Astăzi, clienții pot ridica bilete de asistență prin mai multe canale, cum ar fi web, mobil, chat-boți, e-mailuri sau apeluri telefonice. Când un bilet de asistență este ridicat de către un client, acesta este procesat și atribuit unei categorii pe baza informațiilor furnizate în tichet. Acesta este apoi direcționat către grupul de suport pentru rezolvare în funcție de categoria biletului. Se estimează că un număr mare de bilete de asistență nu sunt, de obicei, direcționate către grupul potrivit din cauza categorizării incorecte a biletelor. Tichetele atribuite incorect cauzează întârzieri în timpul de rezoluție generală, ducând adesea la o nemulțumire severă a clienților. Poate avea, de asemenea, alte impacturi larg răspândite, cum ar fi repercusiuni financiare, operaționale sau de altă natură. Prin urmare, clasificarea biletelor este o sarcină esențială pentru fiecare organizație în zilele noastre. Deși puteți clasifica biletele manual, este predispus la erori, nu este rentabil și nu se extinde.
Servicii gestionate AWS (AMS) utilizări Amazon Comprehend clasificări personalizate pentru a clasifica cererile primite în funcție de resursă și tip de operațiune, în funcție de modul în care clientul și-a descris problema. Amazon Comprehend este un serviciu de procesare a limbajului natural (NLP) care utilizează învățarea automată (ML) pentru a descoperi informații și conexiuni valoroase în text. AMS utilizează clasificatoare personalizate pentru a eticheta cererile clienților cu tipurile de probleme adecvate, tipul de resursă și acțiunea de resurse, astfel direcționând biletele clienților către IMM-uri. Clasificarea Amazon Comprehend este utilizată pentru a găsi oportunități pentru noi instrumente interne de automatizare pe care inginerii AMS le pot folosi pentru a îndeplini cerințele clienților pentru a reduce efortul manual și șansele de erori manuale. Datele de clasificare sunt stocate într-un Amazon RedShift cluster și utilizat pentru a analiza cererile clienților și pentru a găsi noi candidați pentru instrumente de automatizare. Această automatizare are ca rezultat creșterea eficienței operaționale și costuri reduse.
În această postare, arătăm modul în care furnizorii de servicii gestionate pot folosi Amazon Comprehend pentru a clasifica și direcționa biletele, pentru a oferi sugestii bazate pe clasificare și pentru a utiliza datele de clasificare.
Prezentare generală a soluțiilor
Următoarea diagramă prezintă arhitectura soluției.
Fluxul de lucru este următorul:
- Un client trimite biletul.
- Sistemul de bilete primește biletul de la client și invocă clasificatorul de bilete AWS Lambdas funcţionează cu detaliile biletului. Lambda este un serviciu de calcul fără server, bazat pe evenimente, care vă permite să rulați cod pentru aproape orice tip de aplicație sau serviciu backend fără a furniza sau gestiona servere. Lambda este ales pentru soluția de reducere a costurilor și a efortului de întreținere.
- Funcția Lambda de clasificare a biletelor clasifică biletul cu Amazon Comprehend folosind titlul și descrierea biletului. Cu Amazon Comprehend, puteți antrena modelul NLP și puteți oferi atât clasificatoare în lot, cât și în timp real, fără a furniza și întreține infrastructura.
- Funcția Lambda de clasificare a biletelor trimite datele de clasificare a biletelor către clusterul Amazon Redshift prin Firehose Amazon Kinesis Data. Kinesis Data Firehose este un serviciu de extragere, transformare și încărcare (ETL) care captează, transformă și furnizează date în flux la lacuri de date, depozite de date și servicii de analiză. Amazon Redshift utilizează SQL pentru a analiza date structurate și semi-structurate din depozite de date, baze de date operaționale și lacuri de date, folosind hardware-ul proiectat de AWS și ML pentru a oferi cele mai bune performanțe de preț la orice scară. Kinesis Data Firehose furnizează date unui Serviciul Amazon de stocare simplă (Amazon S3) mai întâi, apoi lansează o comandă Amazon Redshift COPY pentru a încărca datele într-un cluster Amazon Redshift.
- Funcția Lambda de clasificare a biletelor invocă funcția Lambda de gestionare a biletelor.
- Funcția Lambda de gestionare a biletelor rulează cod pentru a ajuta la gestionarea biletelor. În acest exemplu, returnează materialele recomandate pentru manipularea biletului în funcție de clasificare.
