Saat ini, pelanggan dapat meningkatkan tiket dukungan melalui berbagai saluran seperti – web, seluler, bot obrolan, email, atau panggilan telepon. Ketika tiket dukungan diajukan oleh pelanggan, itu diproses dan ditetapkan ke kategori berdasarkan informasi yang diberikan dalam tiket. Ini kemudian diteruskan ke kelompok pendukung untuk resolusi sesuai dengan kategori tiket. Diperkirakan sejumlah besar tiket dukungan biasanya tidak diarahkan ke grup yang tepat karena kategorisasi tiket yang salah. Tiket yang ditetapkan secara tidak benar menyebabkan keterlambatan dalam waktu penyelesaian keseluruhan, sering kali mengakibatkan ketidakpuasan pelanggan yang parah. Ini mungkin juga memiliki dampak luas lainnya seperti dampak keuangan, operasional, atau bisnis lainnya. Oleh karena itu, klasifikasi tiket merupakan tugas penting bagi setiap organisasi saat ini. Meskipun Anda dapat mengklasifikasikan tiket secara manual, tetapi rentan terhadap kesalahan, tidak hemat biaya, dan tidak berskala.
Layanan Terkelola AWS (AMS) menggunakan Amazon Comprehend klasifikasi khusus untuk mengategorikan permintaan masuk menurut sumber daya dan jenis operasi berdasarkan cara pelanggan menjelaskan masalah mereka. Amazon Comprehend adalah layanan pemrosesan bahasa alami (NLP) yang menggunakan pembelajaran mesin (ML) untuk mengungkap wawasan dan koneksi berharga dalam teks. AMS menggunakan pengklasifikasi khusus untuk melabeli permintaan pelanggan dengan jenis masalah yang sesuai, jenis sumber daya, dan tindakan sumber daya, sehingga mengarahkan tiket pelanggan ke UKM. Klasifikasi Amazon Comprehend digunakan untuk menemukan peluang bagi alat otomatisasi internal baru yang dapat digunakan para insinyur AMS untuk memenuhi persyaratan pelanggan guna mengurangi upaya manual dan kemungkinan kesalahan manual. Data klasifikasi disimpan dalam Pergeseran Merah Amazon cluster dan digunakan untuk menganalisis permintaan pelanggan dan menemukan kandidat alat otomatisasi baru. Otomatisasi ini menghasilkan peningkatan efisiensi operasional dan pengurangan biaya.
Dalam posting ini, kami menunjukkan bagaimana penyedia layanan terkelola dapat menggunakan Amazon Comprehend untuk mengklasifikasikan dan merutekan tiket, memberikan saran berdasarkan klasifikasi, dan memanfaatkan data klasifikasi.
Ikhtisar solusi
Diagram berikut menunjukkan arsitektur solusi.
Alur kerjanya adalah sebagai berikut:
- Seorang pelanggan menyerahkan tiket.
- Sistem tiket menerima tiket dari pelanggan, dan memanggil pengklasifikasi tiket AWS Lambda fungsi dengan rincian tiket. Lambda adalah layanan komputasi berbasis peristiwa tanpa server yang memungkinkan Anda menjalankan kode untuk hampir semua jenis aplikasi atau layanan backend tanpa menyediakan atau mengelola server. Lambda dipilih sebagai solusi untuk mengurangi biaya dan upaya pemeliharaan.
- Fungsi pengklasifikasi tiket Lambda mengklasifikasikan tiket dengan Amazon Comprehend menggunakan judul dan deskripsi tiket. Dengan Amazon Comprehend, Anda dapat melatih model NLP dan menyediakan pengklasifikasi batch dan real-time tanpa menyediakan dan memelihara infrastruktur.
- Fungsi Lambda pengklasifikasi tiket mendorong data klasifikasi tiket ke klaster Amazon Redshift melalui Firehose Data Amazon Kinesis. Kinesis Data Firehose adalah layanan ekstrak, transformasi, dan muat (ETL) yang menangkap, mengubah, dan mengirimkan data streaming ke data lake, penyimpanan data, dan layanan analitik. Amazon Redshift menggunakan SQL untuk menganalisis data terstruktur dan semi-terstruktur di seluruh gudang data, database operasional, dan data lake, menggunakan perangkat keras dan ML yang dirancang AWS untuk memberikan kinerja harga terbaik pada skala apa pun. Kinesis Data Firehose mengirimkan data ke Layanan Penyimpanan Sederhana Amazon Bucket (Amazon S3) terlebih dahulu, lalu mengeluarkan perintah Amazon Redshift COPY untuk memuat data ke dalam klaster Amazon Redshift.
- Fungsi pengklasifikasi tiket Lambda memanggil fungsi pengendali tiket Lambda.
- Fungsi pengelola tiket Lambda menjalankan kode untuk membantu penanganan tiket. Dalam contoh ini, ia mengembalikan bahan yang direkomendasikan untuk menangani tiket berdasarkan klasifikasi.
