I dag kan kunder hæve supportbilletter gennem flere kanaler som – web, mobil, chat-bots, e-mails eller telefonopkald. Når en supportbillet er rejst af en kunde, behandles den og tildeles den til en kategori baseret på oplysningerne i billetten. Den sendes derefter til supportgruppen til løsning i henhold til billettens kategori. Det vurderes, at et højt antal supportbilletter normalt ikke sendes til den rigtige gruppe på grund af forkert billetkategorisering. Forkert tildelte billetter forårsager forsinkelse i den samlede løsningstid, hvilket ofte resulterer i alvorlig kundetilfredshed. Det kan også have andre udbredte konsekvenser såsom økonomiske, operationelle eller andre forretningsmæssige konsekvenser. Derfor er billetklassificering en vigtig opgave for enhver organisation i disse dage. Selvom du kan klassificere billetter manuelt, men det er tilbøjeligt til at fejle, ikke omkostningseffektivt og skalerer ikke.
AWS administrerede tjenester (AMS) bruger Amazon Comprehend brugerdefinerede klassifikationer til at kategorisere indgående anmodninger efter ressource og operationstype baseret på, hvordan kunden beskrev deres problem. Amazon Comprehend er en NLP-tjeneste (natural language processing), der bruger maskinlæring (ML) til at afdække værdifuld indsigt og sammenhænge i tekst. AMS bruger brugerdefinerede klassifikatorer til at mærke kundeanmodninger med passende problemtyper, ressourcetype og ressourcehandling og derved dirigere kundebilletter til SMV'erne. Amazon Comprehend-klassificering bruges til at finde muligheder for nye interne automatiseringsværktøjer, som AMS-ingeniører kan bruge til at opfylde kundekrav for at reducere manuel indsats og chancer for manuelle fejl. Klassifikationsdataene gemmes i en Amazon rødforskydning klynge og bruges til at analysere kundeønsker og finde nye kandidater til automatiseringsværktøjer. Denne automatisering resulterer i øget driftseffektivitet og reducerede omkostninger.
I dette indlæg viser vi, hvordan administrerede tjenesteudbydere kan bruge Amazon Comprehend til at klassificere og rute billetterne, give forslag baseret på klassificeringen og bruge klassifikationsdataene.
Løsningsoversigt
Følgende diagram viser løsningsarkitekturen.
Arbejdsgangen er som følger:
- En kunde indsender billetten.
- Billetsystemet modtager billetten fra kunden og kalder billetklassificereren AWS Lambda funktion med billetoplysningerne. Lambda er en serverløs, hændelsesdrevet beregningstjeneste, der lader dig køre kode til stort set alle typer applikationer eller backend-tjenester uden at klargøre eller administrere servere. Lambda er valgt som løsningen til at reducere omkostninger og vedligeholdelsesindsats.
- Billetklassificeringsfunktionen Lambda klassificerer billetten med Amazon Comprehend ved hjælp af billettitlen og beskrivelsen. Med Amazon Comprehend kan du træne NLP-modellen og levere både batch- og realtidsklassifikatorer uden at klargøre og vedligeholde infrastruktur.
- Billetklassificerer Lambda-funktionen skubber billetklassifikationsdataene til Amazon Redshift-klyngen via Amazon Kinesis Data Firehose. Kinesis Data Firehose er en ETL-tjeneste (extract, transform and load), der fanger, transformerer og leverer streamingdata til datasøer, datalagre og analysetjenester. Amazon Redshift bruger SQL til at analysere strukturerede og semi-strukturerede data på tværs af datavarehuse, operationelle databaser og datasøer, ved at bruge AWS-designet hardware og ML til at levere den bedste prisydeevne i enhver skala. Kinesis Data Firehose leverer data til en Amazon Simple Storage Service (Amazon S3) bucket først og udsteder derefter en Amazon Redshift COPY-kommando for at indlæse dataene i en Amazon Redshift-klynge.
- Billetklassifikatoren Lambda-funktionen aktiverer billethåndteringens Lambda-funktion.
- Billethandler Lambda-funktionen kører kode for at hjælpe billethåndteringen. I dette eksempel returnerer den det anbefalede materiale til håndtering af billetten baseret på klassificeringen.
