AWS ব্যবহার করে গ্রাহকের অনুভূতির রিয়েল-টাইম বিশ্লেষণ

যে সংস্থাগুলি অনলাইনে পণ্য বা পরিষেবা বিক্রি করে তাদের একটি পণ্য কেনার পরে তাদের ওয়েবসাইটে থাকা গ্রাহক পর্যালোচনাগুলি ক্রমাগত পর্যবেক্ষণ করতে হবে। কোম্পানির বিপণন এবং গ্রাহক পরিষেবা বিভাগগুলি গ্রাহকের অনুভূতি বোঝার জন্য এই পর্যালোচনাগুলি বিশ্লেষণ করে। উদাহরণস্বরূপ, বিপণন বিভিন্ন গ্রাহক বিভাগকে লক্ষ্য করে প্রচারাভিযান তৈরি করতে এই ডেটা ব্যবহার করতে পারে। গ্রাহক পরিষেবা বিভাগগুলি গ্রাহকদের অসন্তোষ খুঁজে পেতে এবং সংশোধনমূলক ব্যবস্থা নিতে এই ডেটা ব্যবহার করতে পারে।

ঐতিহ্যগতভাবে, এই ডেটা একটি ব্যাচ প্রক্রিয়ার মাধ্যমে সংগ্রহ করা হয় এবং স্টোরেজ, বিশ্লেষণ এবং প্রতিবেদনের জন্য ডেটা গুদামে পাঠানো হয় এবং কয়েক ঘন্টা পরে সিদ্ধান্ত গ্রহণকারীদের কাছে উপলব্ধ করা হয়, যদি দিন না হয়। যদি এই তথ্য অবিলম্বে বিশ্লেষণ করা যেতে পারে, এটি কোম্পানিগুলিকে গ্রাহকের অনুভূতিতে দ্রুত প্রতিক্রিয়া জানানোর সুযোগ প্রদান করতে পারে।

এই পোস্টে, আমরা কাছাকাছি-রিয়েল টাইমে (কয়েক মিনিট) গ্রাহক প্রতিক্রিয়ার সামগ্রিক অনুভূতি বিশ্লেষণ করার জন্য একটি পদ্ধতি বর্ণনা করি। আমরা এপিআই থেকে সরাসরি পাঠ্যের (যেমন কোম্পানী, পণ্য, ব্যক্তি বা ব্র্যান্ড) নির্দিষ্ট সত্তার সাথে সম্পর্কিত বিভিন্ন অনুভূতি কীভাবে বোঝা যায় তাও প্রদর্শন করি।

রিয়েল-টাইম সেন্টিমেন্ট বিশ্লেষণের জন্য কেস ব্যবহার করুন

রিয়েল-টাইম সেন্টিমেন্ট বিশ্লেষণ তাদের পণ্য এবং পরিষেবাগুলিতে তাত্ক্ষণিক গ্রাহক প্রতিক্রিয়া পেতে আগ্রহী কোম্পানিগুলির জন্য খুব দরকারী, যেমন:

• রেস্টুরেন্ট
• খুচরা বা B2C কোম্পানি বিভিন্ন পণ্য বা পরিষেবা বিক্রি করে
• অনলাইন সিনেমা (OTT প্ল্যাটফর্ম), লাইভ কনসার্ট বা ক্রীড়া ইভেন্ট স্ট্রিমিং কোম্পানি
• আর্থিক প্রতিষ্ঠান সমূহ

সাধারণভাবে, গ্রাহকের টাচপয়েন্ট আছে এবং রিয়েল-টাইম সিদ্ধান্ত নেওয়ার প্রয়োজন এমন যেকোনো ব্যবসা গ্রাহকদের কাছ থেকে রিয়েল-টাইম প্রতিক্রিয়া থেকে উপকৃত হতে পারে।

অনুভূতির জন্য একটি রিয়েল-টাইম পদ্ধতি স্থাপন করা নিম্নলিখিত ব্যবহারের ক্ষেত্রে কার্যকর হতে পারে:

