Heutzutage können Kunden Support-Tickets über mehrere Kanäle wie Web, Handy, Chat-Bots, E-Mails oder Telefonanrufe erstellen. Wenn ein Support-Ticket von einem Kunden erstellt wird, wird es bearbeitet und basierend auf den im Ticket bereitgestellten Informationen einer Kategorie zugewiesen. Es wird dann entsprechend der Kategorie des Tickets zur Lösung an die Support-Gruppe weitergeleitet. Es wird geschätzt, dass eine große Anzahl von Support-Tickets aufgrund falscher Ticket-Kategorisierung normalerweise nicht an die richtige Gruppe weitergeleitet wird. Falsch zugewiesene Tickets führen zu Verzögerungen bei der Gesamtlösungszeit, was häufig zu erheblicher Unzufriedenheit der Kunden führt. Es kann auch andere weitreichende Auswirkungen wie finanzielle, betriebliche oder andere geschäftliche Auswirkungen haben. Daher ist die Ticketklassifizierung heutzutage eine wesentliche Aufgabe für jede Organisation. Sie können Tickets zwar manuell klassifizieren, dies ist jedoch fehleranfällig, nicht kostengünstig und nicht skalierbar.
AWS Managed Services (AMS) verwendet Amazon verstehen benutzerdefinierte Klassifizierungen zur Kategorisierung eingehender Anfragen nach Ressourcen- und Vorgangstyp, basierend darauf, wie der Kunde sein Problem beschrieben hat. Amazon Comprehend ist ein Dienst zur Verarbeitung natürlicher Sprache (NLP), der maschinelles Lernen (ML) verwendet, um wertvolle Einblicke und Verbindungen in Texten aufzudecken. AMS verwendet benutzerdefinierte Klassifikatoren, um Kundenanfragen mit geeigneten Problemtypen, Ressourcentypen und Ressourcenmaßnahmen zu kennzeichnen und so Kundentickets an die KMU weiterzuleiten. Die Amazon Comprehend-Klassifizierung wird verwendet, um Möglichkeiten für neue interne Automatisierungstools zu finden, mit denen AMS-Ingenieure Kundenanforderungen erfüllen können, um den manuellen Aufwand und die Wahrscheinlichkeit manueller Fehler zu reduzieren. Die Klassifizierungsdaten werden in einem gespeichert Amazon RedShift Cluster und verwendet, um Kundenanfragen zu analysieren und neue Kandidaten für Automatisierungstools zu finden. Diese Automatisierung führt zu einer erhöhten betrieblichen Effizienz und reduzierten Kosten.
In diesem Beitrag zeigen wir, wie Anbieter verwalteter Dienste Amazon Comprehend verwenden können, um die Tickets zu klassifizieren und weiterzuleiten, Vorschläge basierend auf der Klassifizierung bereitzustellen und die Klassifizierungsdaten zu nutzen.
Lösungsüberblick
Das folgende Diagramm zeigt die Lösungsarchitektur.
Der Arbeitsablauf ist wie folgt:
- Ein Kunde reicht das Ticket ein.
- Das Ticketsystem empfängt das Ticket vom Kunden und ruft den Ticketklassifizierer auf AWS Lambda Funktion mit den Ticketdetails. Lambda ist ein serverloser, ereignisgesteuerter Rechendienst, mit dem Sie Code für praktisch jede Art von Anwendung oder Backend-Dienst ausführen können, ohne Server bereitstellen oder verwalten zu müssen. Lambda wird als Lösung gewählt, um Kosten und Wartungsaufwand zu reduzieren.
- Die Lambda-Funktion zur Ticketklassifizierung klassifiziert das Ticket mit Amazon Comprehend anhand des Tickettitels und der Beschreibung. Mit Amazon Comprehend können Sie das NLP-Modell trainieren und sowohl Batch- als auch Echtzeit-Klassifikatoren bereitstellen, ohne eine Infrastruktur bereitstellen und warten zu müssen.
- Die Ticket-Klassifikator-Lambda-Funktion überträgt die Ticket-Klassifizierungsdaten per Push an den Amazon Redshift-Cluster Amazon Kinesis Data Firehose. Kinesis Data Firehose ist ein Dienst zum Extrahieren, Transformieren und Laden (ETL), der Streaming-Daten erfasst, transformiert und an Data Lakes, Datenspeicher und Analysedienste liefert. Amazon Redshift verwendet SQL, um strukturierte und halbstrukturierte Daten über Data Warehouses, operative Datenbanken und Data Lakes hinweg zu analysieren, wobei von AWS entwickelte Hardware und ML verwendet werden, um in jeder Größenordnung die beste Preisleistung zu erzielen. Kinesis Data Firehose liefert Daten an eine Amazon Simple Storage-Service (Amazon S3)-Bucket und gibt dann einen Amazon Redshift COPY-Befehl aus, um die Daten in einen Amazon Redshift-Cluster zu laden.
- Die Lambda-Funktion des Ticket-Klassifikators ruft die Lambda-Funktion des Ticket-Handlers auf.
- Die Lambda-Funktion des Ticket-Handlers führt Code aus, um die Ticket-Handhabung zu unterstützen. In diesem Beispiel gibt es die empfohlenen Materialien für die Bearbeitung des Tickets basierend auf der Klassifizierung zurück.