- Analiza biletelor se poate face cu Amazon QuickSight. Din analiza biletelor, puteți afla cel mai bun tip de bilet solicitat. Pe baza analizei, puteți descoperi tendințele privind biletele și oportunitățile de automatizare a tipurilor de bilete de top. QuickSight este un serviciu de business intelligence (BI) la scară cloud pe care îl puteți folosi pentru a oferi informații ușor de înțeles persoanelor cu care lucrați, oriunde s-ar afla.
În secțiunile următoare, vă prezentăm pașii pentru implementarea soluției, integrarea infrastructurii de clasificare a biletelor cu sistemul dvs. de ticketing și utilizarea datelor de clasificare cu QuickSight.
Implementează soluția
În această secțiune, parcurgem pașii pentru furnizarea resurselor soluției și crearea infrastructurii necesare.
Configurați Amazon Comprehend
În acest pas, antrenăm două noi modele de clasificare personalizată Amazon Comprehend: Operație și Resurse și creăm un punct final de analiză în timp real pentru fiecare model.
Încărcați datele de antrenament
Pentru a încărca datele de antrenament, parcurgeți următorii pași:
- Descarcă ticket_training_data.zip și dezarhivați fișierul.
Acest folder conține următoarele două fișiere:- training_data_operations.csv – Acest fișier este un fișier CSV cu două coloane pe care îl folosim pentru a antrena modelul de clasificare a operațiunii. Prima coloană conține
class
, iar a doua coloană conținedocument
. - training_data_resources.csv – Acest fișier este un fișier CSV cu două coloane pe care îl folosim pentru a antrena modelul de clasificare a resurselor. Ca
training_data_operations.csv
fișier, prima coloană conțineclass
, iar a doua coloană conținedocument
.
- training_data_operations.csv – Acest fișier este un fișier CSV cu două coloane pe care îl folosim pentru a antrena modelul de clasificare a operațiunii. Prima coloană conține
- Pe consola Amazon S3, creați o nouă găleată pentru Amazon Comprehend. Deoarece numele compartimentelor S3 sunt unice la nivel global, trebuie să creați un nume unic pentru compartiment. Pentru această postare, o numim
comprehend-ticket-training-data
. Activați criptarea pe server și blocați accesul public la crearea compartimentului. - Încărcați
training_data_operations.csv
șitraining_data_resources.csv
la noua găleată S3.
Creați două modele noi
Pentru a vă crea modelele, parcurgeți următorii pași:
- În consola Amazon Comprehend, alegeți Clasificare personalizată în panoul de navigare.
- Alege Creați un model nou.
- Furnizati urmatoarele informatii:
- Pentru Numele modelului, introduce
ticket-classification-operation
. - Pentru Limbă, alege Engleză.
- Pentru Modul clasificator, Selectați Folosind modul cu o singură etichetă.
- Pentru Format date, Selectați Fișier CSV.
- Pentru Set de date de antrenament, introduceți calea S3 pentru
training_data_operations.csv
. - Pentru Sursa de date de testare, Selectați Divizare automată.
Autosplit selectează automat 10% din datele de antrenament furnizate pentru a le utiliza ca date de testare. - Pentru Rolul IAM, Selectați Creați un rol IAM.
- Pentru Permisii de acces, alegeți datele de instruire, de testare și de ieșire (dacă sunt specificate) în compartimentele dvs. S3.
- Pentru Sufixul de nume, introduce
ticket-classification
.
- Pentru Numele modelului, introduce
- Alege Crea.
- Alege Creați un model nou din nou pentru a crea modelul de clasificare a resurselor.
- Furnizati urmatoarele informatii:
- Pentru Numele modelului, introduce
ticket-classification-resource
. - Pentru Limbă, alege Engleză.
- Pentru Modul clasificator, Selectați Folosind modul cu o singură etichetă.
- Pentru Format date, Selectați Fișier CSV.
- Pentru Set de date de antrenament, introduceți calea S3 pentru
training_data_resources.csv
. - Pentru Sursa de date de testare, selectați Divizare automată.
- Pentru Rolul IAM, Selectați Utilizați un rol IAM existent.
- Pentru Nume rol, alege
AmazonComprehendServiceRole-ticket-classification
.
- Pentru Numele modelului, introduce
- Alege Crea.
Amazon Comprehend procesează acum fișierele CSV și le folosește pentru a antrena clasificatori personalizați. Apoi le folosim pentru a ajuta la clasificarea biletelor clienților. Cu cât datele noastre de antrenament sunt mai mari și mai precise, cu atât clasificatorul va fi mai precis.