• বিপণন বিভাগগুলি গ্রাহক বিভাগগুলিকে আরও ভালভাবে লক্ষ্য করতে ডেটা ব্যবহার করতে পারে বা নির্দিষ্ট গ্রাহক বিভাগে তাদের প্রচারাভিযানগুলি সামঞ্জস্য করতে পারে।
• গ্রাহক পরিষেবা বিভাগগুলি অবিলম্বে অসন্তুষ্ট গ্রাহকদের কাছে পৌঁছাতে পারে এবং গ্রাহকদের মন্থন রোধ করে সমস্যাগুলি সমাধান করার চেষ্টা করতে পারে।
• একটি পণ্যের ইতিবাচক বা নেতিবাচক অনুভূতি বিভিন্ন স্থানে পণ্যের চাহিদার একটি দরকারী সূচক হিসাবে প্রমাণ করতে পারে। উদাহরণস্বরূপ, একটি দ্রুত-চলমান পণ্যের জন্য, কোম্পানিগুলি নির্দিষ্ট অঞ্চলে অতিরিক্ত ইনভেন্টরি বা স্টকআউট এড়াতে গুদামগুলিতে তাদের স্টকের মাত্রা সামঞ্জস্য করতে রিয়েল-টাইম ডেটা ব্যবহার করতে পারে।

নিম্নলিখিত ব্যবহারের ক্ষেত্রে যেমন সেন্টিমেন্টের দানাদার বোঝার জন্য এটি দরকারী:

• একটি ব্যবসা কর্মচারী/গ্রাহকের অভিজ্ঞতার অংশগুলি সনাক্ত করতে পারে যা উপভোগ্য এবং যে অংশগুলি উন্নত হতে পারে৷
• যোগাযোগ কেন্দ্র এবং গ্রাহক পরিষেবা দলগুলি এজেন্ট প্রশিক্ষণের কার্যকারিতা সনাক্ত করতে অন-কল ট্রান্সক্রিপশন বা চ্যাট লগ বিশ্লেষণ করতে পারে এবং কথোপকথনের বিশদ যেমন গ্রাহকের কাছ থেকে নির্দিষ্ট প্রতিক্রিয়া এবং বাক্যাংশ বা শব্দ যা সেই প্রতিক্রিয়া প্রকাশ করতে ব্যবহৃত হয়েছিল।
• পণ্যের মালিক এবং UI/UX বিকাশকারীরা তাদের পণ্যের বৈশিষ্ট্যগুলি সনাক্ত করতে পারে যা ব্যবহারকারীরা উপভোগ করেন এবং যে অংশগুলির উন্নতি প্রয়োজন। এটি পণ্য রোডম্যাপ আলোচনা এবং অগ্রাধিকার সমর্থন করতে পারে।

সমাধান ওভারভিউ

আমরা একটি সমাধান উপস্থাপন করি যা কোম্পানিগুলিকে তাদের ওয়েবসাইটে প্রবেশ করা পর্যালোচনাগুলি থেকে কাছাকাছি-রিয়েল টাইমে (সাধারণত কয়েক মিনিটের মধ্যে) গ্রাহকের অনুভূতি (পূর্ণ এবং লক্ষ্যযুক্ত উভয়) বিশ্লেষণ করতে সহায়তা করতে পারে। এর মূলে, এটি নির্ভর করে অ্যামাজন সমঝোতা সম্পূর্ণ এবং লক্ষ্যযুক্ত অনুভূতি বিশ্লেষণ উভয় সঞ্চালন.

Amazon Comprehend সেন্টিমেন্ট API একটি পাঠ্য নথির জন্য সামগ্রিক অনুভূতি সনাক্ত করে। অক্টোবর 2022 থেকে, আপনি টেক্সট ডকুমেন্টে উল্লেখিত নির্দিষ্ট সত্তার সাথে সম্পর্কিত অনুভূতি সনাক্ত করতে লক্ষ্যযুক্ত অনুভূতি ব্যবহার করতে পারেন। উদাহরণস্বরূপ, একটি রেস্তোরাঁর পর্যালোচনাতে বলা হয়েছে, "আমি বার্গার পছন্দ করেছি কিন্তু পরিষেবাটি ধীরগতির ছিল," লক্ষ্যযুক্ত অনুভূতি "বার্গার" এর জন্য ইতিবাচক অনুভূতি এবং "পরিষেবা" এর জন্য নেতিবাচক অনুভূতি চিহ্নিত করবে।

আমাদের ব্যবহারের ক্ষেত্রে, উত্তর আমেরিকার একটি বড় রেস্তোরাঁ চেইন তাদের গ্রাহকদের দ্বারা তাদের ওয়েবসাইটে এবং একটি মোবাইল অ্যাপের মাধ্যমে করা পর্যালোচনাগুলি বিশ্লেষণ করতে চায়৷ রেস্তোরাঁটি মেনুতে থাকা বিভিন্ন আইটেমের বিষয়ে তাদের গ্রাহকদের প্রতিক্রিয়া, তাদের শাখায় প্রদত্ত পরিষেবা এবং তাদের অভিজ্ঞতার সামগ্রিক অনুভূতি বিশ্লেষণ করতে চায়।

