I dag kan kunder skaffe støttebilletter gjennom flere kanaler som – web, mobil, chat-bots, e-post eller telefonsamtaler. Når en kundestøtte hentes av en kunde, blir den behandlet og tilordnet en kategori basert på informasjonen gitt i billetten. Den sendes deretter til støttegruppen for løsning i henhold til kategorien til billetten. Det er anslått at et høyt antall støttebilletter vanligvis ikke rutes til riktig gruppe på grunn av feil billettkategorisering. Feil tildelte billetter forårsaker forsinkelser i den totale løsningstiden, noe som ofte resulterer i alvorlig misnøye hos kundene. Det kan også ha andre utbredte konsekvenser som økonomiske, operasjonelle eller andre forretningsmessige konsekvenser. Derfor er billettklassifisering en viktig oppgave for enhver organisasjon i disse dager. Selv om du kan klassifisere billetter manuelt, men det er utsatt for feil, ikke kostnadseffektivt, og skalerer ikke.
AWS administrerte tjenester (AMS) bruker Amazon Comprehend tilpassede klassifikasjoner for å kategorisere innkommende forespørsler etter ressurs og operasjonstype basert på hvordan kunden beskrev problemet sitt. Amazon Comprehend er en naturlig språkbehandlingstjeneste (NLP) som bruker maskinlæring (ML) for å avdekke verdifull innsikt og sammenhenger i tekst. AMS bruker tilpassede klassifiseringer for å merke kundeforespørsler med passende problemtyper, ressurstype og ressurshandling, og ruter dermed kundebilletter til SMB-ene. Amazon Comprehend-klassifisering brukes til å finne muligheter for nye interne automatiseringsverktøy som AMS-ingeniører kan bruke for å oppfylle kundens krav for å redusere manuell innsats og sjansene for manuelle feil. Klassifiseringsdataene lagres i en Amazon RedShift klynge og brukes til å analysere kundeforespørsler og finne nye kandidater til automatiseringsverktøy. Denne automatiseringen resulterer i økt driftseffektivitet og reduserte kostnader.
I dette innlegget viser vi hvordan administrerte tjenesteleverandører kan bruke Amazon Comprehend til å klassifisere og rute billettene, gi forslag basert på klassifiseringen og bruke klassifiseringsdataene.
Løsningsoversikt
Følgende diagram viser løsningsarkitekturen.
Arbeidsflyten er som følger:
- En kunde sender inn billetten.
- Billettsystemet mottar billetten fra kunden, og påkaller billettklassifisereren AWS Lambda funksjon med billettdetaljene. Lambda er en serverløs, hendelsesdrevet databehandlingstjeneste som lar deg kjøre kode for praktisk talt alle typer applikasjoner eller backend-tjenester uten å klargjøre eller administrere servere. Lambda er valgt for løsningen for å redusere kostnader og vedlikeholdsinnsats.
- Billettklassifisereren Lambda-funksjonen klassifiserer billetten med Amazon Comprehend ved å bruke billetttittelen og beskrivelsen. Med Amazon Comprehend kan du trene opp NLP-modellen og tilby både batch- og sanntidsklassifiserere uten å klargjøre og vedlikeholde infrastruktur.
- Billettklassifiserer Lambda-funksjonen skyver billettklassifiseringsdata til Amazon Redshift-klyngen via Amazon Kinesis Data Firehose. Kinesis Data Firehose er en ETL-tjeneste som fanger opp, transformerer og leverer strømmedata til datainnsjøer, datalagre og analysetjenester. Amazon Redshift bruker SQL til å analysere strukturerte og semi-strukturerte data på tvers av datavarehus, operasjonelle databaser og datainnsjøer, ved å bruke AWS-designet maskinvare og ML for å levere den beste prisytelsen uansett skala. Kinesis Data Firehose leverer data til en Amazon enkel lagringstjeneste (Amazon S3) bøtte først og utsteder deretter en Amazon Redshift COPY-kommando for å laste dataene inn i en Amazon Redshift-klynge.
- Billettklassifiserer Lambda-funksjonen påkaller billettbehandler Lambda-funksjonen.
- Billettbehandler Lambda-funksjonen kjører kode for å hjelpe billetthåndteringen. I dette eksemplet returnerer den anbefalte materialene for håndtering av billetten basert på klassifiseringen.