- Analisis tiket dapat dilakukan dengan Amazon QuickSight. Dari analisis tiket, Anda dapat mengetahui jenis tiket yang paling banyak diminta. Berdasarkan analisis, Anda dapat menemukan tren tiket dan peluang untuk mengotomatiskan jenis tiket teratas. QuickSight adalah layanan intelijen bisnis (BI) skala cloud yang dapat Anda gunakan untuk memberikan wawasan yang mudah dipahami kepada orang-orang yang bekerja dengan Anda, di mana pun mereka berada.
Di bagian berikut, kami memandu Anda melalui langkah-langkah untuk menerapkan solusi, mengintegrasikan infrastruktur klasifikasi tiket dengan sistem tiket Anda, dan menggunakan data klasifikasi dengan QuickSight.
Terapkan solusinya
Di bagian ini, kami membahas langkah-langkah untuk menyediakan sumber daya solusi Anda dan membuat infrastruktur yang diperlukan.
Konfigurasikan Amazon Comprehend
Dalam langkah ini, kami melatih dua model klasifikasi kustom Amazon Comprehend baru: Operasi dan Sumber Daya, dan membuat titik akhir analisis waktu nyata untuk setiap model.
Unggah data pelatihan
Untuk mengunggah data pelatihan, lakukan langkah-langkah berikut:
- Unduh tiket_training_data.zip dan unzip file tersebut.
Folder ini berisi dua file berikut:- pelatihan_data_operasi.csv – File ini adalah file CSV dua kolom yang kami gunakan untuk melatih model klasifikasi Operasi. Kolom pertama berisi
class
, dan kolom kedua berisidocument
. - pelatihan_data_sumber daya.csv – File ini adalah file CSV dua kolom yang kami gunakan untuk melatih model klasifikasi Sumber Daya. seperti
training_data_operations.csv
file, kolom pertama berisiclass
, dan kolom kedua berisidocument
.
- pelatihan_data_operasi.csv – File ini adalah file CSV dua kolom yang kami gunakan untuk melatih model klasifikasi Operasi. Kolom pertama berisi
- Di konsol Amazon S3, buat ember baru untuk Amazon Comprehend. Karena nama bucket S3 unik secara global, Anda perlu membuat nama unik untuk bucket. Untuk postingan ini, kami menyebutnya
comprehend-ticket-training-data
. Aktifkan enkripsi sisi server dan blokir akses publik saat membuat bucket. - Unggah
training_data_operations.csv
dantraining_data_resources.csv
ke ember S3 baru.
Buat dua model baru
Untuk membuat model Anda, selesaikan langkah-langkah berikut:
- Di konsol Amazon Comprehend, pilih Klasifikasi khusus di panel navigasi.
- Pilih Buat model baru.
- Berikan informasi berikut:
- Untuk Nama model, Masuk
ticket-classification-operation
. - Untuk Bahasa, pilih Inggris.
- Untuk Mode pengklasifikasi, pilih Menggunakan mode label tunggal.
- Untuk Format data, pilih File CSV.
- Untuk Kumpulan data pelatihan, masukkan jalur S3 untuk
training_data_operations.csv
. - Untuk Sumber data uji, pilih Pemisahan otomatis.
Autosplit secara otomatis memilih 10% dari data pelatihan yang Anda berikan untuk digunakan sebagai data pengujian. - Untuk Peran IAM, pilih Buat peran IAM.
- Untuk Izin untuk mengakses, pilih data pelatihan, pengujian, dan keluaran (jika ditentukan) di bucket S3 Anda.
- Untuk Nama akhiran, Masuk
ticket-classification
.
- Untuk Nama model, Masuk
- Pilih membuat.
- Pilih Buat model baru lagi untuk membuat model klasifikasi sumber daya Anda.
- Berikan informasi berikut:
- Untuk Nama model, Masuk
ticket-classification-resource
. - Untuk Bahasa, pilih Inggris.
- Untuk Mode pengklasifikasi, pilih Menggunakan mode label tunggal.
- Untuk Format data, pilih File CSV.
- Untuk Kumpulan data pelatihan, masukkan jalur S3 untuk
training_data_resources.csv
. - Untuk Sumber data uji, pilih Autosplit.
- Untuk Peran IAM, pilih Gunakan peran IAM yang ada.
- Untuk Nama peran, pilih
AmazonComprehendServiceRole-ticket-classification
.
- Untuk Nama model, Masuk
- Pilih membuat.
Amazon Comprehend sekarang memproses file CSV dan menggunakannya untuk melatih pengklasifikasi khusus. Kami kemudian menggunakan ini untuk membantu mengklasifikasikan tiket pelanggan. Semakin besar dan semakin akurat data pelatihan kami, semakin akurat pengklasifikasinya.