Așteptați ca starea versiunii să fie afișată ca Trained
ca mai jos. Finalizarea poate dura până la 1 oră, în funcție de dimensiunea datelor de antrenament.
Creați puncte finale Amazon Comprehend
Punctele finale Amazon Comprehend sunt facturate în trepte de 1 secundă, cu minimum 60 de secunde. Taxele continuă să apară din momentul în care porniți punctul final și până când este șters, chiar dacă nu sunt analizate documente. Pentru mai multe informații, vezi Prețurile Amazon Comprehend. Pentru a vă crea punctele finale, parcurgeți următorii pași:
- În consola Amazon Comprehend, alegeți Puncte finale în panoul de navigare.
- Alege Creați punct final pentru a crea punctul final de clasificare a operațiunii.
- Furnizati urmatoarele informatii:
- Pentru Numele finalului, introduce
ticket-classification-operation
. - Pentru Tip de model personalizat, Selectați Clasificare personalizată.
- Pentru Model de clasificator, alege operațiune-clasificare-tichete.
- Pentru Versiune, alege Fără nume de versiune.
- Pentru Numărul de unități de inferență (IU), introduce
1
.
- Pentru Numele finalului, introduce
- Alege Creați punct final.
- Alege Creați punct final din nou pentru a crea punctul final de clasificare a resurselor.
- Furnizati urmatoarele informatii:
- Pentru Numele finalului, introduce
ticket-classification-resource
. - Pentru Tip de model personalizat, Selectați Clasificare personalizată.
- Pentru Model de clasificator, alege resursă-clasificare-bilet.
- Pentru Versiune, alege Fără nume de versiune.
- Pentru Numărul de unități de inferență (IU), introduce
1
.
- Pentru Numele finalului, introduce
- Alege Creați punct final.
După ce creați ambele puncte finale, așteptați până când starea ambelor se afișează ca Active
.
Testați punctele finale Amazon Comprehend cu analize în timp real
Pentru a testa punctele finale, parcurgeți următorii pași:
- În consola Amazon Comprehend, alegeți Analiză în timp real în panoul de navigare.
- Pentru Tipul analizeiSelectați pachet personalizat.
- Pentru Punct final¸ alege operațiune-clasificare-tichete.
- Pentru Introdu textul, introduceți următoarele:
- Alege Analiza.
Rezultatele arată căUpdate
clasa are cel mai mare scor de încredere. - Schimba Punct final la resursă-clasificare-bilet Și alegeți Analiza din nou.
Rezultatele arată că EC2
clasa are cel mai mare scor de încredere.
Creați un secret pentru parola clusterului Amazon Redshift
În acest pas, creăm un Manager de secrete AWS secret pentru parola dvs. de cluster Amazon Redshift. Secrets Manager vă ajută să protejați secretele necesare pentru a vă accesa aplicațiile, serviciile și resursele IT. Serviciul vă permite să rotiți, să gestionați și să preluați cu ușurință acreditările bazei de date, cheile API și alte secrete de-a lungul ciclului de viață. În această postare, stocăm parola clusterului Amazon Redshift într-un secret Secrets Manager.
- Pe consola Secrets Manager, alegeți secretele în panoul de navigare.
- Alege Stocați un nou secret.
- Pentru Tip secret, Selectați Alt tip de secret.
- În Perechi cheie/valoare, setează-ți cheia ca
password
și valoare ca parolă pentru clusterul Amazon Redshift.
Parola trebuie să aibă o lungime cuprinsă între 8 și 64 de caractere și să conțină cel puțin o literă mare, o literă mică și un număr. Poate fi orice caracter ASCII imprimabil, cu excepția „ (ghilimele simple), „ (ghilimele duble), , /, @ sau spațiul. - Alege Pagina Următoare →.
- Pentru Numele secret, introduce
ClassificationRedshiftClusterPassword
. - Alege Pagina Următoare →.
- În Rotire secretă secțiune, pentru a alege Pagina Următoare →.
- Examinați configurația secretă și alegeți Magazin.
Asigurați-vă infrastructura cu AWS CloudFormation
În acest pas, furnizăm infrastructura pentru soluție folosind un Formarea AWS Cloud grămadă.
Încărcați codul funcției Lambda
Înainte de a lansa stiva CloudFormation, încărcați codul funcției Lambda:
- Descarcă lambda_code.zip
- Pe consola Amazon S3, deschideți găleata pe care ați creat-o.
- Încărcați
lambda_code.zip
.