- Billetanalyse kan laves med Amazon QuickSight. Fra billetanalyse kan du finde ud af den mest efterspurgte billettype. Baseret på analysen kan du opdage billettendenser og muligheder for at automatisere de bedste billettyper. QuickSight er en cloud-scale business intelligence (BI)-tjeneste, som du kan bruge til at levere letforståelig indsigt til de mennesker, du arbejder med, uanset hvor de er.
I de følgende afsnit leder vi dig gennem trinene til at implementere løsningen, integrere billetklassificeringsinfrastrukturen med dit billetsystem og bruge klassifikationsdataene med QuickSight.
Implementer løsningen
I dette afsnit gennemgår vi trinene til at klargøre dine løsningsressourcer og skabe den nødvendige infrastruktur.
Konfigurer Amazon Comprehend
I dette trin træner vi to nye Amazon Comprehend brugerdefinerede klassifikationsmodeller: Drift og ressource, og opretter et analyseslutpunkt i realtid for hver model.
Upload træningsdata
For at uploade træningsdata skal du udføre følgende trin:
- Hent ticket_training_data.zip og udpak filen.
Denne mappe indeholder følgende to filer:- training_data_operations.csv – Denne fil er en to-kolonne CSV-fil, som vi bruger til at træne Operationsklassifikationsmodellen. Den første kolonne indeholder
class
, og den anden kolonne indeholderdocument
. - training_data_resources.csv – Denne fil er en to-kolonne CSV-fil, som vi bruger til at træne ressourceklassificeringsmodellen. Ligesom
training_data_operations.csv
fil, den første kolonne indeholderclass
, og den anden kolonne indeholderdocument
.
- training_data_operations.csv – Denne fil er en to-kolonne CSV-fil, som vi bruger til at træne Operationsklassifikationsmodellen. Den første kolonne indeholder
- På Amazon S3-konsollen skal du oprette en ny bøtte til Amazon Comprehend. Fordi S3-spandenavne er globalt unikke, skal du oprette et unikt navn til spanden. For dette indlæg kalder vi det
comprehend-ticket-training-data
. Aktiver server-side-kryptering og bloker offentlig adgang, når du opretter bucket. - Upload
training_data_operations.csv
,training_data_resources.csv
til den nye S3 skovl.
Opret to nye modeller
For at oprette dine modeller skal du udføre følgende trin:
- På Amazon Comprehend-konsollen skal du vælge Brugerdefineret klassificering i navigationsruden.
- Vælg Opret ny model.
- Angiv følgende oplysninger:
- Til Modelnavn, gå ind
ticket-classification-operation
. - Til Sprog, vælg Engelsk.
- Til Klassificeringstilstand, Vælg Brug af enkelt-label-tilstand.
- Til Dataformat, Vælg CSV-fil.
- Til Træningsdatasæt, indtast S3-stien for
training_data_operations.csv
. - Til Test datakilde, Vælg Autosplit.
Autosplit vælger automatisk 10 % af dine angivne træningsdata til brug som testdata. - Til IAM rolle, Vælg Opret en IAM-rolle.
- Til Tilladelser til adgang, vælg trænings-, test- og outputdata (hvis angivet) i dine S3-bøtter.
- Til Navnesuffiks, gå ind
ticket-classification
.
- Til Modelnavn, gå ind
- Vælg Opret.
- Vælg Opret ny model igen for at oprette din ressourceklassificeringsmodel.
- Angiv følgende oplysninger:
- Til Modelnavn, gå ind
ticket-classification-resource
. - Til Sprog, vælg Engelsk.
- Til Klassificeringstilstand, Vælg Brug af enkelt-label-tilstand.
- Til Dataformat, Vælg CSV-fil.
- Til Træningsdatasæt, indtast S3-stien for
training_data_resources.csv
. - Til Test datakilde, vælg Autosplit.
- Til IAM rolle, Vælg Brug en eksisterende IAM-rolle.
- Til Rollenavn, vælg
AmazonComprehendServiceRole-ticket-classification
.
- Til Modelnavn, gå ind
- Vælg Opret.
Amazon Comprehend behandler nu CSV-filerne og bruger dem til at træne brugerdefinerede klassificeringer. Vi bruger derefter disse til at hjælpe med at klassificere kundebilletter. Jo større og mere nøjagtige vores træningsdata er, jo mere nøjagtige vil klassificeringsorganet være.
Vent på, at versionsstatus vises som Trained
som nedenfor. Det kan tage op til 1 time at gennemføre, afhængigt af størrelsen af træningsdataene.