- Billettanalyse kan gjøres med Amazon QuickSight. Fra billettanalyse kan du finne ut den mest etterspurte billetttypen. Basert på analysen kan du oppdage billetttrender og muligheter for å automatisere de beste billetttypene. QuickSight er en skyskala business intelligence (BI)-tjeneste som du kan bruke til å levere lettfattelig innsikt til menneskene du jobber med, uansett hvor de er.
I de følgende avsnittene leder vi deg gjennom trinnene for å implementere løsningen, integrere billettklassifiseringsinfrastrukturen med billettsystemet ditt og bruke klassifiseringsdataene med QuickSight.
Implementer løsningen
I denne delen går vi gjennom trinnene for å klargjøre løsningsressursene dine og opprette den nødvendige infrastrukturen.
Konfigurer Amazon Comprehend
I dette trinnet trener vi to nye Amazon Comprehend tilpassede klassifiseringsmodeller: Drift og ressurs, og lager et sanntidsanalyseendepunkt for hver modell.
Last opp treningsdataene
For å laste opp treningsdataene, fullfør følgende trinn:
- Last ned ticket_training_data.zip og pakk ut filen.
Denne mappen inneholder følgende to filer:- training_data_operations.csv – Denne filen er en to-kolonne CSV-fil som vi bruker til å trene operasjonsklassifiseringsmodellen. Den første kolonnen inneholder
class
, og den andre kolonnen inneholderdocument
. - training_data_resources.csv – Denne filen er en to-kolonne CSV-fil som vi bruker til å trene opp ressursklassifiseringsmodellen. Som
training_data_operations.csv
fil, inneholder den første kolonnenclass
, og den andre kolonnen inneholderdocument
.
- training_data_operations.csv – Denne filen er en to-kolonne CSV-fil som vi bruker til å trene operasjonsklassifiseringsmodellen. Den første kolonnen inneholder
- På Amazon S3-konsollen oppretter du en ny bøtte for Amazon Comprehend. Fordi S3-bøttenavn er globale unike, må du lage et unikt navn for bøtte. For dette innlegget kaller vi det
comprehend-ticket-training-data
. Aktiver kryptering på serversiden og blokker offentlig tilgang når du oppretter bøtten. - Last opp
training_data_operations.csv
ogtraining_data_resources.csv
til den nye S3-skuffen.
Lag to nye modeller
For å lage modellene dine, fullfør følgende trinn:
- Velg på Amazon Comprehend-konsollen Tilpasset klassifisering i navigasjonsruten.
- Velg Lag ny modell.
- Gi følgende informasjon:
- Til Modellnavn, Tast inn
ticket-classification-operation
. - Til Språk, velg Engelsk.
- Til Klassifiseringsmodus, plukke ut Bruker enkeltetikettmodus.
- Til Dataformat, plukke ut CSV-fil.
- Til Opplæringsdatasett, skriv inn S3-banen for
training_data_operations.csv
. - Til Test datakilde, plukke ut Autosplitt.
Autosplit velger automatisk 10 % av treningsdataene dine som skal brukes som testdata. - Til IAM-rolle, plukke ut Lag en IAM-rolle.
- Til Tillatelser til tilgang, velg trenings-, test- og utdatadata (hvis spesifisert) i S3-bøttene dine.
- Til Navneforfiks, Tast inn
ticket-classification
.
- Til Modellnavn, Tast inn
- Velg Opprett.
- Velg Lag ny modell igjen for å lage din ressursklassifiseringsmodell.
- Gi følgende informasjon:
- Til Modellnavn, Tast inn
ticket-classification-resource
. - Til Språk, velg Engelsk.
- Til Klassifiseringsmodus, plukke ut Bruker enkeltetikettmodus.
- Til Dataformat, plukke ut CSV-fil.
- Til Opplæringsdatasett, skriv inn S3-banen for
training_data_resources.csv
. - Til Test datakilde, velg Autosplitt.
- Til IAM-rolle, plukke ut Bruk en eksisterende IAM-rolle.
- Til Rollenavn, velg
AmazonComprehendServiceRole-ticket-classification
.
- Til Modellnavn, Tast inn
- Velg Opprett.
Amazon Comprehend behandler nå CSV-filene og bruker dem til å trene tilpassede klassifiseringer. Vi bruker deretter disse til å klassifisere kundebilletter. Jo større og mer nøyaktig treningsdataene våre er, jo mer nøyaktig vil klassifikatoren være.