উদাহরণস্বরূপ, একজন গ্রাহক নিম্নলিখিত পর্যালোচনা লিখতে পারেন: “নিউ ইয়র্কে অবস্থিত আপনার রেস্তোরাঁর খাবার খুব ভাল ছিল। পাস্তা সুস্বাদু ছিল। যাইহোক, পরিষেবা খুব খারাপ ছিল! এই পর্যালোচনার জন্য, রেস্টুরেন্টটির অবস্থান নিউইয়র্ক। সামগ্রিক অনুভূতি মিশ্র - "খাবার" এবং "পাস্তা" এর অনুভূতি ইতিবাচক, কিন্তু পরিষেবার অনুভূতি নেতিবাচক।

রেস্তোরাঁটি গ্রাহক বিভাগ জুড়ে যেকোনো প্রবণতা শনাক্ত করতে গ্রাহকের প্রোফাইল, যেমন বয়স এবং লিঙ্গ দ্বারা পর্যালোচনাগুলি বিশ্লেষণ করতে চায় (এই ডেটা তাদের ওয়েব এবং মোবাইল অ্যাপ দ্বারা ক্যাপচার করা যেতে পারে এবং ব্যাকএন্ড সিস্টেমে পাঠানো যেতে পারে)৷ তাদের গ্রাহক পরিষেবা বিভাগ একটি ডাউনস্ট্রিম সিআরএম সিস্টেমে একটি গ্রাহক টিকিট তৈরি করে এজেন্টদের বিষয়টি অনুসরণ করার জন্য এই ডেটা ব্যবহার করতে চায়। অপারেশনগুলি একটি নির্দিষ্ট দিনে কোন আইটেমগুলি দ্রুত চলমান তা বুঝতে চায়, যাতে তারা সেই আইটেমগুলির জন্য প্রস্তুতির সময় কমাতে পারে৷

বর্তমানে, সমস্ত বিশ্লেষণ একটি ব্যাচ প্রক্রিয়ার মাধ্যমে ইমেলের মাধ্যমে রিপোর্ট হিসাবে বিতরণ করা হয় যা 2-3 দিন সময় নেয়। রেস্তোরাঁর আইটি বিভাগের অত্যাধুনিক ডেটা বিশ্লেষণ, স্ট্রিমিং বা এআই এবং মেশিন লার্নিং (এমএল) ক্ষমতার অভাব রয়েছে এই ধরনের সমাধান তৈরি করার জন্য।

নিম্নলিখিত স্থাপত্য চিত্রটি কর্মপ্রবাহের প্রথম ধাপগুলিকে চিত্রিত করে৷

সম্পূর্ণ সমাধানটি একটি গ্রাহকের ওয়েবসাইট বা একটি মোবাইল অ্যাপের পিছনে লাগানো যেতে পারে।

অ্যামাজন এপিআই গেটওয়ে দুটি শেষ পয়েন্ট প্রকাশ করে:

• একটি গ্রাহকের শেষ পয়েন্ট যেখানে গ্রাহক পর্যালোচনাগুলি প্রবেশ করানো হয়
• একটি পরিষেবা শেষ পয়েন্ট যেখানে একটি পরিষেবা বিভাগ কোনও নির্দিষ্ট পর্যালোচনা দেখতে এবং একটি পরিষেবা টিকিট তৈরি করতে পারে

কর্মপ্রবাহে নিম্নলিখিত পদক্ষেপগুলি অন্তর্ভুক্ত রয়েছে:

1. যখন একজন গ্রাহক একটি পর্যালোচনাতে প্রবেশ করেন (উদাহরণস্বরূপ, ওয়েবসাইট থেকে), এটি একটি API গেটওয়েতে পাঠানো হয় যা একটি অ্যামাজন সরল সারি পরিষেবা (Amazon SQS) সারি। সারিটি পর্যালোচনাগুলি প্রবেশ করার সাথে সাথে সংরক্ষণ করার জন্য একটি বাফার হিসাবে কাজ করে৷
2. SQS সারি একটি ট্রিগার করে এডাব্লুএস ল্যাম্বদা ফাংশন কয়েকবার চেষ্টা করার পরও যদি ল্যাম্বডা ফাংশনে বার্তাটি পাঠানো না হয়, তাহলে ভবিষ্যতে পরিদর্শনের জন্য এটিকে ডেড-লেটার সারিতে রাখা হবে।
3. Lambda ফাংশন আহ্বান করে এডাব্লুএস স্টেপ ফাংশন রাষ্ট্র মেশিন এবং সারি থেকে বার্তা পাস.