- Ticketanalyse kann mit durchgeführt werden Amazon QuickSight. Aus der Ticketanalyse können Sie den am häufigsten angeforderten Tickettyp ermitteln. Basierend auf der Analyse können Sie Tickettrends und Möglichkeiten zur Automatisierung der wichtigsten Tickettypen entdecken. QuickSight ist ein cloudbasierter Business-Intelligence-Service (BI), mit dem Sie Ihren Mitarbeitern leicht verständliche Erkenntnisse liefern können, wo immer sie sich befinden.
In den folgenden Abschnitten führen wir Sie durch die Schritte zur Implementierung der Lösung, zur Integration der Ticketklassifizierungsinfrastruktur in Ihr Ticketsystem und zur Verwendung der Klassifizierungsdaten mit QuickSight.
Implementieren Sie die Lösung
In diesem Abschnitt gehen wir durch die Schritte zum Bereitstellen Ihrer Lösungsressourcen und zum Erstellen der erforderlichen Infrastruktur.
Konfigurieren Sie Amazon Comprehend
In diesem Schritt trainieren wir zwei neue benutzerdefinierte Amazon Comprehend-Klassifizierungsmodelle: Vorgang und Ressource, und erstellen einen Endpunkt für die Echtzeitanalyse für jedes Modell.
Laden Sie die Trainingsdaten hoch
Führen Sie die folgenden Schritte aus, um die Trainingsdaten hochzuladen:
- Herunterladen ticket_training_data.zip und entpacken Sie die Datei.
Dieser Ordner enthält die folgenden zwei Dateien:- training_data_operations.csv – Diese Datei ist eine zweispaltige CSV-Datei, die wir zum Trainieren des Vorgangsklassifizierungsmodells verwenden. Die erste Spalte enthält
class
, und die zweite Spalte enthältdocument
. - training_data_resources.csv – Diese Datei ist eine zweispaltige CSV-Datei, die wir zum Trainieren des Ressourcenklassifizierungsmodells verwenden. Wie
training_data_operations.csv
Datei, die erste Spalte enthältclass
, und die zweite Spalte enthältdocument
.
- training_data_operations.csv – Diese Datei ist eine zweispaltige CSV-Datei, die wir zum Trainieren des Vorgangsklassifizierungsmodells verwenden. Die erste Spalte enthält
- Erstellen Sie auf der Amazon S3-Konsole einen neuen Bucket für Amazon Comprehend. Da S3-Bucket-Namen global eindeutig sind, müssen Sie einen eindeutigen Namen für den Bucket erstellen. Für diesen Beitrag nennen wir es
comprehend-ticket-training-data
. Aktivieren Sie die serverseitige Verschlüsselung und blockieren Sie den öffentlichen Zugriff beim Erstellen des Buckets. - Hochladen
training_data_operations.csv
undtraining_data_resources.csv
zum neuen S3-Bucket.
Erstellen Sie zwei neue Modelle
Führen Sie die folgenden Schritte aus, um Ihre Modelle zu erstellen:
- Wählen Sie in der Amazon Comprehend-Konsole aus Benutzerdefinierte Klassifizierung im Navigationsbereich.
- Auswählen Neues Modell erstellen.
- stellen Sie folgende Informationen bereit:
- Aussichten für Modellbezeichnung, eingeben
ticket-classification-operation
. - Aussichten für Sprache, wählen Englisch.
- Aussichten für KlassifikatormodusWählen Verwendung des Single-Label-Modus.
- Aussichten für Datei FormatWählen CSV-Datei.
- Aussichten für Trainingsdatensatz, geben Sie den S3-Pfad für ein
training_data_operations.csv
. - Aussichten für Datenquelle testenWählen Auto-Split.
Autosplit wählt automatisch 10 % Ihrer bereitgestellten Trainingsdaten zur Verwendung als Testdaten aus. - Aussichten für IAM-RolleWählen Erstellen Sie eine IAM-Rolle.
- Aussichten für Zugriffsberechtigungen, wählen Sie die Trainings-, Test- und Ausgabedaten (falls angegeben) in Ihren S3-Buckets aus.
- Aussichten für Namenszusatz, eingeben
ticket-classification
.
- Aussichten für Modellbezeichnung, eingeben
- Auswählen
Erstellen.
- Auswählen Neues Modell erstellen erneut, um Ihr Ressourcenklassifizierungsmodell zu erstellen.
- stellen Sie folgende Informationen bereit:
- Aussichten für Modellbezeichnung, eingeben
ticket-classification-resource
. - Aussichten für Sprache, wählen Englisch.
- Aussichten für KlassifikatormodusWählen Verwendung des Single-Label-Modus.
- Aussichten für Datei FormatWählen CSV-Datei.
- Aussichten für Trainingsdatensatz, geben Sie den S3-Pfad für ein
training_data_resources.csv
. - Aussichten für Datenquelle testen, wählen Sie Automatische Teilung.
- Aussichten für IAM-RolleWählen Verwenden Sie eine vorhandene IAM-Rolle.
- Aussichten für Rollenname, wählen
AmazonComprehendServiceRole-ticket-classification
.
- Aussichten für Modellbezeichnung, eingeben
- Auswählen
Erstellen.
Amazon Comprehend verarbeitet jetzt die CSV-Dateien und verwendet sie, um benutzerdefinierte Klassifikatoren zu trainieren. Wir verwenden diese dann, um Kundentickets zu klassifizieren. Je größer und genauer unsere Trainingsdaten sind, desto genauer wird der Klassifikator sein.
Warten Sie, bis der Versionsstatus als angezeigt wird Trained
wie nachstehend. Abhängig von der Größe der Trainingsdaten kann es bis zu 1 Stunde dauern, bis der Vorgang abgeschlossen ist.