Tunggu hingga status versi ditampilkan sebagai Trained
seperti di bawah ini. Mungkin perlu waktu hingga 1 jam untuk menyelesaikannya, tergantung pada ukuran data pelatihan.
Buat titik akhir Amazon Comprehend
Titik akhir Amazon Comprehend ditagih dalam peningkatan 1 detik, dengan minimal 60 detik. Tagihan terus dikenakan sejak Anda memulai titik akhir hingga dihapus, meskipun tidak ada dokumen yang dianalisis. Untuk informasi lebih lanjut, lihat Harga Amazon Comprehend. Untuk membuat titik akhir Anda, selesaikan langkah-langkah berikut:
- Di konsol Amazon Comprehend, pilih Titik akhir di panel navigasi.
- Pilih Buat titik akhir untuk membuat titik akhir klasifikasi operasi Anda.
- Berikan informasi berikut:
- Untuk Nama titik akhir, Masuk
ticket-classification-operation
. - Untuk Jenis model khusus, pilih Klasifikasi khusus.
- Untuk Model pengklasifikasi, pilih tiket-klasifikasi-operasi.
- Untuk Versi, pilih Tidak Ada Nama Versi.
- Untuk Jumlah unit inferensi (IU), Masuk
1
.
- Untuk Nama titik akhir, Masuk
- Pilih Buat titik akhir.
- Pilih Buat titik akhir lagi untuk membuat titik akhir klasifikasi sumber daya.
- Berikan informasi berikut:
- Untuk Nama titik akhir, Masuk
ticket-classification-resource
. - Untuk Jenis model khusus, pilih Klasifikasi khusus.
- Untuk Model pengklasifikasi, pilih tiket-klasifikasi-sumber daya.
- Untuk Versi, pilih Tidak Ada Nama Versi.
- Untuk Jumlah unit inferensi (IU), Masuk
1
.
- Untuk Nama titik akhir, Masuk
- Pilih Buat titik akhir.
Setelah Anda membuat kedua titik akhir, tunggu hingga status keduanya muncul sebagai Active
.
Uji titik akhir Amazon Comprehend dengan analisis waktu nyata
Untuk menguji titik akhir Anda, selesaikan langkah-langkah berikut:
- Di konsol Amazon Comprehend, pilih Analisis waktu nyata di panel navigasi.
- Untuk Jenis analisisPilih Kustom.
- Untuk Titik akhir¸ pilih tiket-klasifikasi-operasi.
- Untuk Masukkan teks, Masukkan berikut:
- Pilih Menganalisa.
Hasilnya menunjukkan bahwaUpdate
kelas memiliki skor kepercayaan tertinggi. - Perubahan Titik akhir untuk tiket-klasifikasi-sumber daya Dan pilihlah Menganalisa lagi.
Hasilnya menunjukkan bahwa EC2
kelas memiliki skor kepercayaan tertinggi.
Buat rahasia untuk kata sandi klaster Amazon Redshift
Pada langkah ini, kita membuat sebuah Manajer Rahasia AWS rahasia untuk kata sandi klaster Amazon Redshift Anda. Secrets Manager membantu Anda melindungi rahasia yang diperlukan untuk mengakses aplikasi, layanan, dan sumber daya TI Anda. Layanan ini memungkinkan Anda untuk dengan mudah memutar, mengelola, dan mengambil kredensial database, kunci API, dan rahasia lainnya sepanjang siklus hidupnya. Dalam posting ini, kami menyimpan kata sandi klaster Amazon Redshift dalam rahasia Manajer Rahasia.
- Pada konsol Manajer Rahasia, pilih Rahasia di panel navigasi.
- Pilih Simpan rahasia baru.
- Untuk Tipe rahasia, pilih Jenis rahasia lainnya.
- Bawah Pasangan kunci/nilai, atur kunci Anda sebagai
password
dan nilai sebagai kata sandi klaster Amazon Redshift Anda.
Panjang sandi harus antara 8–64 karakter dan berisi setidaknya satu huruf besar, satu huruf kecil, dan satu angka. Ini dapat berupa karakter ASCII yang dapat dicetak kecuali ' (kutipan tunggal), “ (kutipan ganda), , /, @, atau spasi. - Pilih Selanjutnya.
- Untuk Nama rahasia, Masuk
ClassificationRedshiftClusterPassword
. - Pilih Selanjutnya.
- Dalam majalah Rotasi rahasia bagian, pilih Selanjutnya.
- Tinjau konfigurasi rahasia Anda dan pilih Toko.
Sediakan infrastruktur Anda dengan AWS CloudFormation
Pada langkah ini, kami menyediakan infrastruktur untuk solusi menggunakan an Formasi AWS Cloud tumpukan.