Opret Amazon Comprehend-endepunkter
Amazon Comprehend-endepunkter faktureres i intervaller på 1 sekund med minimum 60 sekunder. Gebyrer fortsætter med at påløbe fra det tidspunkt, du starter slutpunktet, indtil det slettes, selvom ingen dokumenter analyseres. For mere information, se Amazon forstå priser. For at oprette dine slutpunkter skal du udføre følgende trin:
- På Amazon Comprehend-konsollen skal du vælge Endpoints i navigationsruden.
- Vælg Opret slutpunkt for at oprette dit operationsklassifikationsslutpunkt.
- Angiv følgende oplysninger:
- Til Endpoint navn, gå ind
ticket-classification-operation
. - Til Brugerdefineret modeltype, Vælg Brugerdefineret klassificering.
- Til Klassificeringsmodel, vælg billet-klassificering-drift.
- Til Udgave, vælg Intet versionsnavn.
- Til Antal slutningsenheder (IU'er), gå ind
1
.
- Til Endpoint navn, gå ind
- Vælg Opret slutpunkt.
- Vælg Opret slutpunkt igen for at oprette ressourceklassificeringens slutpunkt.
- Angiv følgende oplysninger:
- Til Endpoint navn, gå ind
ticket-classification-resource
. - Til Brugerdefineret modeltype, Vælg Brugerdefineret klassificering.
- Til Klassificeringsmodel, vælg billet-klassificering-ressource.
- Til Udgave, vælg Intet versionsnavn.
- Til Antal slutningsenheder (IU'er), gå ind
1
.
- Til Endpoint navn, gå ind
- Vælg Opret slutpunkt.
Når du har oprettet begge endepunkter, skal du vente, indtil status for begge viser som Active
.
Test Amazon Comprehend-endepunkterne med realtidsanalyse
For at teste dine slutpunkter skal du udføre følgende trin:
- På Amazon Comprehend-konsollen skal du vælge Realtidsanalyse i navigationsruden.
- Til Analyse typeVælg Tilpasset.
- Til Endpoint¸ vælg billet-klassificering-drift.
- Til Indtast tekst, indtaste følgende:
- Vælg Analyser.
Resultaterne viser, atUpdate
klasse har den højeste tillidsscore. - Skift Endpoint til billet-klassificering-ressource Og vælg Analyser igen.
Resultaterne viser, at EC2
klasse har den højeste tillidsscore.
Opret en hemmelighed for Amazon Redshift-klyngeadgangskoden
I dette trin opretter vi en AWS Secrets Manager hemmelighed for din Amazon Redshift-klyngeadgangskode. Secrets Manager hjælper dig med at beskytte de hemmeligheder, der er nødvendige for at få adgang til dine applikationer, tjenester og it-ressourcer. Tjenesten giver dig mulighed for nemt at rotere, administrere og hente databaselegitimationsoplysninger, API-nøgler og andre hemmeligheder gennem hele deres livscyklus. I dette indlæg gemmer vi Amazon Redshift-klyngeadgangskoden i en Secrets Manager-hemmelighed.
- På Secrets Manager-konsollen skal du vælge hemmeligheder i navigationsruden.
- Vælg Gem en ny hemmelighed.
- Til Hemmelig type, Vælg Anden type hemmelighed.
- Under Nøgle/værdi par, indstil din nøgle som
password
og værdi som din Amazon Redshift-klyngeadgangskode.
Adgangskoden skal være på mellem 8-64 tegn og indeholde mindst ét stort bogstav, ét lille bogstav og ét tal. Det kan være et hvilket som helst udskrivbart ASCII-tegn undtagen ' (enkelt anførselstegn), " (dobbelt anførselstegn), , /, @ eller mellemrum. - Vælg Næste.
- Til Hemmeligt navn, gå ind
ClassificationRedshiftClusterPassword
. - Vælg Næste.
- I Hemmelig rotation sektion, skal du vælge Næste.
- Gennemgå din hemmelige konfiguration og vælg Butik.
Forsyn din infrastruktur med AWS CloudFormation
I dette trin leverer vi infrastrukturen til løsningen ved hjælp af en AWS CloudFormation stak.
Upload Lambda-funktionskoden
Før du starter CloudFormation-stakken, skal du uploade din Lambda-funktionskode:
- Hent lambda_code.zip
- På Amazon S3-konsollen skal du åbne den bøtte, du har oprettet.
- Upload
lambda_code.zip
.
