreitende Bewegungen zu verfolgen. Dar\u00fcber hinaus k\u00f6nnten die Informationen in diesem Datensatz de-dupliziert und normalisiert werden, um eine \u201esaubere\u201c Ansicht nur relevanter Daten zu erhalten, die dann geteilt und bearbeitet werden k\u00f6nnen. Durch einen Deep-Search-Ansatz kann der Kunde nun den Umfang der oben genannten Arbeit mit nur einem kleinen Team bew\u00e4ltigen.<\/p>\n\n\n\n Anhand dieses Beispiels sehen wir nicht nur die Leistungsf\u00e4higkeit von Deep Search bei der Erstellung eines einzelnen Datensatzes aus mehreren Quellen, sondern auch, wie die L\u00f6sung manuelle Arbeit einsparen kann \u2013 ein Vorteil, den wir im n\u00e4chsten Teil dieser Serie n\u00e4her untersuchen werden.<\/p>\n\n\n\n Dies ist der dritte Teil einer vierteiligen Serie dar\u00fcber, wie eine tiefergehende, automatisierte Suche Ihrem Unternehmen dabei helfen kann, die Informationen leichter zu finden, die es f\u00fcr die richtigen Gesch\u00e4ftsentscheidungen ben\u00f6tigt.
Lesen Sie hier Teil 1.<\/a><\/em><\/p>\n\n\n\n