Erstellen Sie Amazon Comprehend-Endpunkte
Amazon Comprehend-Endpunkte werden in 1-Sekunden-Schritten mit einem Minimum von 60 Sekunden abgerechnet. Ab dem Zeitpunkt, an dem Sie den Endpunkt starten, fallen weiterhin Gebühren an, bis er gelöscht wird, auch wenn keine Dokumente analysiert werden. Weitere Informationen finden Sie unter Amazon Comprehend-Preise. Führen Sie die folgenden Schritte aus, um Ihre Endpunkte zu erstellen:
- Wählen Sie in der Amazon Comprehend-Konsole aus Endpunkte im Navigationsbereich.
- Auswählen Endpunkt erstellen um Ihren Vorgangsklassifizierungsendpunkt zu erstellen.
- stellen Sie folgende Informationen bereit:
- Aussichten für Endpunktname, eingeben
ticket-classification-operation
. - Aussichten für Benutzerdefinierter ModelltypWählen Benutzerdefinierte Klassifizierung.
- Aussichten für Classifier-Modell, wählen Ticket-Klassifizierungsvorgang.
- Aussichten für Version, wählen Kein Versionsname.
- Aussichten für Anzahl der Inferenzeinheiten (IUs), eingeben
1
.
- Aussichten für Endpunktname, eingeben
- Auswählen
Endpunkt erstellen.
- Auswählen Endpunkt erstellen erneut, um den Ressourcenklassifizierungsendpunkt zu erstellen.
- stellen Sie folgende Informationen bereit:
- Aussichten für Endpunktname, eingeben
ticket-classification-resource
. - Aussichten für Benutzerdefinierter ModelltypWählen Benutzerdefinierte Klassifizierung.
- Aussichten für Classifier-Modell, wählen Ticket-Klassifizierungs-Ressource.
- Aussichten für Version, wählen Kein Versionsname.
- Aussichten für Anzahl der Inferenzeinheiten (IUs), eingeben
1
.
- Aussichten für Endpunktname, eingeben
- Auswählen
Endpunkt erstellen.
Nachdem Sie beide Endpunkte erstellt haben, warten Sie, bis der Status für beide als angezeigt wird Active
.
Testen Sie die Amazon Comprehend-Endpunkte mit Echtzeitanalyse
Führen Sie die folgenden Schritte aus, um Ihre Endpunkte zu testen:
- Wählen Sie in der Amazon Comprehend-Konsole aus Echtzeitanalyse im Navigationsbereich.
- Aussichten für Analysetypwählen Maßgeschneidert.
- Aussichten für Endpunktwählen Ticket-Klassifizierungsvorgang.
- Aussichten für Eingabetext, Gebe folgendes ein:
- Auswählen
Analysieren.
Die Ergebnisse zeigen, dass dieUpdate
Klasse hat die höchste Vertrauensbewertung. - Change Endpunkt zu Ticket-Klassifizierungs-Ressource und wählen Sie Analysieren erneut.
Die Ergebnisse zeigen, dass die EC2
Klasse hat die höchste Vertrauensbewertung.
Erstellen Sie ein Geheimnis für das Passwort des Amazon Redshift-Clusters
In diesem Schritt erstellen wir eine AWS Secrets Manager Geheimnis für Ihr Amazon Redshift-Cluster-Passwort. Secrets Manager hilft Ihnen, Geheimnisse zu schützen, die für den Zugriff auf Ihre Anwendungen, Dienste und IT-Ressourcen erforderlich sind. Der Service ermöglicht es Ihnen, Datenbankanmeldeinformationen, API-Schlüssel und andere Geheimnisse während ihres gesamten Lebenszyklus einfach zu rotieren, zu verwalten und abzurufen. In diesem Beitrag speichern wir das Amazon Redshift-Cluster-Passwort in einem Secrets Manager-Secret.
- Wählen Sie in der Secrets Manager-Konsole aus Geheimnisse im Navigationsbereich.
- Auswählen Speichern Sie ein neues Geheimnis.
- Aussichten für Geheimer TypWählen Andere Art von Geheimnis.
- Der Schlüssel/Wert-Paare, setzen Sie Ihren Schlüssel als
password
und Wert als Ihr Amazon Redshift-Cluster-Passwort.
Das Passwort muss zwischen 8 und 64 Zeichen lang sein und mindestens einen Großbuchstaben, einen Kleinbuchstaben und eine Ziffer enthalten. Es kann jedes druckbare ASCII-Zeichen außer ' (einfaches Anführungszeichen), “ (doppeltes Anführungszeichen), , /, @ oder Leerzeichen sein. - Auswählen
Weiter.
- Aussichten für Geheimer Name, eingeben
ClassificationRedshiftClusterPassword
. - Auswählen Weiter.
- Im Geheime Drehung Wählen Sie im Abschnitt Weiter.
- Überprüfen Sie Ihre geheime Konfiguration und wählen Sie aus Geschäft.
Stellen Sie Ihre Infrastruktur mit AWS CloudFormation bereit
In diesem Schritt stellen wir die Infrastruktur für die Lösung mit einem bereit AWS CloudFormation Stapel.
Laden Sie den Lambda-Funktionscode hoch
Laden Sie vor dem Starten des CloudFormation-Stacks Ihren Lambda-Funktionscode hoch:
- Herunterladen lambda_code.zip
- Öffnen Sie in der Amazon S3-Konsole den von Ihnen erstellten Bucket.