Opret din CloudFormation-stak
For at levere ressourcer med AWS CloudFormation skal du udføre følgende trin:
- Hent cloudformation_template.json.
- På AWS CloudFormation-konsollen skal du vælge Opret stak.
- Type Med nye ressourcer (standard).
- Til Skabelonkilde, vælg Upload en skabelonfil.
- Vælg den downloadede CloudFormation-skabelon.
- Vælg Næste.
- Til Staknavn, gå ind
Ticket-Classification-Infrastructure
. - I parametre sektion, skal du indtaste følgende værdier:
- Til KlassifikationRedshiftClusterNodeType, indtast Amazon Redshift-klyndeknudetypen. dc2.large er standard.
- Til KlassifikationRedshiftClusterPasswordSecretName, indtast Secrets Managers hemmelige navn, der gemmer Amazon Redshift-klyngeadgangskoden.
- Til KlassifikationRedshiftClusterSubnetId, skal du indtaste det undernet-id, hvor Amazon Redshift Cluster er hostet. Undernettet skal være inden for den VPC, som du nævnte i
ClassificationRedshiftClusterVpcId
parameter. - Til KlassifikationRedshiftClusterBrugernavn, indtast Amazon Redshift-klyngens brugernavn.
- Til KlassifikationRedshiftClusterVpcId, skal du indtaste VPC-id'et, hvor Amazon Redshift-klyngen er hostet.
- Til LambdaCodeS3 Bucket, indtast S3-bøttens navn, hvor du uploadede Lambda-koden.
- Til LambdaCodeS3 Key, indtast Amazon S3-nøglen til implementeringspakken.
- Til QuickSightRegion, indtast regionen for QuickSight. Regionen for QuickSight skal være i overensstemmelse med den region, du bruger til Amazon Comprehend og S3-bøtten.
- Vælg Næste.
- I Konfigurer stakindstillinger sektion, skal du vælge Næste.
- I anmeldelse sektion, vælg Jeg anerkender, at AWS CloudFormation kan skabe IAM-ressourcer.
- Vælg Opret stak.
Konfigurer din Amazon Redshift-klynge
I dette trin aktiverer du revisionslogning og tilføjer den nye tabel til Amazon Redshift-klyngen, der er oprettet gennem CloudFormation-skabelonen.
Revisionslogning er ikke slået til som standard i Amazon Redshift. Når du aktiverer logning på din klynge, eksporterer Amazon Redshift logfiler til amazoncloudwatch, som fanger data fra det tidspunkt, hvor revisionslogning er aktiveret til det nuværende tidspunkt. Hver logopdatering er en fortsættelse af de tidligere logfiler.
Aktiver revisionslogning
Du kan springe dette trin over, hvis du ikke har brug for revisionslogning til din Amazon Redshift-klynge.
- På Amazon Redshift-konsollen skal du vælge Klynger i navigationsruden.
- Vælg Amazon Redshift-klyngen begyndende med
classificationredshiftcluster-
. - På Ejendomme fanebladet, vælg Redigere.
- Vælg Rediger revisionslogning.
- Til Konfigurer revisionslogning¸ vælg Tænd.
- Til Logeksperttype, vælg CloudWatch.
- Vælg alle logtyper.
- Vælg Gem ændringer.
Opret ny tabel
For at oprette en ny tabel skal du udføre følgende trin:
- På Amazon Redshift-konsollen skal du vælge Forespørg data.
- Vælg Forespørgsel i forespørgselseditor v2.
- På Database side, skal du vælge din klynge.
- Til Database, gå ind
ticketclassification
. - Indtast brugernavnet og adgangskoden, du har konfigureret i CloudFormations stak-parametre.
- Vælg Opret forbindelse.
- Når forbindelsen er oprettet, skal du vælge plustegnet og åbne et nyt forespørgselsvindue.
- Indtast følgende forespørgsel:
- Vælg Kør.
Test klassifikationsinfrastrukturen
Nu er infrastrukturen til billetklassificering klar. Før vi integrerer med dit billetsystem, lad os teste klassifikationsinfrastrukturen.
Kør testen
For at køre testen skal du udføre følgende trin:
- Vælg på Lambda-konsollen Funktioner i navigationsruden.
- Vælg den funktion, der starter med
Ticket-Classification-Inf-TicketClassifier
. - På Test fanebladet, vælg Test begivenhed.
