Així que va aca­bar la con­ferència que Artur Mas va ofe­rir dimarts, l'eti­queta #pre­si­dent­Mas25N es va con­ver­tir en tema del moment a Twit­ter. Això vol dir que milers de piu­la­dors inten­ta­ven resu­mir en 140 caràcters l'opinió sobre el dis­curs i l'acti­tud res­pecte del que s'havia pro­po­sat. I això sense comp­tar els mis­sat­ges a Face­book, Ins­ta­gram i altres xar­xes soci­als, les noti­cies, les entra­des a blogs... Un mar de parau­les que, si s'ana­litza a fons, pot apor­tar molta infor­mació sobre les opi­ni­ons, els sen­ti­ments, les valo­ra­ci­ons i les inten­ci­ons polítiques dels ciu­ta­dans.

El polític és només un dels sec­tors en els quals els cen­te­nars de milers de dades que es gene­ren diària­ment ama­guen una infor­mació que pot esde­ve­nir valu­osa.

Quan fa uns anys, Jen­ni­fer Woo­dard va començar a veure les pos­si­bi­li­tats que ofe­ria l'anàlisi de grans blocs de text que es gene­ra­ven a les xar­xes soci­als en el món de les rela­ci­ons públi­ques, li va començar a vol­tar pel cap la idea de crear una empresa que s'hi dediqués. “Hi havia la neces­si­tat de fer-ho d'una manera més automàtica, que per­metés treure'n més suc.” Aquesta idea va ser l'embrió de Sisu Labs, fun­dada l'any pas­sat per Woo­dard, que va poder tirar enda­vant el seu pro­jecte amb el capi­tal d'un àngel inver­sor, Narcís Cla­vell. Per començar, es va rode­jar d'un grup amb el què havia tre­ba­llat prèvia­ment en el Cen­tre de Recerca i Inno­vació de Cata­lu­nya.

Sisu Labs ofe­reix ser­veis per ana­lit­zar, en temps real i basant-se en l'anàlisi del llen­guatge natu­ral, grans blocs de text. I, a par­tir d'aquí, extreu patrons, estats d'ànim i opi­ni­ons sobre un tema o una per­sona. Per exem­ple, l'any pas­sat van fer un tre­ball per avançar quins serien els comerços pre­fe­rits dels nord-ame­ri­cans per com­prar durant el Black Fri­day, la jor­nada comer­cial que se cele­bra el dia després d'acció de gràcies. Woo­dard explica que, jun­ta­ment amb els tècnics de l'empresa, va desen­vo­lu­par mane­res d'iden­ti­fi­car quan la gent par­lava a Twit­ter de les seves inten­ci­ons de com­pra i, a par­tir d'això, va pre­veure qui­nes boti­gues serien les més visi­ta­des. I, segons diu, els resul­tats de visi­tants i ven­des els van donar la raó.