- Hochladen
lambda_code.zip
.
Erstellen Sie Ihren CloudFormation-Stack
Führen Sie die folgenden Schritte aus, um Ressourcen mit AWS CloudFormation bereitzustellen:
- Herunterladen cloudformation_template.json.
- Wählen Sie in der AWS CloudFormation-Konsole aus Stapel erstellen.
- Auswählen Mit neuen Ressourcen (Standard).
- Aussichten für Vorlagenquelle, wählen Laden Sie eine Vorlagendatei hoch.
- Wählen Sie die heruntergeladene CloudFormation-Vorlage aus.
- Auswählen Weiter.
- Aussichten für Stapelname, eingeben
Ticket-Classification-Infrastructure
. - Im Parameter Geben Sie im Abschnitt die folgenden Werte ein:
- Aussichten für ClassificationRedshiftClusterNodeType, geben Sie den Amazon Redshift-Cluster-Knotentyp ein. dc2.large ist die Standardeinstellung.
- Aussichten für ClassificationRedshiftClusterPasswordSecretName, geben Sie den geheimen Namen von Secrets Manager ein, der das Passwort des Amazon Redshift-Clusters speichert.
- Aussichten für KlassifizierungRedshiftClusterSubnetId, geben Sie die Subnetz-ID ein, in der der Amazon Redshift-Cluster gehostet wird. Das Subnetz muss sich innerhalb der VPC befinden, die Sie in der erwähnt haben
ClassificationRedshiftClusterVpcId
Parameters. - Aussichten für KlassifizierungRedshiftClusterBenutzername, geben Sie den Benutzernamen des Amazon Redshift-Clusters ein.
- Aussichten für KlassifizierungRedshiftClusterVpcId, geben Sie die VPC-ID ein, in der der Amazon Redshift-Cluster gehostet wird.
- Aussichten für LambdaCodeS3Bucket, geben Sie den Namen des S3-Buckets ein, in den Sie den Lambda-Code hochgeladen haben.
- Aussichten für LambdaCodeS3Key, geben Sie den Amazon S3-Schlüssel des Bereitstellungspakets ein.
- Aussichten für QuickSightRegion, geben Sie die Region für QuickSight ein. Die Region für QuickSight sollte mit der Region übereinstimmen, die Sie für Amazon Comprehend und den S3-Bucket verwenden.
- Auswählen Weiter.
- Im Konfigurieren Sie die Stapeloptionen Wählen Sie im Abschnitt Weiter.
- Im Bewertung Abschnitt auswählen Ich erkenne an, dass AWS CloudFormation möglicherweise IAM-Ressourcen erstellt.
- Auswählen Stapel erstellen.
Konfigurieren Sie Ihren Amazon Redshift-Cluster
In diesem Schritt aktivieren Sie die Audit-Protokollierung und fügen die neue Tabelle dem Amazon Redshift-Cluster hinzu, der über die CloudFormation-Vorlage erstellt wurde.
Die Audit-Protokollierung ist in Amazon Redshift standardmäßig nicht aktiviert. Wenn Sie die Protokollierung auf Ihrem Cluster aktivieren, exportiert Amazon Redshift Protokolle nach Amazon CloudWatch, die Daten von der Zeit erfassen, zu der die Audit-Protokollierung bis zum aktuellen Zeitpunkt aktiviert ist. Jede Protokollaktualisierung ist eine Fortsetzung der vorherigen Protokolle.
Aktivieren Sie die Überwachungsprotokollierung
Sie können diesen Schritt überspringen, wenn Sie keine Audit-Protokollierung für Ihren Amazon Redshift-Cluster benötigen.
- Wählen Sie in der Amazon Redshift-Konsole aus Cluster im Navigationsbereich.
- Wählen Sie den Amazon Redshift-Cluster beginnend mit aus
classificationredshiftcluster-
. - Auf dem Ferienhäuser Tab, wählen Sie Bearbeiten.
- Auswählen Bearbeiten Sie die Audit-Protokollierung.
- Aussichten für Konfigurieren Sie die Überwachungsprotokollierungwählen Einschalten.
- Aussichten für Log-Expertentyp, wählen Cloudwatch.
- Wählen Sie alle Protokolltypen aus.
- Auswählen Änderungen speichern.
Neue Tabelle erstellen
Führen Sie die folgenden Schritte aus, um eine neue Tabelle zu erstellen:
- Wählen Sie in der Amazon Redshift-Konsole aus Daten abfragen.
- Auswählen Abfrage im Abfrageeditor v2.
- Auf dem Datenbase Seite, wählen Sie Ihren Cluster aus.
- Aussichten für Datenbase, eingeben
ticketclassification
. - Geben Sie den Benutzernamen und das Passwort ein, die Sie in den CloudFormation-Stack-Parametern konfiguriert haben.
- Auswählen
Verbindung herstellen.
- Wenn die Verbindung hergestellt ist, wählen Sie das Pluszeichen und öffnen Sie ein neues Abfragefenster.
- Geben Sie die folgende Abfrage ein:
- Auswählen Führen Sie.
Testen Sie die Klassifizierungsinfrastruktur
Nun steht die Infrastruktur für die Ticketklassifizierung bereit. Lassen Sie uns vor der Integration in Ihr Ticketsystem die Klassifizierungsinfrastruktur testen.
Führen Sie den Test durch
Führen Sie die folgenden Schritte aus, um den Test auszuführen:
- Wählen Sie auf der Lambda-Konsole Funktionen im Navigationsbereich.