- Til Navn, gå ind
TestTicket
. - Indtast følgende testdata:
- Vælg Test.
Billetten er klassificeret, og klassifikationsdataene gemmes i Amazon Redshift-klyngen. Efter klassificeringen kører billethandler Lambda-funktionen, som håndterer billetten ud fra klassifikationen, herunder anbefaler materialer til supportingeniører.
Tjek billetklassificeringstestloggen
For at kontrollere testloggen skal du udføre følgende trin:
- I testens resultatafsnit skal du vælge Logs, eller vælg Se logfiler i CloudWatch på den Overvåg fane.
- Vælg logstrømmen.
Du kan se logfilerne i det følgende skærmbillede, som viser output fra Amazon Comprehend og den endelige topklassificering af billetten. I dette eksempel er testbilletten klassificeret som Resource=EC2
, Operation=Update
.
Tjek billetklassificeringen i Amazon Redshift-klyngen
For at validere outputtet i din klynge skal du udføre følgende trin:
- På Amazon Redshift-forespørgselseditor v2-konsollen skal du vælge plustegnet for at åbne et nyt forespørgselsvindue.
- Indtast følgende forespørgsel:
- Vælg Kør.
Følgende skærmbillede viser billetklassificeringen. Hvis det ikke er tilgængeligt endnu, skal du vente et par minutter og prøve igen (Kinesis Data Firehose har brug for lidt tid til at skubbe dataene). Vi kan nu bruge disse data i QuickSight.
Tjek billethåndteringstestloggen
Efter at billetklassifikatoren skubber klassifikationsdataene i Amazon Redshift-klyngen, kører billethåndteringens Lambda-funktion, som håndterer billetten baseret på klassificeringen, herunder anbefale materialer til supportingeniører. I dette eksempel returnerer billethandleren anbefalede materialer, herunder runbook, AWS-dokumentation og SSM-dokumenter, så support kan henvise til dem, når billetten håndteres. Du kan integrere output med dit billethåndteringssystem, og du kan tilpasse håndteringsprocesserne i Lambda-funktionskoden. I dette trin tjekker vi, hvilke anbefalinger der blev lavet.
- Vælg på Lambda-konsollen Funktioner i navigationsruden.
- Vælg den Lambda-funktion, der starter med
Ticket-Classification-Inf-TicketHandlerLambdaFunct
. - På Overvåg fanebladet, vælg Se logfiler i CloudWatch.
- Vælg logstrømmen.
Følgende skærmbillede viser logfilerne. Du kan se outputtet fra Amazon Comprehend og listen over anbefalede AWS-dokumenter og SSM-dokumenter for billetten klassificeret som Update EC2
. Du kan tilføje dine egne runbooks, dokumenter, SSM-dokumenter eller andre materialer i Lambda-funktionskoden.
Integrer billetklassificeringsinfrastrukturen med dit billetsystem
I dette afsnit gennemgår vi trinene til at integrere din billetklassificeringsinfrastruktur med dit billetsystem og tilpasse din konfiguration.
De fleste billetsystemer har en trigger-funktion, som giver dig mulighed for at køre kode, når billetten indsendes. Konfigurer dit billetsystem til at starte billetklassificeringsfunktionen Lambda med følgende formaterede input:
Hvis du ønsker at tilpasse inputtet, skal du ændre billetklassifikatoren Lambda-funktionskoden. Du skal tilføje eller fjerne parametre (linje 90–105) og tilpasse input til Amazon Comprehend (linje 15–17).
Du kan tilpasse billethåndterings Lambda-funktionen til at køre automatisering eller redigere anbefalingerne. For eksempel kan du tilføje den interne kommentar til billetten med anbefalingerne. For at tilpasse skal du åbne billethandlerens Lambda-kode og redigere linje 68–70 og 75–81.
Brug klassifikationsdata med QuickSight
Når du har integreret billetklassificeringsinfrastrukturen med dit billetsystem, gemmes billetklassifikationsdataene i Amazon Redshift-klyngen. Du kan bruge QuickSight til at kontrollere disse data og generere rapporter. I dette eksempel genererer vi en QuickSight-analyse med klassifikationsdataene.
Tilmeld dig QuickSight
Hvis du ikke allerede har QuickSight, skal du tilmelde dig med følgende trin:
- Vælg på QuickSight-konsollen Tilmeld dig QuickSight.
- Vælg standard.