Creați-vă stiva CloudFormation
Pentru a furniza resurse cu AWS CloudFormation, parcurgeți următorii pași:
- Descarcă cloudformation_template.json.
- În consola AWS CloudFormation, alegeți Creați stivă.
- Selectați Cu resurse noi (standard).
- Pentru Sursa șablonului, alege Încărcați un fișier șablon.
- Alegeți șablonul CloudFormation descărcat.
- Alege Pagina Următoare →.
- Pentru Numele stivei, introduce
Ticket-Classification-Infrastructure
. - În parametrii secțiunea, introduceți următoarele valori:
- Pentru Clasificare RedshiftClusterNodeType, introduceți tipul de nod cluster Amazon Redshift. dc2.large este implicit.
- Pentru Clasificare RedshiftClusterPasswordSecretName, introduceți numele secret al Secrets Manager care stochează parola clusterului Amazon Redshift.
- Pentru Clasificare RedshiftClusterSubnetId, introduceți ID-ul de subrețea în care este găzduit Amazon Redshift Cluster. Subrețeaua trebuie să fie în VPC-ul pe care l-ați menționat în
ClassificationRedshiftClusterVpcId
parametru. - Pentru Clasificare RedshiftClusterNume utilizator, introduceți numele de utilizator al clusterului Amazon Redshift.
- Pentru Clasificare RedshiftClusterVpcId, introduceți ID-ul VPC în care este găzduit clusterul Amazon Redshift.
- Pentru LambdaCodeS3Bucket, introduceți numele compartimentului S3 în care ați încărcat codul Lambda.
- Pentru LambdaCodeS3Key, introduceți cheia Amazon S3 a pachetului de implementare.
- Pentru QuickSightRegion, introduceți Regiunea pentru QuickSight. Regiunea pentru QuickSight ar trebui să fie în concordanță cu regiunea pe care o utilizați pentru Amazon Comprehend și bucket-ul S3.
- Alege Pagina Următoare →.
- În Configurați opțiunile stivei secțiune, pentru a alege Pagina Următoare →.
- În Recenzie secțiune, selectați Recunosc că AWS CloudFormation ar putea crea resurse IAM.
- Alege Creați stivă.
Configurați clusterul dvs. Amazon Redshift
În acest pas, activați înregistrarea de audit și adăugați noul tabel la clusterul Amazon Redshift creat prin șablonul CloudFormation.
Înregistrarea de audit nu este activată în mod implicit în Amazon Redshift. Când activați înregistrarea pe cluster, Amazon Redshift exportă jurnalele către Amazon CloudWatch, care captează date de la momentul în care înregistrarea auditului este activată până în prezent. Fiecare actualizare a jurnalelor este o continuare a jurnalelor anterioare.
Activați înregistrarea de audit
Puteți sări peste acest pas dacă nu aveți nevoie de înregistrare de audit pentru clusterul dvs. Amazon Redshift.
- Pe consola Amazon Redshift, alegeți clusterele în panoul de navigare.
- Alegeți clusterul Amazon Redshift începând cu
classificationredshiftcluster-
. - Pe Proprietăţi fila, alegeți Editati.
- Alege Editați jurnalul de audit.
- Pentru Configurați jurnalul de audit¸ alege Porniți.
- Pentru Tip expert în jurnal, alege CloudWatch.
- Selectați toate tipurile de jurnal.
- Alege Salvează modificările.
Creați un nou tabel
Pentru a crea un tabel nou, parcurgeți următorii pași:
- Pe consola Amazon Redshift, alegeți Interogați datele.
- Alege Interogare în editorul de interogări v2.
- Pe Baza de date pagina, alegeți clusterul dvs.
- Pentru Baza de date, introduce
ticketclassification
. - Introduceți numele de utilizator și parola pe care le-ați configurat în parametrii stivei CloudFormation.
- Alege Creați conexiune.
- Când se realizează conexiunea, alegeți semnul plus și deschideți o nouă fereastră de interogare.
- Introduceți următoarea interogare:
- Alege Alerga.
Testați infrastructura de clasificare
Acum infrastructura pentru clasificarea biletelor este gata. Înainte de a vă integra cu sistemul dvs. de bilete, să testăm infrastructura de clasificare.
Rulați testul
Pentru a rula testul, parcurgeți următorii pași:
- În consola Lambda, alegeți funcţii în panoul de navigare.
- Alegeți funcția care începe cu
Ticket-Classification-Inf-TicketClassifier
. - Pe Test fila, alegeți Eveniment de testare.
- Pentru Nume si Prenume, introduce
TestTicket
. - Introduceți următoarele date de testare:
- Alege Test.