- Wählen Sie die Funktion, die mit beginnt
Ticket-Classification-Inf-TicketClassifier
. - Auf dem Test Tab, wählen Sie Testveranstaltung.
- Aussichten für Name und Vorname, eingeben
TestTicket
. - Geben Sie folgende Testdaten ein:
- Auswählen
Test.
Das Ticket wird klassifiziert und die Klassifizierungsdaten werden im Amazon Redshift-Cluster gespeichert. Nach der Klassifizierung wird die Lambda-Funktion des Ticket-Handlers ausgeführt, die das Ticket basierend auf der Klassifizierung bearbeitet, einschließlich der Empfehlung von Materialien für Support-Ingenieure.
Überprüfen Sie das Testprotokoll des Ticket-Klassifikators
Führen Sie die folgenden Schritte aus, um das Testprotokoll zu überprüfen:
- Wählen Sie im Ergebnisbereich des Tests aus Logsoder wählen Sie Anzeigen von Protokollen in CloudWatch auf die Überwachen Tab.
- Wählen Sie den Protokollstream aus.
Sie können die Protokolle im folgenden Screenshot anzeigen, der die Ausgabe von Amazon Comprehend und die endgültige Top-Klassifizierung des Tickets zeigt. In diesem Beispiel ist das Testticket klassifiziert als Resource=EC2
, Operation=Update
.
Überprüfen Sie die Ausgabe der Ticketklassifizierung im Amazon Redshift-Cluster
Führen Sie die folgenden Schritte aus, um die Ausgabe in Ihrem Cluster zu validieren:
- Wählen Sie in der Konsole des Amazon Redshift-Abfrage-Editors v2 das Pluszeichen aus, um ein neues Abfragefenster zu öffnen.
- Geben Sie die folgende Abfrage ein:
- Auswählen Führen Sie.
Der folgende Screenshot zeigt die Ticketklassifizierung. Wenn es noch nicht verfügbar ist, warten Sie einige Minuten und versuchen Sie es erneut (Kinesis Data Firehose benötigt einige Zeit, um die Daten zu übertragen). Wir können diese Daten jetzt in QuickSight verwenden.
Überprüfen Sie das Testprotokoll des Ticket-Handlers
Nachdem der Ticket-Klassifikator die Klassifizierungsdaten in den Amazon Redshift-Cluster gepusht hat, wird die Lambda-Funktion des Ticket-Handlers ausgeführt, die das Ticket basierend auf der Klassifizierung verarbeitet, einschließlich der Empfehlung von Materialien zur Unterstützung von Ingenieuren. In diesem Beispiel gibt der Ticketbearbeiter empfohlene Materialien zurück, darunter das Runbook, die AWS-Dokumentation und die SSM-Dokumente, damit der Support bei der Bearbeitung des Tickets darauf zurückgreifen kann. Sie können die Ausgabe in Ihr Ticketbearbeitungssystem integrieren und die Bearbeitungsprozesse im Lambda-Funktionscode anpassen. In diesem Schritt prüfen wir, welche Empfehlungen gegeben wurden.
- Wählen Sie auf der Lambda-Konsole Funktionen im Navigationsbereich.
- Wählen Sie die Lambda-Funktion, die mit beginnt
Ticket-Classification-Inf-TicketHandlerLambdaFunct
. - Auf dem Überwachen Tab, wählen Sie Anzeigen von Protokollen in CloudWatch.
- Wählen Sie den Protokollstream aus.
Der folgende Screenshot zeigt die Protokolle. Sie können die Ausgabe von Amazon Comprehend und die Liste der empfohlenen AWS-Dokumente und SSM-Dokumente für das als klassifizierte Ticket sehen Update EC2
. Sie können Ihre eigenen Runbooks, Dokumente, SSM-Dokumente oder andere Materialien im Lambda-Funktionscode hinzufügen.
Integrieren Sie die Ticketklassifizierungsinfrastruktur in Ihr Ticketsystem
In diesem Abschnitt gehen wir durch die Schritte zur Integration Ihrer Ticketing-Klassifizierungsinfrastruktur in Ihr Ticketing-System und zur Anpassung Ihrer Konfiguration.
Die meisten Ticketing-Systeme verfügen über eine Trigger-Funktion, mit der Sie Code ausführen können, wenn das Ticket eingereicht wird. Richten Sie Ihr Ticketing-System so ein, dass es die Lambda-Funktion des Ticket-Klassifikators mit der folgenden formatierten Eingabe aufruft:
Wenn Sie die Eingabe anpassen möchten, ändern Sie den Lambda-Funktionscode des Ticketklassifizierers. Sie müssen Parameter hinzufügen oder entfernen (Zeilen 90–105) und die Eingabe für Amazon Comprehend anpassen (Zeilen 15–17).
Sie können die Lambda-Funktion des Ticket-Handlers anpassen, um die Automatisierung auszuführen oder die Empfehlungen zu bearbeiten. Beispielsweise können Sie den internen Kommentar zum Ticket mit den Empfehlungen hinzufügen. Öffnen Sie zum Anpassen den Lambda-Code des Ticket-Handlers und bearbeiten Sie die Zeilen 68–70 und 75–81.
Verwenden Sie Klassifizierungsdaten mit QuickSight
Nachdem Sie die Ticketklassifizierungsinfrastruktur in Ihr Ticketsystem integriert haben, werden die Ticketklassifizierungsdaten im Amazon Redshift-Cluster gespeichert. Sie können QuickSight verwenden, um diese Daten zu überprüfen und Berichte zu erstellen. In diesem Beispiel generieren wir eine QuickSight-Analyse mit den Klassifizierungsdaten.