- Under QuickSight-regionen, skal du vælge den region, du konfigurerede i CloudFormation-parameteren
QuickSightRegion
. - Under Kontooplysninger, skal du indtaste dit QuickSight-kontonavn og e-mail-adresse.
- Under QuickSight-adgang til AWS-tjenester, Vælg Amazon rødforskydning.
- Hvis du vil tillade adgang og autodiscovery for andre ressourcer, skal du også vælge dem.
- Vælg Finish.
- Vælg Gå til Amazon QuickSight efter du er tilmeldt.
Tilslut din Amazon Redshift-klynge til QuickSight
For at forbinde din klynge til QuickSight som en datakilde skal du udføre følgende trin:
- Vælg på QuickSight-konsollen datasæt i navigationsruden.
- Vælg Nyt datasæt.
- Vælg Rødskift Auto-opdaget.
- Angiv følgende oplysninger:
- Til Datakildenavn, gå ind
ticketclassification
. - Til Forekomst-id, vælg Amazon Redshift-klyngen, der starter med
classificationredshiftcluster-
. - Til Tilslutningstype, vælg Offentligt netværk.
- Til Databasens navn, gå ind
ticketclassification
. - Indtast Amazon Redshift-klyngens brugernavn og adgangskode, som du konfigurerede i CloudFormations stak-parametre.
- Til Datakildenavn, gå ind
- Vælg Bekræft forbindelsen for at se om forbindelsen virker.
Hvis det ikke virker, skyldes det sandsynligvis brug af forkert brugernavn og adgangskode, eller QuickSight-regionen er forskellig fra det, du har angivet i CloudFormation-stakken. - Vælg Opret datakilde.
- I Vælg dit bord sektion, vælg
tickets
tabel. - Vælg Type.
- Type Importer til SPICE for hurtigere analyser.
SPICE er QuickSight Superhurtig, Parallel, In-Memory Calculation Engine. Det er udviklet til hurtigt at udføre avancerede beregninger og levere data. Import (også kaldet indtagelse) dine data i SPICE kan spare tid og penge. For mere information om SPICE, se Import af data til SPICE. Hvis du får fejlen "Ikke nok SPICE-kapacitet", skal du købe mere SPICE-kapacitet. For mere information, se Køb af SPICE-kapacitet i en AWS-region. - Vælg Visualiser.
Opret en billetklassificeringsanalyserapport
Når du er færdig med at oprette datasæt, kan du se den nye QuickSight-analyse. I dette afsnit gennemgår vi trinene for at oprette en billetklassificeringsanalyserapport, herunder en pivottabel, cirkeldiagrammer og linjediagrammer.
- Vælg Autograf.
- Under Visuelle typer, vælg pivottabellen.
- Træk
operation
fra Liste over felter til Rækker. - Træk
resource
fra Liste over felter til Kolonner. - På Tilføj menu, vælg Tilføj visuelt.
- Under Visuelle typer, vælg cirkeldiagrammet.
- Træk
operation
fra Liste over felter til Gruppe/Farve. - På Tilføj menu, vælg Tilføj visuelt igen.
- Under Visuelle typer, vælg cirkeldiagrammet igen.
- Træk
resource
fra Liste over felter til Gruppe/Farve. - På Tilføj menu, vælg Tilføj visuelt igen.
- Under Visuelle typer, vælg linjediagrammet.
- Træk
creation_time
fra Liste over felter til X-aksen. - Træk
operation
fra Liste over felter til Farve. - På Tilføj menu, vælg Tilføj visuelt igen.
- Under Visuelle typer, vælg linjediagrammet igen.
- Træk
creation_time
fra Liste over felter til X-aksen. - Træk
operation
fra Liste over felter til Farve. - Tilpas størrelsen og omarranger diagrammerne efter behov.
- Vælg Gem som.
- Indtast et navn til din analyse og vælg Gem.
Tillykke! Din første billetanalyse er klar. Når du har flere data, vil analysen se ud som følgende skærmbillede.
Ryd op
I dette trin rydder vi op i de ressourcer, vi har skabt med forskellige tjenester.
Amazon Comprehend
For at slette dine slutpunkter skal du udføre følgende trin:
- På Amazon Comprehend-konsollen skal du vælge Endpoints i navigationsruden.
- Vælg
endpoint ticket-classification-operation
. - Vælg Slette og følg vejledningen.
- Gentag disse trin for at slette
ticket-classification-resource
slutpunkt.