Vent til versjonsstatusen vises som Trained
som Nedenfor. Det kan ta opptil 1 time å fullføre, avhengig av størrelsen på treningsdataene.
Lag Amazon Comprehend-endepunkter
Amazon Comprehend-endepunkter faktureres i trinn på 1 sekund, med minimum 60 sekunder. Kostnader fortsetter å påløpe fra du starter endepunktet til det slettes, selv om ingen dokumenter blir analysert. For mer informasjon, se Amazon Comprehend Pricing. For å opprette endepunktene dine, fullfør følgende trinn:
- Velg på Amazon Comprehend-konsollen endepunkter i navigasjonsruten.
- Velg Lag endepunkt for å opprette endepunktet for operasjonsklassifiseringen.
- Gi følgende informasjon:
- Til Endepunktnavn, Tast inn
ticket-classification-operation
. - Til Tilpasset modelltype, plukke ut Tilpasset klassifisering.
- Til Klassifiseringsmodell, velg billett-klassifisering-drift.
- Til Versjon, velg Ingen versjonsnavn.
- Til Antall slutningsenheter (IUs), Tast inn
1
.
- Til Endepunktnavn, Tast inn
- Velg Lag endepunkt.
- Velg Lag endepunkt igjen for å opprette endepunktet for ressursklassifiseringen.
- Gi følgende informasjon:
- Til Endepunktnavn, Tast inn
ticket-classification-resource
. - Til Tilpasset modelltype, plukke ut Tilpasset klassifisering.
- Til Klassifiseringsmodell, velg billett-klassifisering-ressurs.
- Til Versjon, velg Ingen versjonsnavn.
- Til Antall slutningsenheter (IUs), Tast inn
1
.
- Til Endepunktnavn, Tast inn
- Velg Lag endepunkt.
Etter at du har opprettet begge endepunktene, vent til statusen for begge viser som Active
.
Test Amazon Comprehend-endepunktene med sanntidsanalyse
For å teste endepunktene dine, fullfør følgende trinn:
- Velg på Amazon Comprehend-konsollen Sanntidsanalyse i navigasjonsruten.
- Til Analysetypeå velge Custom.
- Til Endpoint¸ velg billett-klassifisering-drift.
- Til Skriv inn tekst, skriv inn følgende:
- Velg Analyser.
Resultatene viser atUpdate
klasse har høyest tillitspoeng. - Endring Endpoint til billett-klassifisering-ressurs Og velg Analyser en gang til.
Resultatene viser at EC2
klasse har høyest tillitspoeng.
Lag en hemmelighet for Amazon Redshift-klyngepassordet
I dette trinnet lager vi en AWS Secrets Manager hemmelig for ditt Amazon Redshift-klyngepassord. Secrets Manager hjelper deg med å beskytte hemmeligheter som trengs for å få tilgang til applikasjonene, tjenestene og IT-ressurser. Tjenesten lar deg enkelt rotere, administrere og hente databaselegitimasjon, API-nøkler og andre hemmeligheter gjennom hele livssyklusen. I dette innlegget lagrer vi Amazon Redshift-klyngepassordet i en Secrets Manager-hemmelighet.
- Velg på Secrets Manager-konsollen Secrets i navigasjonsruten.
- Velg Lagre en ny hemmelighet.
- Til Hemmelig type, plukke ut Annen type hemmelighet.
- Under Nøkkel/verdi-par, sett nøkkelen som
password
og verdi som ditt Amazon Redshift-klyngepassord.
Passordet må være mellom 8–64 tegn langt og inneholde minst én stor bokstav, én liten bokstav og ett tall. Det kan være et hvilket som helst utskrivbart ASCII-tegn bortsett fra ' (enkelt anførselstegn), " (dobbelt anførselstegn), , /, @ eller mellomrom. - Velg neste.
- Til Hemmelig navn, Tast inn
ClassificationRedshiftClusterPassword
. - Velg neste.
- på Hemmelig rotasjon delen velger neste.
- Se gjennom din hemmelige konfigurasjon og velg Butikk.
Forsyn infrastrukturen din med AWS CloudFormation
I dette trinnet sørger vi for infrastrukturen for løsningen ved hjelp av en AWS skyformasjon stable.
Last opp Lambda-funksjonskoden
Før du starter CloudFormation-stakken, last opp Lambda-funksjonskoden din:
- Last ned lambda_code.zip
- På Amazon S3-konsollen åpner du bøtten du opprettet.