Unggah kode fungsi Lambda
Sebelum meluncurkan tumpukan CloudFormation, unggah kode fungsi Lambda Anda:
- Unduh lambda_code.zip
- Di konsol Amazon S3, buka bucket yang Anda buat.
- Unggah
lambda_code.zip
.
Buat tumpukan CloudFormation Anda
Untuk menyediakan sumber daya dengan AWS CloudFormation, selesaikan langkah-langkah berikut:
- Unduh cloudformation_template.json.
- Pada konsol AWS CloudFormation, pilih Buat tumpukan.
- Pilih Dengan sumber daya baru (standar).
- Untuk Sumber template, pilih Unggah file templat.
- Pilih template CloudFormation yang diunduh.
- Pilih Selanjutnya.
- Untuk Nama tumpukan, Masuk
Ticket-Classification-Infrastructure
. - Dalam majalah parameter bagian, masukkan nilai berikut:
- Untuk KlasifikasiRedshiftClusterNodeType, masukkan jenis simpul klaster Amazon Redshift. dc2.large adalah default.
- Untuk KlasifikasiRedshiftClusterPasswordSecretName, masukkan nama rahasia Secrets Manager yang menyimpan kata sandi klaster Amazon Redshift.
- Untuk KlasifikasiRedshiftClusterSubnetId, masukkan ID subnet tempat Cluster Amazon Redshift dihosting. Subnet harus berada dalam VPC yang Anda sebutkan di
ClassificationRedshiftClusterVpcId
parameter. - Untuk KlasifikasiRedshiftClusterNama Pengguna, masukkan nama pengguna klaster Amazon Redshift.
- Untuk KlasifikasiRedshiftClusterVpcId, masukkan ID VPC tempat klaster Amazon Redshift dihosting.
- Untuk LambdaCodeS3Bucket, masukkan nama bucket S3 tempat Anda mengunggah kode Lambda.
- Untuk LambdaCodeS3Key, masukkan kunci Amazon S3 dari paket penerapan.
- Untuk Wilayah QuickSight, masukkan Wilayah untuk QuickSight. Wilayah untuk QuickSight harus konsisten dengan Wilayah yang Anda gunakan untuk Amazon Comprehend dan bucket S3.
- Pilih Selanjutnya.
- Dalam majalah Konfigurasikan opsi tumpukan bagian, pilih Selanjutnya.
- Dalam majalah ULASAN bagian, pilih Saya mengakui bahwa AWS CloudFormation dapat menciptakan sumber daya IAM.
- Pilih Buat tumpukan.
Konfigurasikan klaster Amazon Redshift Anda
Pada langkah ini, Anda mengaktifkan audit logging dan menambahkan tabel baru ke klaster Amazon Redshift yang dibuat melalui template CloudFormation.
Pencatatan log audit tidak diaktifkan secara default di Amazon Redshift. Saat Anda mengaktifkan logging di klaster Anda, Amazon Redshift mengekspor log ke amazoncloudwatch, yang menangkap data dari saat logging audit diaktifkan hingga saat ini. Setiap pembaruan logging merupakan kelanjutan dari log sebelumnya.
Aktifkan pencatatan audit
Anda dapat melewati langkah ini jika Anda tidak memerlukan pencatatan audit untuk klaster Amazon Redshift Anda.
- Di konsol Amazon Redshift, pilih Cluster di panel navigasi.
- Pilih klaster Amazon Redshift yang dimulai dengan
classificationredshiftcluster-
. - pada Properties tab, pilih Edit.
- Pilih Edit pencatatan audit.
- Untuk Konfigurasikan pencatatan audit¸ pilih Aktifkan.
- Untuk Jenis ahli log, pilih CloudWatch.
- Pilih semua jenis log.
- Pilih Simpan perubahan.
Buat tabel baru
Untuk membuat tabel baru, lakukan langkah-langkah berikut:
- Di konsol Amazon Redshift, pilih Data kueri.
- Pilih Kueri di editor kueri v2.
- pada Basis Data halaman, pilih cluster Anda.
- Untuk Basis Data, Masuk
ticketclassification
. - Masukkan nama pengguna dan kata sandi yang Anda konfigurasikan di parameter tumpukan CloudFormation.
- Pilih Buat koneksi.
- Saat koneksi dibuat, pilih tanda plus dan buka jendela kueri baru.
- Masukkan kueri berikut:
- Pilih Run.
Uji infrastruktur klasifikasi
Sekarang infrastruktur untuk klasifikasi tiket sudah siap. Sebelum mengintegrasikan dengan sistem tiket Anda, mari uji infrastruktur klasifikasi.
Jalankan tes
Untuk menjalankan tes, selesaikan langkah-langkah berikut:
- Pada konsol Lambda, pilih Fungsi di panel navigasi.
- Pilih fungsi yang dimulai dengan
Ticket-Classification-Inf-TicketClassifier
. - pada uji tab, pilih Acara uji.