Biletul este clasificat, iar datele de clasificare sunt stocate în clusterul Amazon Redshift. După clasificare, rulează funcția Lambda de gestionare a biletelor, care gestionează biletul în funcție de clasificare, inclusiv recomandarea de materiale pentru a sprijini inginerii.
Verificați jurnalul de testare a clasificatorului de bilete
Pentru a verifica jurnalul de testare, parcurgeți următorii pași:
- În secțiunea de rezultate a testului, alegeți Activitate, sau alegeți Vizualizați jurnalele în CloudWatch pe monitor tab.
- Alegeți fluxul de jurnal.
Puteți vizualiza jurnalele în următoarea captură de ecran, care arată rezultatul de la Amazon Comprehend și clasarea finală de top a biletului. În acest exemplu, biletul de testare este clasificat ca Resource=EC2
, Operation=Update
.
Verificați rezultatul clasificării biletelor în clusterul Amazon Redshift
Pentru a valida rezultatul din cluster, parcurgeți următorii pași:
- Pe consola editorului de interogări Amazon Redshift v2, alegeți semnul plus pentru a deschide o nouă fereastră de interogare.
- Introduceți următoarea interogare:
- Alege Alerga.
Următoarea captură de ecran arată clasificarea biletelor. Dacă nu este încă disponibil, așteptați câteva minute și reîncercați (Kinesis Data Firehose are nevoie de ceva timp pentru a introduce datele). Acum putem folosi aceste date în QuickSight.
Verificați jurnalul de testare a gestionarului de bilete
După ce clasificatorul de bilete împinge datele de clasificare în clusterul Amazon Redshift, rulează funcția Lambda de gestionare a biletelor, care gestionează biletul pe baza clasificării, inclusiv recomandând materiale pentru a sprijini inginerii. În acest exemplu, responsabilul de gestionare a biletelor returnează materiale recomandate, inclusiv runbook-ul, documentația AWS și documentele SSM, astfel încât suportul să se poată referi la ele atunci când manipulează biletul. Puteți integra rezultatul cu sistemul dvs. de gestionare a biletelor și puteți personaliza procesele de gestionare în codul funcției Lambda. În acest pas, verificăm ce recomandări au fost făcute.
- În consola Lambda, alegeți funcţii în panoul de navigare.
- Alegeți funcția Lambda care începe cu
Ticket-Classification-Inf-TicketHandlerLambdaFunct
. - Pe monitor fila, alegeți Vizualizați jurnalele în CloudWatch.
- Alegeți fluxul de jurnal.
Următoarea captură de ecran arată jurnalele. Puteți vedea rezultatul de la Amazon Comprehend și lista de documente AWS recomandate și documente SSM pentru biletul clasificat ca Update EC2
. Puteți adăuga propriile runbook-uri, documente, documente SSM sau orice alte materiale în codul funcției Lambda.
Integrați infrastructura de clasificare a biletelor cu sistemul dvs. de ticketing
În această secțiune, parcurgem pașii pentru a integra infrastructura de clasificare a biletelor cu sistemul dvs. de bilete și pentru a vă personaliza configurația.
Majoritatea sistemelor de ticketing au o funcție de declanșare, care vă permite să rulați codul atunci când este trimis biletul. Configurați sistemul dvs. de ticketing pentru a invoca funcția Lambda de clasificare a biletelor cu următoarea intrare formatată:
Dacă doriți să personalizați intrarea, modificați codul funcției Lambda a clasificatorului de bilete. Trebuie să adăugați sau să eliminați parametri (liniile 90–105) și să personalizați intrarea pentru Amazon Comprehend (liniile 15–17).
Puteți personaliza funcția Lambda de gestionare a biletelor pentru a rula automatizarea sau pentru a edita recomandările. De exemplu, puteți adăuga comentariul intern la bilet cu recomandările. Pentru a personaliza, deschideți codul Lambda de gestionare a biletelor și editați liniile 68–70 și 75–81.
Utilizați datele de clasificare cu QuickSight
După ce integrați infrastructura de clasificare a biletelor cu sistemul dvs. de bilete, datele de clasificare a biletelor sunt stocate în clusterul Amazon Redshift. Puteți utiliza QuickSight pentru a verifica aceste date și a genera rapoarte. În acest exemplu, generăm o analiză QuickSight cu datele de clasificare.
Înscrieți-vă la QuickSight
Dacă nu aveți deja QuickSight, înscrieți-vă urmând următorii pași:
- Pe consola QuickSight, alegeți Înscrieți-vă la QuickSight.