- Last opp
lambda_code.zip
.
Lag din CloudFormation-stabel
For å klargjøre ressurser med AWS CloudFormation, fullfør følgende trinn:
- Last ned cloudformation_template.json.
- Velg på AWS CloudFormation-konsollen Lag stabel.
- Plukke ut Med nye ressurser (standard).
- Til Malkilde, velg Last opp en malfil.
- Velg den nedlastede CloudFormation-malen.
- Velg neste.
- Til Stabelnavn, Tast inn
Ticket-Classification-Infrastructure
. - på parametere seksjon, skriv inn følgende verdier:
- Til KlassifiseringRedshiftClusterNodeType, skriv inn Amazon Redshift cluster node type. dc2.large er standard.
- Til KlassifiseringRedshiftClusterPasswordSecretName, skriv inn Secrets Managers hemmelige navn som lagrer Amazon Redshift-klyngepassordet.
- Til KlassifikasjonRedshiftClusterSubnetId, skriv inn undernett-ID-en der Amazon Redshift Cluster er vert. Subnettet må være innenfor VPC-en som du nevnte i
ClassificationRedshiftClusterVpcId
parameter. - Til KlassifikasjonRedshiftClusterBrukernavn, skriv inn Amazon Redshift-klyngebrukernavnet.
- Til KlassifiseringRedshiftClusterVpcId, skriv inn VPC-ID-en der Amazon Redshift-klyngen er vert.
- Til LambdaCodeS3 Bucket, skriv inn S3-bøttenavnet der du lastet opp lambdakoden.
- Til LambdaCodeS3 Key, skriv inn Amazon S3-nøkkelen til distribusjonspakken.
- Til QuickSightRegion, skriv inn regionen for QuickSight. Regionen for QuickSight skal være i samsvar med regionen du bruker for Amazon Comprehend og S3-bøtten.
- Velg neste.
- på Konfigurer stakkalternativer delen velger neste.
- på Anmeldelse seksjon, velg Jeg erkjenner at AWS CloudFormation kan skape IAM-ressurser.
- Velg Lag stabel.
Konfigurer Amazon Redshift-klyngen
I dette trinnet aktiverer du revisjonslogging og legger til den nye tabellen i Amazon Redshift-klyngen opprettet gjennom CloudFormation-malen.
Revisjonslogging er ikke slått på som standard i Amazon Redshift. Når du slår på logging på klyngen din, eksporterer Amazon Redshift logger til Amazon CloudWatch, som fanger opp data fra tidspunktet for revisjonslogging er aktivert til det nåværende tidspunkt. Hver loggoppdatering er en fortsettelse av de tidligere loggene.
Aktiver revisjonslogging
Du kan hoppe over dette trinnet hvis du ikke trenger revisjonslogging for Amazon Redshift-klyngen.
- På Amazon Redshift-konsollen velger du klynger i navigasjonsruten.
- Velg Amazon Redshift-klyngen som starter med
classificationredshiftcluster-
. - På Eiendommer kategorien, velg Rediger.
- Velg Rediger revisjonslogging.
- Til Konfigurer revisjonslogging¸ velg Slå på.
- Til Loggeksperttype, velg CloudWatch.
- Velg alle loggtyper.
- Velg lagre endringer.
Opprett ny tabell
For å opprette en ny tabell, fullfør følgende trinn:
- På Amazon Redshift-konsollen velger du Spørr data.
- Velg Spørring i spørringsredigering v2.
- På Database siden, velg din klynge.
- Til Database, Tast inn
ticketclassification
. - Skriv inn brukernavnet og passordet du konfigurerte i CloudFormation-stabelparameterne.
- Velg Opprett forbindelse.
- Når tilkoblingen er opprettet, velg plusstegnet og åpne et nytt spørringsvindu.
- Skriv inn følgende spørsmål:
- Velg Kjør.
Test klassifiseringsinfrastrukturen
Nå er infrastrukturen for billettklassifisering klar. Før du integrerer med billettsystemet ditt, la oss teste klassifiseringsinfrastrukturen.
Kjør testen
For å kjøre testen, fullfør følgende trinn:
- Velg Lambda-konsollen Funksjoner i navigasjonsruten.
- Velg funksjonen som starter med
Ticket-Classification-Inf-TicketClassifier
. - På Test kategorien, velg Testarrangement.
- Til Navn, Tast inn
TestTicket
. - Skriv inn følgende testdata:
- Velg Test.