- Untuk Nama, Masuk
TestTicket
. - Masukkan data uji berikut:
- Pilih uji.
Tiket diklasifikasikan, dan data klasifikasi disimpan di klaster Amazon Redshift. Setelah klasifikasi, fungsi Lambda handler tiket berjalan, yang menangani tiket berdasarkan klasifikasi, termasuk merekomendasikan bahan untuk mendukung insinyur.
Periksa log tes pengklasifikasi tiket
Untuk memeriksa log pengujian, selesaikan langkah-langkah berikut:
- Di bagian hasil tes, pilih Log, atau pilih Lihat log di CloudWatch pada Memantau Tab.
- Pilih aliran log.
Anda dapat melihat log di tangkapan layar berikut, yang menunjukkan keluaran dari Amazon Comprehend dan klasifikasi teratas terakhir dari tiket. Dalam contoh ini, tiket ujian diklasifikasikan sebagai Resource=EC2
, Operation=Update
.
Periksa keluaran klasifikasi tiket di klaster Amazon Redshift
Untuk memvalidasi output di cluster Anda, selesaikan langkah-langkah berikut:
- Di konsol editor kueri v2 Amazon Redshift, pilih tanda plus untuk membuka jendela kueri baru.
- Masukkan kueri berikut:
- Pilih Run.
Tangkapan layar berikut menunjukkan klasifikasi tiket. Jika belum tersedia, tunggu beberapa menit dan coba lagi (Kinesis Data Firehose memerlukan waktu untuk mendorong data). Kita sekarang dapat menggunakan data ini di QuickSight.
Periksa log tes penangan tiket
Setelah pengklasifikasi tiket mendorong data klasifikasi di klaster Amazon Redshift, fungsi pengendali tiket Lambda berjalan, yang menangani tiket berdasarkan klasifikasi, termasuk merekomendasikan materi untuk mendukung insinyur. Dalam contoh ini, pengelola tiket mengembalikan materi yang direkomendasikan termasuk runbook, dokumentasi AWS, dan dokumen SSM sehingga dukungan dapat merujuknya saat menangani tiket. Anda dapat mengintegrasikan output dengan sistem penanganan tiket Anda, dan Anda dapat menyesuaikan proses penanganan dalam kode fungsi Lambda. Pada langkah ini, kami memeriksa rekomendasi apa yang dibuat.
- Pada konsol Lambda, pilih Fungsi di panel navigasi.
- Pilih fungsi Lambda yang dimulai dengan
Ticket-Classification-Inf-TicketHandlerLambdaFunct
. - pada Memantau tab, pilih Lihat log di CloudWatch.
- Pilih aliran log.
Tangkapan layar berikut menunjukkan log. Anda dapat melihat output dari Amazon Comprehend dan daftar dokumen AWS dan dokumen SSM yang direkomendasikan untuk tiket yang diklasifikasikan sebagai Update EC2
. Anda dapat menambahkan runbook, dokumen, dokumen SSM Anda sendiri, atau materi lainnya dalam kode fungsi Lambda.
Integrasikan infrastruktur klasifikasi tiket dengan sistem tiket Anda
Di bagian ini, kami membahas langkah-langkah untuk mengintegrasikan infrastruktur klasifikasi tiket Anda dengan sistem tiket Anda dan menyesuaikan konfigurasi Anda.
Sebagian besar sistem tiket memiliki fitur pemicu, yang memungkinkan Anda menjalankan kode saat tiket dikirimkan. Siapkan sistem tiket Anda untuk menjalankan fungsi pengklasifikasi tiket Lambda dengan input berformat berikut:
Jika Anda ingin menyesuaikan input, ubah kode fungsi Lambda pengklasifikasi tiket. Anda perlu menambah atau menghapus parameter (baris 90–105) dan menyesuaikan input untuk Amazon Comprehend (baris 15–17).
Anda dapat menyesuaikan fungsi Lambda pengendali tiket untuk menjalankan otomatisasi atau mengedit rekomendasi. Misalnya, Anda dapat menambahkan komentar internal ke tiket dengan rekomendasi. Untuk menyesuaikan, buka kode Lambda pengendali tiket, dan edit baris 68–70 dan 75–81.
Gunakan data klasifikasi dengan QuickSight
Setelah Anda mengintegrasikan infrastruktur klasifikasi tiket dengan sistem tiket Anda, data klasifikasi tiket disimpan di klaster Amazon Redshift. Anda dapat menggunakan QuickSight untuk memeriksa data ini dan membuat laporan. Dalam contoh ini, kami menghasilkan analisis QuickSight dengan data klasifikasi.
Daftar ke QuickSight
Jika Anda belum memiliki QuickSight, daftar dengan langkah-langkah berikut:
- Pada konsol QuickSight, pilih Daftar ke QuickSight.
- Pilih Standar.