Melden Sie sich für QuickSight an
Wenn Sie QuickSight noch nicht haben, melden Sie sich mit den folgenden Schritten an:
- Wählen Sie in der QuickSight-Konsole Melden Sie sich für QuickSight an.
- Auswählen Normen.
- Der QuickSight-Region, wählen Sie die Region aus, die Sie im CloudFormation-Parameter konfiguriert haben
QuickSightRegion
. - Der Kontoinformation, geben Sie Ihren QuickSight-Kontonamen und Ihre Benachrichtigungs-E-Mail-Adresse ein.
- Der QuickSight-Zugriff auf AWS-ServicesWählen Amazon RedShift.
- Wenn Sie den Zugriff und die automatische Erkennung für andere Ressourcen zulassen möchten, wählen Sie diese ebenfalls aus.
- Auswählen
Endziel.
- Auswählen Gehen Sie zu Amazon QuickSight nachdem Sie sich angemeldet haben.
Verbinden Sie Ihren Amazon Redshift-Cluster mit QuickSight
Führen Sie die folgenden Schritte aus, um Ihren Cluster als Datenquelle mit QuickSight zu verbinden:
- Wählen Sie in der QuickSight-Konsole Datensätze im Navigationsbereich.
- Auswählen Neuer Datensatz.
- Auswählen Rotverschiebung automatisch erkannt.
- stellen Sie folgende Informationen bereit:
- Aussichten für Name der Datenquelle, eingeben
ticketclassification
. - Aussichten für Instanz-ID, wählen Sie den Amazon Redshift-Cluster beginnend mit aus
classificationredshiftcluster-
. - Aussichten für Verbindungstyp, wählen Öffentliches Netzwerk.
- Aussichten für Name der Datenbank, eingeben
ticketclassification
. - Geben Sie den Benutzernamen und das Passwort des Amazon Redshift-Clusters ein, die Sie in den CloudFormation-Stack-Parametern konfiguriert haben.
- Aussichten für Name der Datenquelle, eingeben
- Auswählen
Verbindung überprüfen um zu sehen, ob die Verbindung funktioniert.
Wenn dies nicht funktioniert, liegt dies wahrscheinlich daran, dass Sie den falschen Benutzernamen und das falsche Passwort verwenden, oder dass die QuickSight-Region anders ist als die, die Sie im CloudFormation-Stack angegeben haben. - Auswählen
Datenquelle erstellen.
- Im Wählen Sie Ihren Tisch Abschnitt, wählen Sie die
tickets
Tabelle. - Auswählen
Auswählen.
- Auswählen Import in SPICE für schnellere Analysen.
SPICE ist die superschnelle, parallele In-Memory-Rechenmaschine von QuickSight. Es wurde entwickelt, um schnell erweiterte Berechnungen durchzuführen und Daten bereitzustellen. Importieren (auch Einnahme) Ihrer Daten in SPICE kann Zeit und Geld sparen. Weitere Informationen zu SPICE finden Sie unter Daten in SPICE importieren. Wenn Sie die Fehlermeldung „Nicht genügend SPICE-Kapazität“ erhalten, kaufen Sie mehr SPICE-Kapazität. Weitere Informationen finden Sie unter Kauf von SPICE-Kapazität in einer AWS-Region. - Auswählen
Visualize.
Erstellen Sie einen Analysebericht zur Ticketklassifizierung
Sobald Sie die Datensatzerstellung abgeschlossen haben, können Sie die neue QuickSight-Analyse sehen. In diesem Abschnitt gehen wir durch die Schritte zum Erstellen eines Analyseberichts zur Ticketklassifizierung, einschließlich einer Pivot-Tabelle, Kreisdiagrammen und Liniendiagrammen.
- Auswählen Autogramm.
- Der Visuelle Typen, wählen Sie die Pivot-Tabelle aus.
- Ziehen
operation
für Feldliste zu Reihen. - Ziehen
resource
für Feldliste zu Spalten. - Auf dem Speichern Menü, wählen Sie Visuell hinzufügen.
- Der Visuelle Typen, wählen Sie das Tortendiagramm aus.
- Ziehen
operation
für Feldliste zu Gruppe / Farbe. - Auf dem Speichern Menü, wählen Sie Visuell hinzufügen erneut.
- Der Visuelle Typen, wählen Sie das Tortendiagramm erneut aus.
- Ziehen
resource
für Feldliste zu Gruppe / Farbe. - Auf dem Speichern Menü, wählen Sie Visuell hinzufügen erneut.
- Der Visuelle Typen, wählen Sie das Liniendiagramm aus.
- Ziehen
creation_time
für Feldliste zu X Achse. - Ziehen
operation
für Feldliste zu Farbe. - Auf dem Speichern Menü, wählen Sie Visuell hinzufügen erneut.
- Der Visuelle Typen, wählen Sie das Liniendiagramm erneut aus.
- Ziehen
creation_time
für Feldliste zu X Achse. - Ziehen
operation
für Feldliste zu Farbe. - Ändern Sie die Größe und ordnen Sie die Diagramme nach Bedarf neu.
- Auswählen speichern unter.
- Geben Sie einen Namen für Ihre Analyse ein und wählen Sie aus Speichern.
Herzliche Glückwünsche! Ihre erste Ticketanalyse ist fertig. Sobald Sie mehr Daten haben, sieht die Analyse wie im folgenden Screenshot aus.