- Alege Standard.
- În Regiunea QuickSight, alegeți Regiunea pe care ați configurat-o în parametrul CloudFormation
QuickSightRegion
. - În Informatii cont, introduceți numele contului dvs. QuickSight și adresa de e-mail de notificare.
- În Acces QuickSight la serviciile AWS, Selectați Amazon RedShift.
- Dacă doriți să permiteți accesul și descoperirea automată pentru alte resurse, selectați-le și pe acestea.
- Alege finalizarea.
- Alege Accesați Amazon QuickSight după ce te-ai înscris.
Conectați clusterul dvs. Amazon Redshift la QuickSight
Pentru a vă conecta clusterul la QuickSight ca sursă de date, parcurgeți următorii pași:
- Pe consola QuickSight, alegeți Datasets în panoul de navigare.
- Alege Set de date nou.
- Alege Redshift Auto-descoperit.
- Furnizati urmatoarele informatii:
- Pentru Numele sursei de date, introduce
ticketclassification
. - Pentru ID de instanță, alegeți clusterul Amazon Redshift începând cu
classificationredshiftcluster-
. - Pentru Tipul conexiunii, alege Retea publica.
- Pentru Numele bazei de date, introduce
ticketclassification
. - Introduceți numele de utilizator și parola clusterului Amazon Redshift pe care le-ați configurat în parametrii stivei CloudFormation.
- Pentru Numele sursei de date, introduce
- Alege Validați conexiunea pentru a vedea dacă conexiunea funcționează.
Dacă nu funcționează, acest lucru se datorează probabil utilizării unui nume de utilizator și parole greșite, sau regiunea QuickSight este diferită de ceea ce ați specificat în stiva CloudFormation. - Alege Creați sursa de date.
- În Alege masa ta secțiune, selectați
tickets
tabel. - Alege Selectați.
- Selectați Importați în SPICE pentru analize mai rapide.
SPICE este motorul de calcul super-rapid, paralel și în memorie QuickSight. Este proiectat pentru a efectua rapid calcule avansate și pentru a servi date. Import (numit și ingerarea) datele dvs. în SPICE pot economisi timp și bani. Pentru mai multe informații despre SPICE, consultați Import de date în SPICE. Dacă primiți eroarea „Capacitate SPICE insuficientă”, cumpărați mai multă capacitate SPICE. Pentru mai multe informații, consultați Achiziționarea capacității SPICE într-o regiune AWS. - Alege imagina.
Creați un raport de analiză a clasificării biletelor
După ce ați terminat crearea setului de date, puteți vedea noua analiză QuickSight. În această secțiune, parcurgem pașii pentru a crea un raport de analiză a clasificării biletelor, inclusiv un tabel pivot, diagrame circulare și diagrame cu linii.
- Alege Autograf.
- În Tipuri vizuale, alegeți tabelul pivot.
- Trage
operation
din Lista câmpurilor la Rânduri. - Trage
resource
din Lista câmpurilor la Coloane. - Pe Adăuga meniu, alegeți Adăugați vizual.
- În Tipuri vizuale, alegeți diagrama circulară.
- Trage
operation
din Lista câmpurilor la Grup/Culoare. - Pe Adăuga meniu, alegeți Adăugați vizual din nou.
- În Tipuri vizuale, alegeți din nou diagrama circulară.
- Trage
resource
din Lista câmpurilor la Grup/Culoare. - Pe Adăuga meniu, alegeți Adăugați vizual din nou.
- În Tipuri vizuale, alege diagrama cu linii.
- Trage
creation_time
din Lista câmpurilor la Axa X. - Trage
operation
din Lista câmpurilor la Culori. - Pe Adăuga meniu, alegeți Adăugați vizual din nou.
- În Tipuri vizuale, alegeți din nou diagrama cu linii.
- Trage
creation_time
din Lista câmpurilor la Axa X. - Trage
operation
din Lista câmpurilor la Culori. - Redimensionați și reordonați diagramele după cum este necesar.
- Alege Salvează ca.
- Introduceți un nume pentru analiza dvs. și alegeți Economisiți.
Felicitări! Prima ta analiză a biletului este gata. Odată ce aveți mai multe date, analiza va arăta ca următoarea captură de ecran.
A curăța
În acest pas, curățăm resursele pe care le-am creat cu diverse servicii.
Amazon Comprehend
Pentru a șterge punctele finale, parcurgeți următorii pași:
- În consola Amazon Comprehend, alegeți Puncte finale în panoul de navigare.