- Bawah Wilayah QuickSight, pilih Wilayah yang Anda konfigurasikan di parameter CloudFormation
QuickSightRegion
. - Bawah Info akun, masukkan nama akun QuickSight dan alamat email pemberitahuan Anda.
- Bawah Akses QuickSight ke layanan AWS, pilih Pergeseran Merah Amazon.
- Jika Anda ingin mengizinkan akses dan penemuan otomatis untuk sumber daya lain, pilih juga sumber daya tersebut.
- Pilih Finish.
- Pilih Pergi ke Amazon QuickSight setelah Anda mendaftar.
Hubungkan klaster Amazon Redshift Anda ke QuickSight
Untuk menghubungkan cluster Anda ke QuickSight sebagai sumber data, selesaikan langkah-langkah berikut:
- Pada konsol QuickSight, pilih Dataset di panel navigasi.
- Pilih Dataset baru.
- Pilih Pergeseran Merah Ditemukan secara otomatis.
- Berikan informasi berikut:
- Untuk Nama sumber data, Masuk
ticketclassification
. - Untuk ID Instans, pilih klaster Amazon Redshift yang dimulai dengan
classificationredshiftcluster-
. - Untuk Jenis koneksi, pilih Jaringan publik.
- Untuk Nama basis data, Masuk
ticketclassification
. - Masukkan nama pengguna dan kata sandi klaster Amazon Redshift yang Anda konfigurasikan di parameter tumpukan CloudFormation.
- Untuk Nama sumber data, Masuk
- Pilih Validasi koneksi untuk melihat apakah koneksi berfungsi.
Jika tidak berhasil, ini kemungkinan karena menggunakan nama pengguna dan kata sandi yang salah, atau Wilayah QuickSight berbeda dari yang Anda tentukan di tumpukan CloudFormation. - Pilih Buat sumber data.
- Dalam majalah Pilih meja Anda bagian, pilih
tickets
tabel. - Pilih Pilih.
- Pilih Impor ke SPICE untuk analisis yang lebih cepat.
SPICE adalah QuickSight Super-fast, Parallel, In-memory Calculation Engine. Ini direkayasa untuk dengan cepat melakukan perhitungan tingkat lanjut dan menyajikan data. Mengimpor (juga disebut menelan) data Anda ke dalam SPICE dapat menghemat waktu dan uang. Untuk informasi lebih lanjut tentang SPICE, lihat Mengimpor Data ke SPICE. Jika Anda mendapatkan kesalahan “Kapasitas SPICE tidak cukup”, beli kapasitas SPICE lebih banyak. Untuk informasi lebih lanjut, lihat Membeli kapasitas SPICE di Wilayah AWS. - Pilih Membayangkan.
Buat laporan analisis klasifikasi tiket
Setelah Anda menyelesaikan pembuatan kumpulan data, Anda dapat melihat analisis QuickSight yang baru. Di bagian ini, kita akan menelusuri langkah-langkah untuk membuat laporan analisis klasifikasi tiket, termasuk tabel pivot, diagram lingkaran, dan diagram garis.
- Pilih Tanda tangan.
- Bawah Jenis visual, pilih tabel pivot.
- sayang
operation
dari Daftar bidang untuk Baris. - sayang
resource
dari Daftar bidang untuk Kolom. - pada Add menu, pilih Tambahkan visual.
- Bawah Jenis visual, pilih diagram lingkaran.
- sayang
operation
dari Daftar bidang untuk Grup/Warna. - pada Add menu, pilih Tambahkan visual lagi.
- Bawah Jenis visual, pilih lagi diagram lingkaran.
- sayang
resource
dari Daftar bidang untuk Grup/Warna. - pada Add menu, pilih Tambahkan visual lagi.
- Bawah Jenis visual, pilih diagram garis.
- sayang
creation_time
dari Daftar bidang untuk sumbu X. - sayang
operation
dari Daftar bidang untuk Warna. - pada Add menu, pilih Tambahkan visual lagi.
- Bawah Jenis visual, pilih diagram garis lagi.
- sayang
creation_time
dari Daftar bidang untuk sumbu X. - sayang
operation
dari Daftar bidang untuk Warna. - Ubah ukuran dan susun ulang bagan sesuai kebutuhan.
- Pilih Simpan sebagai.
- Masukkan nama untuk analisis Anda dan pilih Save.
Selamat! Analisis tiket pertama Anda sudah siap. Setelah Anda memiliki lebih banyak data, analisisnya akan terlihat seperti tangkapan layar berikut.
Membersihkan
Pada langkah ini, kami membersihkan sumber daya yang kami buat dengan berbagai layanan.
Amazon Comprehend
Untuk menghapus titik akhir Anda, selesaikan langkah-langkah berikut:
- Di konsol Amazon Comprehend, pilih Titik akhir di panel navigasi.
- Pilih
endpoint ticket-classification-operation
. - Pilih Delete dan ikuti petunjuknya.