Aufräumen
In diesem Schritt bereinigen wir die Ressourcen, die wir mit verschiedenen Diensten erstellt haben.
Amazon verstehen
Führen Sie die folgenden Schritte aus, um Ihre Endpunkte zu löschen:
- Wählen Sie in der Amazon Comprehend-Konsole aus Endpunkte im Navigationsbereich.
- Wähle aus
endpoint ticket-classification-operation
. - Auswählen Löschen und folge den Anweisungen.
- Wiederholen Sie diese Schritte, um die zu löschen
ticket-classification-resource
Endpunkt.
Löschen Sie als Nächstes die von Ihnen erstellten benutzerdefinierten Klassifizierungen. - Auswählen Benutzerdefinierte Klassifizierung im Navigationsbereich.
- Wähle aus
classification ticket-classification-operation
. - Auswählen Kein Versionsname.
- Auswählen Löschen und folge den Anweisungen.
- Wiederholen Sie diese Schritte, um die zu löschen
ticket-classification-resource
Einstufung.
Amazon S3
Bereinigen Sie als Nächstes den von Ihnen erstellten S3-Bucket.
- Wählen Sie in der Amazon S3-Konsole den von Ihnen erstellten Bucket aus.
- Löschen Sie alle Objekte im Bucket.
- Löschen Sie den Eimer.
Amazon QuickSight
Löschen Sie die von Ihnen erstellten QuickSight-Analysen und Datensätze.
- Wählen Sie in der QuickSight-Konsole Analysen im Navigationsbereich.
- Wählen Sie das Optionssymbol (drei Punkte) in der von Ihnen erstellten Analyse.
- Auswählen Löschen und folge den Anweisungen.
- Auswählen Datensätze im Navigationsbereich.
- Wähle die
tickets
Datensatz. - Auswählen Datensatz löschen und folge den Anweisungen.
AWS CloudFormation
Bereinigen Sie die Ressourcen, die Sie als Teil des CloudFormation-Stacks erstellt haben.
- Wählen Sie in der AWS CloudFormation-Konsole aus Stacks im Navigationsbereich.
- Wähle die
Ticket-Classification-Infrastructure
Stapel. - Auf dem Downloads Wählen Sie auf der Registerkarte die physische ID von aus
ClassificationDeliveryStreamS3Bucket
.
Die Amazon S3-Konsole wird geöffnet. - Löschen Sie alle Objekte in diesem Bucket.
- Kehren Sie zur AWS CloudFormation-Konsole zurück und wählen Sie Löschen, und folgen Sie den Anweisungen.
AWS Secrets Manager
Löschen Sie zuletzt das Secrets Manager-Secret.
- Wählen Sie in der Secrets Manager-Konsole das Geheimnis aus
ClassificationRedshiftClusterPassword
. - Auf dem Aktionen Menü, wählen Sie Geheimnis löschen.
- Stellen Sie die Wartezeit auf 7 Tage ein und wählen Sie aus Zeitplan löschen.
Ihr Geheimnis wird nach 7 Tagen automatisch gelöscht.
Zusammenfassung
In diesem Beitrag haben Sie gelernt, wie Sie AWS-Services nutzen, um ein automatisches Klassifizierungs- und Empfehlungssystem zu erstellen. Diese Lösung hilft Ihren Organisationen beim Aufbau des folgenden Workflows:
- Kundenanfragen klassifizieren.
- Empfehlen Sie automatisierte Lösungen.
- Analysieren Sie die Klassifizierungen von Kundenanfragen und entdecken Sie die wichtigsten Kundenanfragen.
- Geben Sie eine neue automatisierte Lösung frei und erhöhen Sie die Automatisierungsrate.
Weitere Informationen zu Amazon Comprehend finden Sie unter Amazon Comprehend-Dokumentation. Sie können auch andere Funktionen von Amazon Comprehend entdecken und sich von anderen inspirieren lassen AWS-Blog-Beiträge über die Verwendung von Amazon Comprehend über die Klassifizierung hinaus.
Über die Autoren
Seongyeol Jerry Cho ist Senior Systems Development Engineer bei AWS Managed Services mit Sitz in Sydney, Australien. Er konzentriert sich auf die Entwicklung hochskalierbarer und automatisierter Cloud-Betriebssoftware unter Verwendung einer Vielzahl von Technologien, einschließlich maschinellem Lernen. Außerhalb der Arbeit reist er gerne, campt, liest, kocht und läuft.
Manu Sasikumar ist Senior Systems Engineer Manager bei AWS Managed Services. Manu und sein Team konzentrieren sich auf den Aufbau leistungsstarker und benutzerfreundlicher Automatisierungen, um den manuellen Aufwand zu reduzieren, und entwickeln KI- und ML-basierte Lösungen zur Verwaltung von Kundenanfragen. Außerhalb der Arbeit verbringt er seine Freizeit gerne mit seiner Familie und nimmt an verschiedenen humanitären und ehrenamtlichen Aktivitäten teil.
- Coinsmart. Europas beste Bitcoin- und Krypto-Börse.
- Platoblockkette. Web3-Metaverse-Intelligenz. Wissen verstärkt. DEN FREIEN ZUGANG.
- CryptoHawk. Altcoin-Radar. Kostenlose Testphase.