নিম্নলিখিত চিত্রটি ধাপ ফাংশন ওয়ার্কফ্লো চিত্রিত করে।

ধাপ ফাংশন সমান্তরালভাবে নিম্নলিখিত ধাপগুলি করে।

1. স্টেপ ফাংশন Amazon Comprehend থেকে detect_sentiment API ব্যবহার করে বার্তাটির সম্পূর্ণ অনুভূতি বিশ্লেষণ করে।
2. এটি নিম্নলিখিত পদক্ষেপগুলি আহ্বান করে:
   1. এটি একটি ফলাফল লিখে আমাজন ডায়নামোডিবি টেবিল।
   2. অনুভূতি নেতিবাচক বা মিশ্র হলে, এটি নিম্নলিখিত ক্রিয়াগুলি সম্পাদন করে:
      • এটি একটি বিজ্ঞপ্তি পাঠায় অ্যামাজন সাধারণ বিজ্ঞপ্তি পরিষেবা (Amazon SNS), যা এক বা একাধিক ইমেল ঠিকানা দ্বারা সাবস্ক্রাইব করা হয়েছে (যেমন গ্রাহক পরিষেবার পরিচালক, বিপণনের পরিচালক এবং আরও অনেক কিছু)৷
      • এটি একটি ইভেন্ট পাঠায় অ্যামাজন ইভেন্টব্রিজ, যা প্রাপ্ত পর্যালোচনার উপর কাজ করার জন্য অন্য ডাউনস্ট্রিম সিস্টেমে প্রেরণ করা হয়। উদাহরণে, ইভেন্টব্রিজ ইভেন্টটি একটিতে লেখা হয় অ্যামাজন ক্লাউডওয়াচ লগ একটি বাস্তব পরিস্থিতিতে, এটি AWS এর ভিতরে বা বাইরে একটি ডাউনস্ট্রিম সিস্টেমে (যেমন একটি ইনভেন্টরি ম্যানেজমেন্ট সিস্টেম বা শিডিউলিং সিস্টেম) ইভেন্টটি পাঠাতে একটি Lambda ফাংশন আহ্বান করতে পারে।
3. এটি আহ্বান করে বার্তাটির লক্ষ্যযুক্ত অনুভূতি বিশ্লেষণ করে detect_targeted_sentiment Amazon Comprehend থেকে API।
4. এটি মানচিত্র ফাংশন ব্যবহার করে একটি DynamoDB টেবিলে ফলাফল লেখে (সমান্তরালে, বার্তায় চিহ্নিত প্রতিটি সত্তার জন্য একটি)।

নিম্নলিখিত চিত্রটি স্টেপ ফাংশন থেকে ডাউনস্ট্রিম সিস্টেমে কর্মপ্রবাহকে চিত্রিত করে।

1. DynamoDB টেবিল ব্যবহার করে অ্যামাজন ডায়নামোডিবি স্ট্রিম পরিবর্তন ডেটা ক্যাপচার (সিডিসি) সঞ্চালন করতে। টেবিলে ঢোকানো ডেটা এর মাধ্যমে প্রবাহিত হয় অ্যামাজন কিনসিস ডেটা স্ট্রিম থেকে আমাজন কিনেস ডেটা ফায়ারহোজ ose কাছাকাছি-রিয়েল টাইমে (60 সেকেন্ডে সেট)।
2. কাইনেসিস ডেটা ফায়ারহোস একটি ডেটা জমা করে আমাজন সিম্পল স্টোরেজ সার্ভিস (অ্যামাজন এস 3) বালতি।
3. অ্যামাজন কুইকসাইট S3 বাকেটের ডেটা বিশ্লেষণ করে। ফলাফলগুলি বিভিন্ন ড্যাশবোর্ডে উপস্থাপিত হয় যা বিক্রয়, বিপণন বা গ্রাহক পরিষেবা দল (অভ্যন্তরীণ ব্যবহারকারী) দ্বারা দেখা যেতে পারে। QuickSight এছাড়াও একটি সময়সূচীতে ড্যাশবোর্ড রিফ্রেশ করতে পারে (এই উদাহরণের জন্য 60 মিনিটে সেট করা হয়েছে)।