Billetten er klassifisert, og klassifiseringsdataene lagres i Amazon Redshift-klyngen. Etter klassifiseringen kjører billetthandler Lambda-funksjonen, som håndterer billetten basert på klassifiseringen, inkludert å anbefale materialer til støtteingeniører.
Sjekk billettklassifiseringstestloggen
For å sjekke testloggen, fullfør følgende trinn:
- Velg i resultatdelen av testen Logger, eller velg Vis logger i CloudWatch på Overvåke fanen.
- Velg loggstrømmen.
Du kan se loggene i følgende skjermbilde, som viser utdataene fra Amazon Comprehend og den endelige toppklassifiseringen av billetten. I dette eksemplet er testbilletten klassifisert som Resource=EC2
, Operation=Update
.
Sjekk utdata for billettklassifisering i Amazon Redshift-klyngen
For å validere utdataene i klyngen din, fullfør følgende trinn:
- På Amazon Redshift spørringsredigering v2-konsollen velger du plusstegnet for å åpne et nytt spørringsvindu.
- Skriv inn følgende spørsmål:
- Velg Kjør.
Følgende skjermbilde viser billettklassifiseringen. Hvis den ikke er tilgjengelig ennå, vent noen minutter og prøv på nytt (Kinesis Data Firehose trenger litt tid på å sende dataene). Vi kan nå bruke disse dataene i QuickSight.
Sjekk billetthåndteringstestloggen
Etter at billettklassifisereren pusher klassifiseringsdataene i Amazon Redshift-klyngen, kjører billetthandler Lambda-funksjonen, som håndterer billetten basert på klassifiseringen, inkludert å anbefale materialer til støtteingeniører. I dette eksemplet returnerer billettbehandleren anbefalt materiale, inkludert runbook, AWS-dokumentasjon og SSM-dokumenter, slik at støtten kan referere til dem når de håndterer billetten. Du kan integrere utdataene med ditt billetthåndteringssystem, og du kan tilpasse håndteringsprosessene i Lambda-funksjonskoden. I dette trinnet sjekker vi hvilke anbefalinger som ble gitt.
- Velg Lambda-konsollen Funksjoner i navigasjonsruten.
- Velg Lambda-funksjonen som starter med
Ticket-Classification-Inf-TicketHandlerLambdaFunct
. - På Overvåke kategorien, velg Vis logger i CloudWatch.
- Velg loggstrømmen.
Følgende skjermbilde viser loggene. Du kan se utdataene fra Amazon Comprehend og listen over anbefalte AWS-dokumenter og SSM-dokumenter for billetten klassifisert som Update EC2
. Du kan legge til dine egne runbooks, dokumenter, SSM-dokumenter eller andre materialer i Lambda-funksjonskoden.
Integrer billettklassifiseringsinfrastrukturen med billettsystemet ditt
I denne delen går vi gjennom trinnene for å integrere din billettklassifiseringsinfrastruktur med billettsystemet ditt og tilpasse konfigurasjonen din.
De fleste billettsystemer har en trigger-funksjon, som lar deg kjøre kode når billetten sendes inn. Sett opp billettsystemet ditt for å starte billettklassifiserer Lambda-funksjonen med følgende formaterte inndata:
Hvis du ønsker å tilpasse inngangen, endre billettklassifisereren Lambda-funksjonskode. Du må legge til eller fjerne parametere (linje 90–105) og tilpasse inndata for Amazon Comprehend (linje 15–17).
Du kan tilpasse lambda-funksjonen for billettbehandler for å kjøre automatisering eller redigere anbefalingene. Du kan for eksempel legge til den interne kommentaren til billetten med anbefalingene. For å tilpasse, åpne billetthandlerens Lambda-kode, og rediger linjene 68–70 og 75–81.
Bruk klassifiseringsdata med QuickSight
Etter at du har integrert billettklassifiseringsinfrastrukturen med billettsystemet ditt, lagres billettklassifiseringsdataene i Amazon Redshift-klyngen. Du kan bruke QuickSight til å sjekke disse dataene og generere rapporter. I dette eksemplet genererer vi en QuickSight-analyse med klassifiseringsdataene.
Registrer deg for QuickSight
Hvis du ikke allerede har QuickSight, registrer deg med følgende trinn:
- Velg på QuickSight-konsollen Registrer deg for QuickSight.
- Velg standard.