- Quelle: https://aws.amazon.com/blogs/machine-learning/how-service-providers-can-use-natural-language-processing-to-gain-insights-from-customer-tickets-with-amazon- begreifen/
- "
- 100
- 7
- a
- Über uns
- Zugang
- Nach
- Konto
- genau
- über
- Action
- Aktivitäten
- Adresse
- advanced
- AI
- Alle
- erlaubt
- bereits
- Obwohl
- Amazon
- Analyse
- Analytik
- analysieren
- Bienen
- Anwendung
- Anwendungen
- angemessen
- Architektur
- zugewiesen
- Prüfung
- Australien
- automatisieren
- Automatisiert
- automatische
- Im Prinzip so, wie Sie es von Google Maps kennen.
- Automation
- verfügbar
- AWS
- weil
- Bevor
- Sein
- unten
- BESTE
- zwischen
- Beyond
- Blockieren
- Blog
- Grenze
- bauen
- Building
- Geschäft
- Business Intelligence
- rufen Sie uns an!
- Kandidaten
- Kapazität
- Erfassung
- Captures
- Kategorie
- Verursachen
- Chancen
- Kanäle
- Zeichen
- Gebühren
- Charts
- Auswählen
- gewählt
- Klasse
- Einstufung
- Cloud
- Code
- Kolonne
- abschließen
- Berechnen
- Vertrauen
- Konfiguration
- Vernetz Dich
- Verbindung
- Verbindungen
- konsistent
- Konsul (Console)
- enthält
- fortsetzen
- kostengünstiger
- erstellen
- erstellt
- Erstellen
- Schaffung
- Referenzen
- Original
- Kunde
- Kunden
- anpassen
- technische Daten
- Datenbase
- Datenbanken
- verzögern
- liefert
- Abhängig
- Einsatz
- beschrieben
- Details
- Entwicklung
- anders
- entdeckt,
- Unterlagen
- Tut nicht
- doppelt
- leicht
- einfach zu bedienende
- Herausgeber
- Effizienz
- Anstrengung
- ermöglichen
- ermöglicht
- Verschlüsselung
- Endpunkt
- Motor
- Ingenieur
- Ingenieure
- Enter
- essential
- geschätzt
- Beispiel
- Außer
- vorhandenen
- Experte
- Familie
- Merkmal
- Eigenschaften
- Revolution
- Vorname
- Setzen Sie mit Achtsamkeit
- konzentriert
- folgen
- Folgende
- folgt
- für
- Erfüllen
- Funktion
- erzeugen
- Global
- Gruppe an
- Handling
- Hardware
- Hilfe
- hilft
- High
- hoch
- gehostet
- Ultraschall
- Hilfe
- HTTPS
- humanitär
- ICON
- implementieren
- Einfuhr
- Einschließlich
- Erhöhung
- hat
- Information
- Infrastruktur
- Varianten des Eingangssignals:
- Einblicke
- Inspiration
- integrieren
- Intelligenz
- Problem
- Probleme
- IT
- Wesentliche
- Tasten
- Label
- Sprache
- grosse
- größer
- Start
- gelernt
- lernen
- wahrscheinlich
- Line
- Linien
- Liste
- Belastung
- aussehen
- Maschine
- Maschinelles Lernen
- gemacht
- Wartung
- verwalten
- verwaltet
- Manager
- flächendeckende Gesundheitsprogramme
- manuell
- manuell
- Materialien
- erwähnt
- könnte
- Minimum
- ML
- Mobil
- Modell
- für
- Geld
- mehr
- mehrere
- Namen
- Natürliche
- Navigation
- notwendig,
- Bedürfnisse
- Benachrichtigung
- Anzahl
- XNUMXh geöffnet
- öffnet
- Betrieb
- Einkauf & Prozesse
- Entwicklungsmöglichkeiten
- Optionen
- Organisation
- Organisationen
- Andere
- Gesamt-
- besitzen
- Paket
- Teil
- Passwort
- Personen
- Leistung
- Zeit
- physikalisch
- Drehpunkt
- größte treibende
- Gegenwart
- früher
- Preis
- anpassen
- Verarbeitung
- Risiken zu minimieren
- die
- vorausgesetzt
- Anbieter
- Öffentlichkeit
- Kauf
- erhöhen
- Lesebrillen
- Echtzeit
- empfehlen
- Veteran
- Reduziert
- Region
- berichten
- Meldungen
- Anforderung
- Zugriffe
- Voraussetzungen:
- Ressourcen
- Downloads
- was zu
- Die Ergebnisse
- Rückgabe
- Straße
- Führen Sie
- Laufen
- skalierbaren
- Skalieren
- Sekunden
- Serverlos
- Leistungen
- kompensieren
- Schild
- Einfacher
- Single
- Größe
- So
- Software
- solide
- Lösung
- Lösungen
- einige
- Raumfahrt
- Ausgabe
- Stapel
- Standard
- Anfang
- beginnt
- Status
- Lagerung
- speichern
- Läden
- Strom
- Streaming
- strukturierte
- eingereicht
- Support
- Sydney
- System
- Systeme und Techniken
- Team
- Technologies
- Test
- Testen
- Das
- damit
- nach drei
- Durch
- während
- Ticket
- Tickets
- Zeit
- Titel
- Werkzeug
- Werkzeuge
- Top
- Ausbildung
- Transformieren
- reisen
- Trends
- Typen
- aufdecken
- einzigartiges
- Einheiten
- Aktualisierung
- -
- gewöhnlich
- UTC
- Nutzen
- Wert
- Vielfalt
- verschiedene
- Version
- Anzeigen
- Freiwillige
- warten
- Netz
- Was
- WHO
- weit verbreitet
- .
- ohne
- Arbeiten
- Werk
- Ihr