Derefter skal du slette de brugerdefinerede klassifikationer, du har oprettet. - Vælg Brugerdefineret klassificering i navigationsruden.
- Vælg
classification ticket-classification-operation
. - Type Intet versionsnavn.
- Vælg Slette og følg vejledningen.
- Gentag disse trin for at slette
ticket-classification-resource
klassifikation.
Amazon S3
Derefter skal du rydde op i den S3-spand, du har oprettet.
- På Amazon S3-konsollen skal du vælge den bøtte, du har oprettet.
- Slet alle genstande i bøtten.
- Slet bøtten.
Amazon QuickSight
Slet de QuickSight-analyser og datasæt, du har oprettet.
- Vælg på QuickSight-konsollen Analyser i navigationsruden.
- Vælg indstillingsikonet (tre prikker) på den analyse, du har oprettet.
- Vælg Slette og følg vejledningen.
- Vælg datasæt i navigationsruden.
- Vælg den
tickets
datasæt. - Vælg Slet datasæt og følg vejledningen.
AWS CloudFormation
Ryd op i de ressourcer, du har oprettet som en del af CloudFormation-stakken.
- På AWS CloudFormation-konsollen skal du vælge Stakke i navigationsruden.
- Vælg den
Ticket-Classification-Infrastructure
stak. - På Ressourcer fanen, skal du vælge det fysiske ID for
ClassificationDeliveryStreamS3Bucket
.
Amazon S3-konsollen åbner. - Slet alle objekter i denne bøtte.
- Vend tilbage til AWS CloudFormation-konsollen, vælg Slette, og følg anvisningerne.
AWS Secrets Manager
Til sidst skal du slette Secrets Manager-hemmeligheden.
- På Secrets Manager-konsollen skal du vælge hemmeligheden
ClassificationRedshiftClusterPassword
. - På handlinger menu, vælg Slet hemmelighed.
- Indstil ventetiden til 7 dage og vælg Planlæg sletning.
Din hemmelighed slettes automatisk efter 7 dage.
Konklusion
I dette indlæg lærte du, hvordan du bruger AWS-tjenester til at oprette et automatisk klassificerings- og anbefalingssystem. Denne løsning hjælper dine organisationer med at opbygge følgende workflow:
- Klassificer kundeønsker.
- Anbefal automatiserede løsninger.
- Analyser kundeanmodningsklassifikationer og opdag de bedste kundeønsker.
- Frigiv en ny automatiseret løsning og øg automatiseringshastigheden.
For mere information om Amazon Comprehend, se Amazon Comprehend-dokumentation. Du kan også opdage andre Amazon Comprehend-funktioner og få inspiration fra andre AWS blogindlæg om at bruge Amazon Comprehend ud over klassifikation.
Om forfatterne
Seongyeol Jerry Cho er senior systemudviklingsingeniør hos AWS Managed Services med base i Sydney, Australien. Han fokuserer på at bygge meget skalerbar og automatiseret cloud-driftssoftware ved hjælp af en række forskellige teknologier, herunder maskinlæring. Uden for arbejdet nyder han at rejse, campere, læse, lave mad og løbe.
Manu Sasikumar er Sr. Systems Engineer Manager med AWS Managed Services. Manu og hans team fokuserer på at bygge kraftfulde og brugervenlige automatiseringer for at reducere manuel indsats og bygge AI- og ML-baserede løsninger til håndtering af kundeønsker. Uden for arbejdet elsker han at bruge sin fritid sammen med sin familie, samt at være en del af forskellige humanitære og frivillige aktiviteter.
- Coinsmart. Europas bedste Bitcoin og Crypto Exchange.
- Platoblokkæde. Web3 Metaverse Intelligence. Viden forstærket. FRI ADGANG.
- CryptoHawk. Altcoin radar. Gratis prøveversion.