- Under QuickSight-regionen, velg regionen du konfigurerte i CloudFormation-parameteren
QuickSightRegion
. - Under Kontoinformasjon, skriv inn QuickSight-kontonavnet og e-postadressen for varsling.
- Under QuickSight-tilgang til AWS-tjenester, plukke ut Amazon RedShift.
- Hvis du vil tillate tilgang og autooppdagelse for andre ressurser, velg dem også.
- Velg Finish.
- Velg Gå til Amazon QuickSight etter at du har registrert deg.
Koble Amazon Redshift-klyngen til QuickSight
For å koble klyngen din til QuickSight som en datakilde, fullfør følgende trinn:
- Velg på QuickSight-konsollen datasett i navigasjonsruten.
- Velg Nytt datasett.
- Velg Rødskift Auto-oppdaget.
- Gi følgende informasjon:
- Til Navn på datakilde, Tast inn
ticketclassification
. - Til Forekomst -ID, velg Amazon Redshift-klyngen som starter med
classificationredshiftcluster-
. - Til Tilkoblingstype, velg Offentlig nettverk.
- Til Databasens navn, Tast inn
ticketclassification
. - Skriv inn Amazon Redshift-klyngebrukernavnet og passordet du konfigurerte i CloudFormation-stabelparameterne.
- Til Navn på datakilde, Tast inn
- Velg Bekreft tilkoblingen for å se om tilkoblingen fungerer.
Hvis det ikke fungerer, er dette sannsynligvis på grunn av feil brukernavn og passord, eller QuickSight-regionen er forskjellig fra det du spesifiserte i CloudFormation-stakken. - Velg Lag datakilde.
- på Velg ditt bord delen, velg
tickets
tabellen. - Velg Plukke ut.
- Plukke ut Importer til SPICE for raskere analyser.
SPICE er QuickSights superraske, parallelle beregningsmotor i minnet. Den er konstruert for raskt å utføre avanserte beregninger og levere data. Importerer (også kalt inntak) dataene dine i SPICE kan spare tid og penger. For mer informasjon om SPICE, se Importerer data til SPICE. Hvis du får feilmeldingen "Ikke nok SPICE-kapasitet", kjøp mer SPICE-kapasitet. For mer informasjon, se Kjøp av SPICE-kapasitet i en AWS-region. - Velg Visualisere.
Lag en billettklassifiseringsanalyserapport
Når du er ferdig med å lage datasett, kan du se den nye QuickSight-analysen. I denne delen går vi gjennom trinnene for å lage en billettklassifiseringsanalyserapport, inkludert en pivottabell, sektordiagram og linjediagram.
- Velg Autograf.
- Under Visuelle typer, velg pivottabellen.
- Dra
operation
fra Feltliste til Rader. - Dra
resource
fra Feltliste til kolonner. - På Legg til meny, velg Legg til visuelt.
- Under Visuelle typer, velg sektordiagrammet.
- Dra
operation
fra Feltliste til Gruppe/Farge. - På Legg til meny, velg Legg til visuelt en gang til.
- Under Visuelle typer, velg kakediagrammet igjen.
- Dra
resource
fra Feltliste til Gruppe/Farge. - På Legg til meny, velg Legg til visuelt en gang til.
- Under Visuelle typer, velg linjediagrammet.
- Dra
creation_time
fra Feltliste til X-aksen. - Dra
operation
fra Feltliste til FARGE. - På Legg til meny, velg Legg til visuelt en gang til.
- Under Visuelle typer, velg linjediagrammet på nytt.
- Dra
creation_time
fra Feltliste til X-aksen. - Dra
operation
fra Feltliste til FARGE. - Endre størrelsen og omorganiser diagrammene etter behov.
- Velg Lagre som.
- Skriv inn et navn for analysen og velg Spar.
Gratulerer! Din første billettanalyse er klar. Når du har mer data, vil analysen se ut som følgende skjermbilde.
Rydd opp
I dette trinnet rydder vi opp i ressursene vi opprettet med ulike tjenester.
Amazon Comprehend
For å slette endepunktene dine, fullfør følgende trinn:
- Velg på Amazon Comprehend-konsollen endepunkter i navigasjonsruten.
- Velg
endpoint ticket-classification-operation
. - Velg Delete og følg instruksjonene.
- Gjenta disse trinnene for å slette
ticket-classification-resource
endepunkt.