সার্জারির এডাব্লুএস ক্লাউডফর্মেশন সমাধান আর্কিটেকচার তৈরি করতে টেমপ্লেট পাওয়া যায় GitHub. মনে রাখবেন যে টেমপ্লেটগুলি QuickSight ড্যাশবোর্ডগুলিকে অন্তর্ভুক্ত করে না, তবে README.md ফাইলে কীভাবে সেগুলি তৈরি করতে হয় তার নির্দেশাবলী প্রদান করে৷ আমরা নিম্নলিখিত বিভাগে কিছু নমুনা ড্যাশবোর্ড প্রদান করি।

কুইকসাইট ড্যাশবোর্ড

বিপণন এবং গ্রাহক পরিষেবা বিভাগের জন্য ড্যাশবোর্ডগুলি তাদের পণ্য বা পরিষেবা মূল ব্যবসায়িক মেট্রিক্স জুড়ে কীভাবে কাজ করছে তা দৃশ্যত বিশ্লেষণ করতে উপযোগী। এই বিভাগে, আমরা রেস্তোরাঁর জন্য কাল্পনিক ডেটা ব্যবহার করে QuickSight-এ তৈরি করা কিছু নমুনা প্রতিবেদন উপস্থাপন করি। এই প্রতিবেদনগুলি সিদ্ধান্ত গ্রহণকারীদের কাছে প্রায় 60 মিনিটের মধ্যে উপলব্ধ (আমাদের রিফ্রেশ চক্র অনুযায়ী)। তারা নিম্নলিখিত মত প্রশ্নের উত্তর দিতে সাহায্য করতে পারে:

• গ্রাহকরা কীভাবে ব্যবসাটিকে সামগ্রিকভাবে উপলব্ধি করছেন?
• পরিষেবার কোন নির্দিষ্ট দিক আছে (যেমন পরিষেবা প্রদানের জন্য সময় নেওয়া, গ্রাহকের অভিযোগের সমাধান দেওয়া) যা গ্রাহকরা পছন্দ করেন বা পছন্দ করেন না?
• গ্রাহকরা কীভাবে একটি নির্দিষ্ট নতুন প্রবর্তিত পণ্য (যেমন মেনুতে একটি আইটেম) পছন্দ করেন? এমন কোন নির্দিষ্ট পণ্য আছে যা গ্রাহকরা পছন্দ করেন বা পছন্দ করেন না?
• বয়স গোষ্ঠী, লিঙ্গ, বা অবস্থান জুড়ে গ্রাহকের অনুভূতিতে কোন পর্যবেক্ষণযোগ্য নিদর্শন আছে (যেমন আজ বিভিন্ন স্থানে কোন খাবারের আইটেম জনপ্রিয়)?

সম্পূর্ণ অনুভূতি

নিম্নলিখিত পরিসংখ্যান সম্পূর্ণ অনুভূতি বিশ্লেষণের উদাহরণ দেখায়।

প্রথম গ্রাফটি সামগ্রিক অনুভূতির।

পরবর্তী গ্রাফটি বয়সের গ্রুপ জুড়ে অনুভূতি দেখায়।

নিম্নলিখিত গ্রাফটি লিঙ্গ জুড়ে অনুভূতি দেখায়।

চূড়ান্ত গ্রাফ রেস্তোরাঁর অবস্থান জুড়ে অনুভূতি দেখায়।

টার্গেটেড সেন্টিমেন্ট

নিম্নলিখিত পরিসংখ্যান লক্ষ্যযুক্ত অনুভূতি বিশ্লেষণের উদাহরণ দেখায়।

প্রথম গ্রাফটি সত্তা দ্বারা অনুভূতি দেখায় (পরিষেবা, রেস্তোরাঁ, খাবারের প্রকার, এবং তাই)।

