lunes, 8 de abril de 2013

Zanran: buscador de datos numéricos y estadísticos

Si queremos encontrar datos numéricos, gráficas e información estadística en general, los motores de búsqueda como Google no suelen ser óptimos en sus resultados. Una primera opción, altamente eficaz, es Wolfram Alpha. Pero hoy vamos a hablar de un sencillo buscador exclusivamente dedicado a rastrear datos numéricos y estadísticos y que funciona analizando las formas más comunes de representación de datos: tablas y gráficos. Se trata de Zanran (http://www.zanran.com).





¿Cómo funciona?

Zanran es un motor de búsqueda que se ocupa de rastrear datos semiestructurados. Es decir, trata de identificar datos numéricos que estén presentados en tablas y en gráficos de cualquier tipo en tres tipos de documentos: páginas HTML, documentos PDF y hojas de cálculo Excel. En un futuro también procesarán documentos de Word y de Power Point.

El sistema examina estos tres tipos de documentos y extrae las tablas y las imágenes. Las tablas HTML son sencillas de analizar y de saber si tienen o no un contenido numérico. Con respecto a las imágenes, los fundadores de Zanran aseguran utilizar una serie de algoritmos de análisis de visión por computador que les permite decidir si una imagen contiene o no datos numéricos con un nivel de acierto del 98 %. A continuación, las tablas y las imágenes indexadas son catalogadas de acuerdo a las palabras clave encontradas en su contexto.

El interfaz de búsqueda

La página inicial es sencilla, típica de un buscador. Tenemos la barra de búsqueda y algunos filtros que nos permiten refinar la búsqueda:

  • Filtro de localización. Permite seleccionar datos de un país determinado (Cualquiera, Australia, Canadá, India, Irlanda, Nueva Zelanda, UK, Estados Unidos de América y Sudáfrica) o bien introducir una dirección URL.
  • Filtro de fecha. Permite decidir si los datos son de cualquier fecha o de hace 6, 12 o 24 meses.
  • Filtro de tipo de documento original: PDF, tablas HTML, imágenes y hojas de cálculo Excel.

Buscador Zanran


La página de resultados

La página de resultados tiene tres apartados bien diferenciados:
  • El listado de resultados. Cada resultado se presenta con una captura de pantalla del documento original, que se agranda de forma automática al situar el ratón encima, y el consabido enlace y breve descripción del recurso, con su fecha y procedencia.
  • Informes de mercados e industria relacionados, en la columna derecha.
  • Sugerencias de búsqueda relacionadas, en el pie de página.
Listado de resultados de Zanran