- Kilde: https://aws.amazon.com/blogs/machine-learning/how-service-providers-can-use-natural-language-processing-to-gain-insights-from-customer-tickets-with-amazon- forstå/
- "
- 100
- 7
- a
- Om
- adgang
- Ifølge
- Konto
- præcis
- tværs
- Handling
- aktiviteter
- adresse
- fremskreden
- AI
- Alle
- tillader
- allerede
- Skønt
- Amazon
- analyse
- analytics
- analysere
- api
- Anvendelse
- applikationer
- passende
- arkitektur
- tildelt
- revision
- Australien
- automatisere
- Automatiseret
- Automatisk Ur
- automatisk
- Automation
- til rådighed
- AWS
- fordi
- før
- være
- jf. nedenstående
- BEDSTE
- mellem
- Beyond
- Bloker
- Blog
- grænse
- bygge
- Bygning
- virksomhed
- business intelligence
- ringe
- kandidater
- Kapacitet
- fange
- fanger
- Boligtype
- Årsag
- odds
- kanaler
- tegn
- afgifter
- Diagrammer
- Vælg
- valgt
- klasse
- klassificering
- Cloud
- kode
- Kolonne
- fuldføre
- Compute
- tillid
- Konfiguration
- Tilslut
- tilslutning
- Tilslutninger
- konsekvent
- Konsol
- indeholder
- fortsæt
- omkostningseffektiv
- skabe
- oprettet
- Oprettelse af
- skabelse
- Legitimationsoplysninger
- skik
- kunde
- Kunder
- tilpasse
- data
- Database
- databaser
- forsinkelse
- leverer
- Afhængigt
- implementering
- beskrevet
- detaljer
- Udvikling
- forskellige
- opdage
- dokumenter
- Er ikke
- fordoble
- nemt
- nem at bruge
- editor
- effektivitet
- indsats
- muliggøre
- muliggør
- kryptering
- Endpoint
- Engine (Motor)
- ingeniør
- Ingeniører
- Indtast
- væsentlig
- anslået
- eksempel
- Undtagen
- eksisterende
- ekspert
- familie
- Feature
- Funktionalitet
- finansielle
- Fornavn
- Fokus
- fokuserer
- følger
- efter
- følger
- fra
- Opfylde
- funktion
- generere
- Globalt
- gruppe
- Håndtering
- Hardware
- hjælpe
- hjælper
- Høj
- stærkt
- hostede
- Hvordan
- How To
- HTTPS
- Humanitær
- ICON
- gennemføre
- importere
- Herunder
- Forøg
- øget
- oplysninger
- Infrastruktur
- indgang
- indsigt
- Inspiration
- integrere
- Intelligens
- spørgsmål
- spørgsmål
- IT
- Nøgle
- nøgler
- etiket
- Sprog
- stor
- større
- lancering
- lærte
- læring
- Sandsynlig
- Line (linje)
- linjer
- Liste
- belastning
- Se
- maskine
- machine learning
- lavet
- vedligeholdelse
- administrere
- lykkedes
- leder
- styring
- manuel
- manuelt
- materialer
- nævnte
- måske
- minimum
- ML
- Mobil
- model
- modeller
- penge
- mere
- flere
- navne
- Natural
- Navigation
- nødvendig
- behov
- underretning
- nummer
- åbent
- åbner
- drift
- Produktion
- Muligheder
- Indstillinger
- organisation
- organisationer
- Andet
- samlet
- egen
- pakke
- del
- Adgangskode
- Mennesker
- ydeevne
- periode
- fysisk
- Pivot
- vigtigste
- præsentere
- tidligere
- pris
- Processer
- forarbejdning
- beskytte
- give
- forudsat
- udbydere
- offentlige
- køb
- rejse
- Læsning
- realtid
- anbefale
- reducere
- Reduceret
- region
- indberette
- Rapporter
- anmode
- anmodninger
- Krav
- ressource
- Ressourcer
- resulterer
- Resultater
- afkast
- R
- Kør
- kører
- skalerbar
- Scale
- sekunder
- Serverless
- tjeneste
- Tjenester
- sæt
- underskrive
- Simpelt
- enkelt
- Størrelse
- So
- Software
- solid
- løsninger
- Løsninger
- nogle
- Space
- udgifterne
- stable
- standard
- starte
- starter
- Status
- opbevaring
- butik
- forhandler
- strøm
- streaming
- struktureret
- indsendt
- support
- sydney
- systemet
- Systemer
- hold
- Teknologier
- prøve
- Test
- derved
- tre
- Gennem
- hele
- billet
- billetter
- tid
- Titel
- værktøj
- værktøjer
- top
- Kurser
- Transform
- rejse
- Tendenser
- typer
- afdække
- enestående
- enheder
- Opdatering
- brug
- sædvanligvis
- UTC
- udnytte
- værdi
- række
- forskellige
- udgave
- Specifikation
- frivilligt
- vente
- web
- Hvad
- WHO
- udbredt
- inden for
- uden
- Arbejde
- virker
- Din