নিম্নলিখিতটি সত্তা অনুসারে বয়সের গ্রুপ জুড়ে অনুভূতি দেখায়।

পরবর্তী গ্রাফটি সত্তা অনুসারে অবস্থানগুলি জুড়ে অনুভূতি দেখায়৷

নিম্নলিখিত স্ক্রিনশটটি একটি CRM টিকিটিং সিস্টেম থেকে যা গ্রাহকের অনুভূতির আরও দানাদার বিশ্লেষণের জন্য ব্যবহার করা যেতে পারে। উদাহরণস্বরূপ, আমাদের ব্যবহারের ক্ষেত্রে, আমরা নেতিবাচক অনুভূতির ইমেল বিজ্ঞপ্তিগুলি পাওয়ার জন্য গ্রাহক পরিষেবা বিভাগ সেট আপ করি৷ ইমেল (গ্রাহকের অনুভূতির পর্যালোচনা আইডি) থেকে তথ্য সহ, একজন পরিষেবা প্রতিনিধি অনুভূতির আরও বিশদ বিবরণে ড্রিল ডাউন করতে পারেন।

সারাংশ

এই পোস্টটি Amazon Comprehend এবং অন্যান্য AWS পরিষেবাগুলি ব্যবহার করে রিয়েল-টাইম অনুভূতি বিশ্লেষণের জন্য একটি আর্কিটেকচার বর্ণনা করেছে। আমাদের সমাধান নিম্নলিখিত সুবিধা প্রদান করে:

• এটি একটি API গেটওয়ে সহ একটি ক্লাউডফর্মেশন টেমপ্লেট হিসাবে বিতরণ করা হয়েছে যা গ্রাহক-মুখী অ্যাপ বা মোবাইল অ্যাপের পিছনে স্থাপন করা যেতে পারে
• আপনি অ্যামাজন কম্প্রেহেন্ড ব্যবহার করে সমাধানটি তৈরি করতে পারেন, এআই, এমএল বা প্রাকৃতিক ভাষা প্রক্রিয়াকরণের বিশেষ জ্ঞান ছাড়াই
• আপনি SQL এর কোন বিশেষ জ্ঞান ছাড়াই QuickSight ব্যবহার করে রিপোর্ট তৈরি করতে পারেন
• এটি সম্পূর্ণরূপে সার্ভারহীন হতে পারে, যা ইলাস্টিক স্কেলিং প্রদান করে এবং শুধুমাত্র প্রয়োজনের সময় সম্পদ গ্রহণ করে

রিয়েল-টাইম অনুভূতি বিশ্লেষণ তাদের পরিষেবাগুলিতে তাত্ক্ষণিক গ্রাহক প্রতিক্রিয়া পেতে আগ্রহী সংস্থাগুলির জন্য খুব কার্যকর হতে পারে। এটি কোম্পানির বিপণন, বিক্রয় এবং গ্রাহক পরিষেবা বিভাগগুলিকে অবিলম্বে গ্রাহকদের প্রতিক্রিয়া পর্যালোচনা করতে এবং সংশোধনমূলক পদক্ষেপ নিতে সহায়তা করতে পারে।

কাছাকাছি-রিয়েল টাইমে গ্রাহকের অনুভূতি সনাক্ত করতে এবং প্রতিক্রিয়া জানাতে আপনার কোম্পানিতে এই সমাধানটি ব্যবহার করুন।

সম্পর্কে আরও জানতে এই ব্লগে বর্ণিত মূল পরিষেবা, নীচের লিঙ্ক দেখুন

অ্যামাজন সমঝোতা
এডাব্লুএস স্টেপ ফাংশন
অ্যামাজন ডায়নামোডিবি স্ট্রিম
অ্যামাজন কিনসিস ডেটা স্ট্রিম
আমাজন কিনেস ডেটা ফায়ারহোজ ose
অ্যামাজন ইভেন্টব্রিজ
অ্যামাজন কুইকসাইট

---

লেখক সম্পর্কে

ভারদ জি ভারদারাজন আমাজন ওয়েব সার্ভিসেস-এর একজন সিনিয়র সলিউশন আর্কিটেক্ট (SA), মার্কিন উত্তর পূর্বের গ্রাহকদের সমর্থন করে। ভারাদ ডিজিটাল নেটিভ ব্যবসার জন্য বিশ্বস্ত উপদেষ্টা এবং ফিল্ড CTO হিসাবে কাজ করে, AWS ব্যবহার করে তাদের স্কেলে উদ্ভাবনী সমাধান তৈরি করতে সহায়তা করে। ভারাদের আগ্রহের ক্ষেত্র হল আইটি স্ট্র্যাটেজি কনসাল্টিং, আর্কিটেকচার এবং প্রোডাক্ট ম্যানেজমেন্ট। কাজের বাইরে, ভারাদ সৃজনশীল লেখা, পরিবার এবং বন্ধুদের সাথে সিনেমা দেখা এবং ভ্রমণ উপভোগ করেন।