- selectaţi
endpoint ticket-classification-operation
. - Alege Șterge și urmați instrucțiunile.
- Repetați acești pași pentru a șterge
ticket-classification-resource
punctul final.
Apoi, ștergeți clasificările personalizate pe care le-ați creat. - Alege Clasificare personalizată în panoul de navigare.
- selectaţi
classification ticket-classification-operation
. - Selectați Fără nume de versiune.
- Alege Șterge și urmați instrucțiunile.
- Repetați acești pași pentru a șterge
ticket-classification-resource
clasificare.
Amazon S3
Apoi, curățați găleata S3 pe care ați creat-o.
- Pe consola Amazon S3, selectați găleata pe care ați creat-o.
- Ștergeți toate obiectele din găleată.
- Ștergeți găleata.
Amazon QuickSight
Ștergeți analizele și setul de date QuickSight pe care le-ați creat.
- Pe consola QuickSight, alegeți analize în panoul de navigare.
- Alegeți pictograma opțiuni (trei puncte) de pe analiza pe care ați creat-o.
- Alege Șterge și urmați instrucțiunile.
- Alege Datasets în panoul de navigare.
- Alege
tickets
set de date. - Alege Ștergeți setul de date și urmați instrucțiunile.
Formarea AWS Cloud
Curățați resursele pe care le-ați creat ca parte a stivei CloudFormation.
- În consola AWS CloudFormation, alegeți Stive în panoul de navigare.
- Alege
Ticket-Classification-Infrastructure
grămadă. - Pe Resurse fila, alegeți ID-ul fizic al
ClassificationDeliveryStreamS3Bucket
.
Se deschide consola Amazon S3. - Ștergeți orice obiect din această găleată.
- Reveniți la consola AWS CloudFormation, alegeți Ștergeși urmați instrucțiunile.
Manager de secrete AWS
În cele din urmă, ștergeți secretul Secrets Manager.
- Pe consola Secrets Manager, selectați secretul
ClassificationRedshiftClusterPassword
. - Pe Acţiuni meniu, alegeți Ștergeți secretul.
- Setați perioada de așteptare la 7 zile și alegeți Ștergere programată.
Secretul tău va fi șters automat după 7 zile.
Concluzie
În această postare, ați învățat cum să utilizați serviciile AWS pentru a crea un sistem automat de clasificare și recomandare. Această soluție va ajuta organizațiile dvs. să construiască următorul flux de lucru:
- Clasificați cererile clienților.
- Recomandați soluții automate.
- Analizați clasificările cererilor clienților și descoperiți cele mai importante solicitări ale clienților.
- Lansați o nouă soluție automatizată și creșteți rata de automatizare.
Pentru mai multe informații despre Amazon Comprehend, consultați Documentația Amazon Comprehend. De asemenea, puteți descoperi alte caracteristici Amazon Comprehend și vă puteți inspira din alte Postări de blog AWS despre utilizarea Amazon Comprehend dincolo de clasificare.
Despre Autori
Seongyeol Jerry Cho este inginer senior de dezvoltare de sisteme la AWS Managed Services cu sediul în Sydney, Australia. El se concentrează pe construirea de software de operare cloud extrem de scalabil și automatizat, folosind o varietate de tehnologii, inclusiv învățarea automată. În afara serviciului, îi place să călătorească, să campeze, să citească, să gătească și să alerge.
Manu Sasikumar este inginer de sisteme senior manager cu AWS Managed Services. Manu și echipa sa se concentrează pe construirea de automatizări puternice și ușor de utilizat pentru a reduce efortul manual și pentru a construi soluții bazate pe AI și ML pentru gestionarea cererilor clienților. În afara serviciului, îi place să-și petreacă timpul liber cu familia, precum și să facă parte din diferite activități umanitare și de voluntariat.
- Coinsmart. Cel mai bun schimb de Bitcoin și Crypto din Europa.
- Platoblockchain. Web3 Metaverse Intelligence. Cunoștințe amplificate. ACCES LIBER.
- CryptoHawk. Radar Altcoin. Încercare gratuită.