Deretter sletter du de egendefinerte klassifiseringene du opprettet. - Velg Tilpasset klassifisering i navigasjonsruten.
- Velg
classification ticket-classification-operation
. - Plukke ut Ingen versjonsnavn.
- Velg Delete og følg instruksjonene.
- Gjenta disse trinnene for å slette
ticket-classification-resource
klassifisering.
Amazon S3
Deretter rydder du opp i S3-bøtten du har laget.
- På Amazon S3-konsollen velger du bøtten du opprettet.
- Slett alle objektene i bøtta.
- Slett bøtta.
Amazon QuickSight
Slett QuickSight-analysene og datasettet du opprettet.
- Velg på QuickSight-konsollen analyser i navigasjonsruten.
- Velg alternativikonet (tre prikker) på analysen du opprettet.
- Velg Delete og følg instruksjonene.
- Velg datasett i navigasjonsruten.
- Velg
tickets
datasett. - Velg Slett datasett og følg instruksjonene.
AWS skyformasjon
Rydd opp i ressursene du opprettet som en del av CloudFormation-stakken.
- Velg på AWS CloudFormation-konsollen Stabler i navigasjonsruten.
- Velg
Ticket-Classification-Infrastructure
stable. - På Ressurser fanen, velg den fysiske ID-en til
ClassificationDeliveryStreamS3Bucket
.
Amazon S3-konsollen åpnes. - Slett eventuelle objekter i denne bøtten.
- Gå tilbake til AWS CloudFormation-konsollen, velg Delete, og følg instruksjonene.
AWS Secrets Manager
Til slutt, slett Secrets Manager-hemmeligheten.
- På Secrets Manager-konsollen velger du hemmeligheten
ClassificationRedshiftClusterPassword
. - På handlinger meny, velg Slett hemmeligheten.
- Sett ventetiden til 7 dager og velg Planlegg sletting.
Hemmeligheten din slettes automatisk etter 7 dager.
konklusjonen
I dette innlegget lærte du hvordan du bruker AWS-tjenester for å lage et automatisk klassifiserings- og anbefalingssystem. Denne løsningen vil hjelpe organisasjonene dine med å bygge følgende arbeidsflyt:
- Klassifiser kundeforespørsler.
- Anbefaler automatiserte løsninger.
- Analyser kundeforespørselsklassifiseringer og oppdag de beste kundeforespørslene.
- Slipp en ny automatisert løsning og øk automatiseringshastigheten.
For mer informasjon om Amazon Comprehend, se Amazon Comprehend-dokumentasjon. Du kan også oppdage andre Amazon Comprehend-funksjoner og hente inspirasjon fra andre AWS blogginnlegg om bruk av Amazon Comprehend utover klassifisering.
Om forfatterne
Seongyeol Jerry Cho er en senior systemutviklingsingeniør ved AWS Managed Services med base i Sydney, Australia. Han fokuserer på å bygge svært skalerbar og automatisert programvare for skyoperasjoner ved hjelp av en rekke teknologier, inkludert maskinlæring. Utenom jobben liker han å reise, campe, lese, lage mat og løpe.
Manu Sasikumar er en senior systemingeniørsjef med AWS Managed Services. Manu og teamet hans fokuserer på å bygge kraftige og brukervennlige automatiseringer for å redusere manuell innsats, og bygge AI- og ML-baserte løsninger for å håndtere kundeforespørsler. Utenom jobben elsker han å tilbringe fritiden med familien sin, i tillegg til å være en del av ulike humanitære og frivillige aktiviteter.
- Myntsmart. Europas beste Bitcoin og Crypto Exchange.
- Platoblokkkjede. Web3 Metaverse Intelligence. Kunnskap forsterket. FRI TILGANG.
- CryptoHawk. Altcoin Radar. Gratis prøveperiode.