- Ulangi langkah ini untuk menghapus
ticket-classification-resource
titik akhir.
Selanjutnya, hapus klasifikasi khusus yang Anda buat. - Pilih Klasifikasi khusus di panel navigasi.
- Pilih
classification ticket-classification-operation
. - Pilih Tidak Ada Nama Versi.
- Pilih Delete dan ikuti petunjuknya.
- Ulangi langkah ini untuk menghapus
ticket-classification-resource
klasifikasi.
Amazon S3
Selanjutnya, bersihkan bucket S3 yang Anda buat.
- Di konsol Amazon S3, pilih bucket yang Anda buat.
- Hapus semua objek di ember.
- Hapus ember.
Amazon QuickSight
Hapus analisis QuickSight dan kumpulan data yang Anda buat.
- Pada konsol QuickSight, pilih Analisis di panel navigasi.
- Pilih ikon opsi (tiga titik) pada analisis yang Anda buat.
- Pilih Delete dan ikuti petunjuknya.
- Pilih Dataset di panel navigasi.
- Pilih
tickets
Himpunan data. - Pilih Hapus kumpulan data dan ikuti petunjuknya.
Formasi AWS Cloud
Bersihkan sumber daya yang Anda buat sebagai bagian dari tumpukan CloudFormation.
- Pada konsol AWS CloudFormation, pilih Tumpukan di panel navigasi.
- Pilih
Ticket-Classification-Infrastructure
tumpukan. - pada Sumber tab, pilih ID fisik
ClassificationDeliveryStreamS3Bucket
.
Konsol Amazon S3 terbuka. - Hapus objek apa pun di keranjang ini.
- Kembali ke konsol AWS CloudFormation, pilih Delete, dan ikuti petunjuknya.
Manajer Rahasia AWS
Terakhir, hapus rahasia Manajer Rahasia.
- Di konsol Manajer Rahasia, pilih rahasia
ClassificationRedshiftClusterPassword
. - pada tindakan menu, pilih Hapus rahasia.
- Tetapkan masa tunggu sebagai 7 hari dan pilih Jadwal Hapus.
Rahasia Anda akan otomatis terhapus setelah 7 hari.
Kesimpulan
Dalam posting ini, Anda mempelajari cara memanfaatkan layanan AWS untuk membuat sistem klasifikasi dan rekomendasi otomatis. Solusi ini akan membantu organisasi Anda membangun alur kerja berikut:
- Mengklasifikasikan permintaan pelanggan.
- Merekomendasikan solusi otomatis.
- Analisis klasifikasi permintaan pelanggan dan temukan permintaan pelanggan teratas.
- Rilis solusi otomatis baru dan tingkatkan kecepatan otomatisasi.
Untuk informasi lebih lanjut tentang Amazon Comprehend, lihat Dokumentasi Amazon Comprehend. Anda juga dapat menemukan fitur Amazon Comprehend lainnya dan mendapatkan inspirasi dari yang lain Posting blog AWS tentang menggunakan Amazon Comprehend di luar klasifikasi.
Tentang Penulis
Seongyeol Jerry Cho adalah Senior Systems Development Engineer di AWS Managed Services yang berbasis di Sydney, Australia. Dia berfokus pada pembuatan perangkat lunak operasi cloud yang sangat skalabel dan otomatis menggunakan berbagai teknologi, termasuk pembelajaran mesin. Di luar pekerjaan, ia menikmati perjalanan, berkemah, membaca, memasak, dan berlari.
Manu Sasikumaro adalah Sr. Systems Engineer Manager dengan AWS Managed Services. Manu dan timnya fokus untuk membangun otomatisasi yang kuat dan mudah digunakan untuk mengurangi upaya manual, dan membangun solusi berbasis AI dan ML untuk mengelola permintaan pelanggan. Di luar pekerjaan, ia senang menghabiskan waktu luangnya bersama keluarga, serta menjadi bagian dari berbagai kegiatan kemanusiaan dan relawan.
- Coinsmart. Pertukaran Bitcoin dan Crypto Terbaik Eropa.
- Platoblockchain. Intelijen Metaverse Web3. Pengetahuan Diperkuat. AKSES GRATIS.
- CryptoHawk. Radar Altcoin. Uji Coba Gratis.