- Source: https://aws.amazon.com/blogs/machine-learning/how-service-providers-can-use-natural-language-processing-to-gain-insights-from-customer-tickets-with-amazon-comprehend/
- "
- 100
- 7
- a
- Despre Noi
- acces
- Conform
- Cont
- precis
- peste
- Acțiune
- activităţi de
- adresa
- avansat
- AI
- TOATE
- permite
- deja
- Cu toate ca
- Amazon
- analiză
- Google Analytics
- analiza
- api
- aplicație
- aplicatii
- adecvat
- arhitectură
- alocate
- de audit
- Australia
- automatizarea
- Automata
- Automat
- în mod automat
- Automatizare
- disponibil
- AWS
- deoarece
- înainte
- fiind
- de mai jos
- CEL MAI BUN
- între
- Dincolo de
- Bloca
- Blog
- frontieră
- construi
- Clădire
- afaceri
- business intelligence
- apel
- candidaţilor
- Capacitate
- captura
- capturi
- Categorii
- Provoca
- șansele
- canale
- caractere
- taxe
- Grafice
- Alege
- ales
- clasă
- clasificare
- Cloud
- cod
- Coloană
- Completă
- Calcula
- încredere
- Configuraţie
- Conectați
- conexiune
- Conexiuni
- consistent
- Consoleze
- conține
- continua
- cost-eficiente
- crea
- a creat
- Crearea
- creaţie
- scrisori de acreditare
- personalizat
- client
- clienţii care
- personaliza
- de date
- Baza de date
- baze de date
- întârziere
- Oferă
- În funcție
- desfășurarea
- descris
- detalii
- Dezvoltare
- diferit
- descoperi
- documente
- Nu
- dubla
- cu ușurință
- ușor de folosit
- editor
- eficiență
- efort
- permite
- permite
- criptare
- Punct final
- Motor
- inginer
- inginerii
- Intrați
- esenţial
- estimativ
- exemplu
- Cu excepția
- existent
- expert
- familie
- Caracteristică
- DESCRIERE
- financiar
- First
- Concentra
- se concentrează
- urma
- următor
- urmează
- din
- Îndeplini
- funcţie
- genera
- La nivel global
- grup
- Manipularea
- Piese metalice
- ajutor
- ajută
- Înalt
- extrem de
- găzduit
- Cum
- Cum Pentru a
- HTTPS
- Umanitar
- ICON
- punerea în aplicare a
- importatoare
- Inclusiv
- Crește
- a crescut
- informații
- Infrastructură
- intrare
- perspective
- Inspiraţie
- integra
- Inteligență
- problema
- probleme de
- IT
- Cheie
- chei
- Etichetă
- limbă
- mare
- mai mare
- lansare
- învățat
- învăţare
- Probabil
- Linie
- linii
- Listă
- încărca
- Uite
- maşină
- masina de învățare
- făcut
- întreținere
- administra
- gestionate
- manager
- de conducere
- manual
- manual
- Materiale
- menționat
- ar putea
- minim
- ML
- Mobil
- model
- Modele
- bani
- mai mult
- multiplu
- nume
- Natural
- Navigare
- necesar
- nevoilor
- notificare
- număr
- deschide
- deschide
- operaţie
- Operațiuni
- Oportunităţi
- Opţiuni
- organizație
- organizații
- Altele
- global
- propriu
- pachet
- parte
- Parolă
- oameni
- performanță
- perioadă
- fizic
- Pivot
- puternic
- prezenta
- precedent
- preţ
- procese
- prelucrare
- proteja
- furniza
- prevăzut
- furnizori
- public
- cumpărare
- ridica
- Citind
- în timp real
- recomandând
- reduce
- Redus
- regiune
- raportează
- Rapoarte
- solicita
- cereri de
- Cerinţe
- resursă
- Resurse
- rezultând
- REZULTATE
- Returnează
- Traseul
- Alerga
- funcţionare
- scalabil
- Scară
- secunde
- serverless
- serviciu
- Servicii
- set
- semna
- simplu
- singur
- Mărimea
- So
- Software
- solid
- soluţie
- soluţii
- unele
- Spaţiu
- Cheltuire
- stivui
- standard
- Începe
- începe
- Stare
- depozitare
- stoca
- magazine
- curent
- de streaming
- structurat
- prezentat
- a sustine
- sydney
- sistem
- sisteme
- echipă
- Tehnologii
- test
- Testarea
- astfel
- trei
- Prin
- de-a lungul
- bilet
- bilete
- timp
- Titlu
- instrument
- Unelte
- top
- Pregătire
- Transforma
- călătorie
- Tendinţe
- Tipuri
- descoperi
- unic
- de unităţi
- Actualizează
- utilizare
- obișnuit
- UTC
- folosi
- valoare
- varietate
- diverse
- versiune
- Vizualizare
- voluntar
- aștepta
- web
- Ce
- OMS
- pe scară largă
- în
- fără
- Apartamente
- fabrică
- Ta