- Kilde: https://aws.amazon.com/blogs/machine-learning/how-service-providers-can-use-natural-language-processing-to-gain-insights-from-customer-tickets-with-amazon- fatte/
- "
- 100
- 7
- a
- Om oss
- adgang
- Ifølge
- Logg inn
- nøyaktig
- tvers
- Handling
- Aktiviteter
- adresse
- avansert
- AI
- Alle
- tillater
- allerede
- Selv
- Amazon
- analyse
- analytics
- analysere
- api
- Søknad
- søknader
- hensiktsmessig
- arkitektur
- tildelt
- revisjon
- Australia
- automatisere
- Automatisert
- Automatisk
- automatisk
- Automatisering
- tilgjengelig
- AWS
- fordi
- før du
- være
- under
- BEST
- mellom
- Beyond
- Blokker
- Blogg
- grensen
- bygge
- Bygning
- virksomhet
- business intelligence
- ring
- kandidater
- Kapasitet
- fangst
- fanger
- Kategori
- Årsak
- sjansene
- kanaler
- tegn
- avgifter
- Topplisten
- Velg
- valgt ut
- klasse
- klassifisering
- Cloud
- kode
- Kolonne
- fullføre
- Beregn
- selvtillit
- Konfigurasjon
- Koble
- tilkobling
- Tilkoblinger
- konsistent
- Konsoll
- inneholder
- fortsette
- kostnadseffektiv
- skape
- opprettet
- Opprette
- skaperverket
- Credentials
- skikk
- kunde
- Kunder
- tilpasse
- dato
- Database
- databaser
- forsinkelse
- leverer
- avhengig
- distribusjon
- beskrevet
- detaljer
- Utvikling
- forskjellig
- oppdage
- dokumenter
- ikke
- dobbelt
- lett
- lett-å-bruke
- redaktør
- effektivitet
- innsats
- emalje
- muliggjøre
- muliggjør
- kryptering
- Endpoint
- Motor
- ingeniør
- Ingeniører
- Enter
- avgjørende
- anslått
- eksempel
- Unntatt
- eksisterende
- Expert
- familie
- Trekk
- Egenskaper
- finansiell
- Først
- Fokus
- fokuserer
- følge
- etter
- følger
- fra
- Innfri
- funksjon
- generere
- Globalt
- Gruppe
- Håndtering
- maskinvare
- hjelpe
- hjelper
- Høy
- svært
- vert
- Hvordan
- Hvordan
- HTTPS
- Humanitær
- ICON
- iverksette
- importere
- Inkludert
- Øke
- økt
- informasjon
- Infrastruktur
- inngang
- innsikt
- inspirasjon
- integrere
- Intelligens
- utstedelse
- saker
- IT
- nøkkel
- nøkler
- Etiketten
- Språk
- stor
- større
- lansere
- lært
- læring
- Sannsynlig
- linje
- linjer
- Liste
- laste
- Se
- maskin
- maskinlæring
- laget
- vedlikehold
- administrer
- fikk til
- leder
- administrerende
- håndbok
- manuelt
- materialer
- nevnt
- kunne
- minimum
- ML
- Mobil
- modell
- modeller
- penger
- mer
- flere
- navn
- Naturlig
- Navigasjon
- nødvendig
- behov
- varsling
- Antall
- åpen
- åpner
- drift
- Drift
- Muligheter
- alternativer
- organisasjon
- organisasjoner
- Annen
- samlet
- egen
- pakke
- del
- Passord
- Ansatte
- ytelse
- perioden
- fysisk
- Pivot
- kraftig
- presentere
- forrige
- pris
- Prosesser
- prosessering
- beskytte
- gi
- forutsatt
- tilbydere
- offentlig
- Kjøp
- heve
- Lesning
- sanntids
- anbefale
- redusere
- Redusert
- region
- rapporterer
- Rapporter
- anmode
- forespørsler
- Krav
- ressurs
- Ressurser
- resulterende
- Resultater
- avkastning
- Rute
- Kjør
- rennende
- skalerbar
- Skala
- sekunder
- server~~POS=TRUNC
- tjeneste
- Tjenester
- sett
- undertegne
- Enkelt
- enkelt
- Størrelse
- So
- Software
- solid
- løsning
- Solutions
- noen
- Rom
- utgifter
- stable
- Standard
- Begynn
- starter
- status
- lagring
- oppbevare
- butikker
- stream
- streaming
- strukturert
- innsendt
- støtte
- sydney
- system
- Systemer
- lag
- Technologies
- test
- Testing
- De
- derved
- tre
- Gjennom
- hele
- billett
- billetter
- tid
- Tittel
- verktøy
- verktøy
- topp
- Kurs
- Transform
- reiser
- Trender
- typer
- avdekke
- unik
- lomper
- Oppdater
- bruke
- vanligvis
- UTC
- bruke
- verdi
- variasjon
- ulike
- versjon
- Se
- frivillig
- vente
- web
- Hva
- HVEM
- utbredt
- innenfor
- uten
- Arbeid
- virker
- Din