- Sumber: https://aws.amazon.com/blogs/machine-learning/how-service-providers-can-use-natural-language-processing-to-gain-insights-from-customer-tickets-with-amazon- memahami/
- "
- 100
- 7
- a
- Tentang Kami
- mengakses
- Menurut
- Akun
- tepat
- di seluruh
- Tindakan
- kegiatan
- alamat
- maju
- AI
- Semua
- memungkinkan
- sudah
- Meskipun
- Amazon
- analisis
- analisis
- menganalisa
- api
- Aplikasi
- aplikasi
- sesuai
- arsitektur
- ditugaskan
- Audit
- Australia
- mengotomatisasikan
- Otomatis
- secara otomatis
- secara otomatis
- Otomatisasi
- tersedia
- AWS
- karena
- sebelum
- makhluk
- di bawah
- TERBAIK
- antara
- Luar
- Memblokir
- Blog
- batas
- membangun
- Bangunan
- bisnis
- intelijen bisnis
- panggilan
- calon
- Kapasitas
- menangkap
- menangkap
- Kategori
- Menyebabkan
- kesempatan
- saluran
- karakter
- beban
- Charts
- Pilih
- terpilih
- kelas
- klasifikasi
- awan
- kode
- Kolom
- lengkap
- menghitung
- kepercayaan
- konfigurasi
- Terhubung
- koneksi
- Koneksi
- konsisten
- konsul
- mengandung
- terus
- hemat biaya
- membuat
- dibuat
- membuat
- penciptaan
- Surat kepercayaan
- adat
- pelanggan
- pelanggan
- menyesuaikan
- data
- Basis Data
- database
- menunda
- memberikan
- Tergantung
- penyebaran
- dijelaskan
- rincian
- Pengembangan
- berbeda
- menemukan
- dokumen
- Tidak
- dua kali lipat
- mudah
- mudah digunakan
- editor
- efisiensi
- usaha
- aktif
- memungkinkan
- enkripsi
- Titik akhir
- Mesin
- insinyur
- Insinyur
- Enter
- penting
- diperkirakan
- contoh
- Kecuali
- ada
- ahli
- keluarga
- Fitur
- Fitur
- keuangan
- Pertama
- Fokus
- berfokus
- mengikuti
- berikut
- berikut
- dari
- Memenuhi
- fungsi
- menghasilkan
- Secara global
- Kelompok
- Penanganan
- Perangkat keras
- membantu
- membantu
- High
- sangat
- host
- Seterpercayaapakah Olymp Trade? Kesimpulan
- How To
- HTTPS
- Kemanusiaan
- ICON
- melaksanakan
- pengimporan
- Termasuk
- Meningkatkan
- Pada meningkat
- informasi
- Infrastruktur
- memasukkan
- wawasan
- Inspirasi
- mengintegrasikan
- Intelijen
- isu
- masalah
- IT
- kunci
- kunci-kunci
- label
- bahasa
- besar
- lebih besar
- peluncuran
- belajar
- pengetahuan
- Mungkin
- baris
- baris
- Daftar
- memuat
- melihat
- mesin
- Mesin belajar
- terbuat
- pemeliharaan
- mengelola
- berhasil
- manajer
- pelaksana
- panduan
- manual
- bahan
- tersebut
- mungkin
- minimum
- ML
- mobil
- model
- model
- uang
- lebih
- beberapa
- nama
- Alam
- Navigasi
- perlu
- kebutuhan
- pemberitahuan
- jumlah
- Buka
- membuka
- operasi
- Operasi
- Peluang
- Opsi
- organisasi
- organisasi
- Lainnya
- secara keseluruhan
- sendiri
- paket
- bagian
- Kata Sandi
- Konsultan Ahli
- prestasi
- periode
- fisik
- Poros
- kuat
- menyajikan
- sebelumnya
- harga pompa cor beton mini
- proses
- pengolahan
- melindungi
- memberikan
- disediakan
- penyedia
- publik
- membeli
- menaikkan
- Bacaan
- real-time
- merekomendasikan
- menurunkan
- mengurangi
- wilayah
- melaporkan
- laporan
- permintaan
- permintaan
- Persyaratan
- sumber
- Sumber
- dihasilkan
- Hasil
- Pengembalian
- Rute
- Run
- berjalan
- terukur
- Skala
- detik
- Tanpa Server
- layanan
- Layanan
- set
- menandatangani
- Sederhana
- tunggal
- Ukuran
- So
- Perangkat lunak
- padat
- larutan
- Solusi
- beberapa
- Space
- Pengeluaran
- tumpukan
- standar
- awal
- dimulai
- Status
- penyimpanan
- menyimpan
- toko
- aliran
- Streaming
- tersusun
- disampaikan
- mendukung
- sydney
- sistem
- sistem
- tim
- Teknologi
- uji
- pengujian
- Grafik
- dengan demikian
- tiga
- Melalui
- di seluruh
- tiket
- tiket
- waktu
- Judul
- alat
- alat
- puncak
- Pelatihan
- Mengubah
- perjalanan
- Tren
- jenis
- menemukan
- unik
- unit
- Memperbarui
- menggunakan
- biasanya
- UTC
- Penggunaan
- nilai
- variasi
- berbagai
- versi
- View
- sukarelawan
- menunggu
- jaringan
- Apa
- SIAPA
- tersebar luas
- dalam
- tanpa
- Kerja
- bekerja
- Anda