Idag kan kunder skaffa supportbiljetter via flera kanaler som – webb, mobil, chat-bots, e-post eller telefonsamtal. När en supportärende tas upp av en kund, behandlas den och tilldelas den till en kategori baserat på informationen i ärendet. Den dirigeras sedan till supportgruppen för upplösning enligt biljettens kategori. Det uppskattas att ett stort antal supportbiljetter vanligtvis inte dirigeras till rätt grupp på grund av felaktig biljettkategorisering. Felaktigt tilldelade biljetter orsakar försening av den totala lösningstiden, vilket ofta resulterar i allvarligt missnöje hos kunder. Det kan också ha andra utbredda effekter som ekonomiska, operativa eller andra affärsmässiga återverkningar. Därför är biljettklassificering en viktig uppgift för varje organisation nuförtiden. Även om du kan klassificera biljetter manuellt, men det är benäget att fel, inte kostnadseffektivt och skalas inte.
AWS Managed Services (AMS) använder Amazon Comprehend anpassade klassificeringar för att kategorisera inkommande förfrågningar efter resurs och operationstyp baserat på hur kunden beskrev sitt problem. Amazon Comprehend är en NLP-tjänst (natural language processing) som använder maskininlärning (ML) för att avslöja värdefulla insikter och kopplingar i text. AMS använder anpassade klassificerare för att märka kundförfrågningar med lämpliga problemtyper, resurstyp och resursåtgärder och därigenom dirigera kundbiljetter till små och medelstora företag. Amazon Comprehend-klassificeringen används för att hitta möjligheter för nya interna automationsverktyg som AMS-ingenjörer kan använda för att uppfylla kundernas krav för att minska manuell ansträngning och risken för manuella fel. Klassificeringsdata lagras i en Amazon RedShift kluster och används för att analysera kundförfrågningar och hitta nya automationsverktygskandidater. Denna automatisering resulterar i ökad operativ effektivitet och minskade kostnader.
I det här inlägget visar vi hur hanterade tjänsteleverantörer kan använda Amazon Comprehend för att klassificera och dirigera biljetterna, ge förslag baserat på klassificeringen och använda klassificeringsdata.
Lösningsöversikt
Följande diagram visar lösningsarkitekturen.
Arbetsflödet är som följer:
- En kund skickar in biljetten.
- Biljettsystemet tar emot biljetten från kunden och anropar biljettklassificeraren AWS Lambda funktion med biljettinformationen. Lambda är en serverlös, händelsedriven beräkningstjänst som låter dig köra kod för praktiskt taget alla typer av applikationer eller backend-tjänster utan att tillhandahålla eller hantera servrar. Lambda är vald för lösningen för att minska kostnader och underhållsarbete.
- Biljettklassificeraren Lambda-funktionen klassificerar biljetten med Amazon Comprehend med hjälp av biljettens titel och beskrivning. Med Amazon Comprehend kan du träna NLP-modellen och tillhandahålla både batch- och realtidsklassificerare utan att tillhandahålla och underhålla infrastruktur.
- Biljettklassificeraren Lambda-funktionen skickar biljettklassificeringsdata till Amazon Redshift-klustret via Amazon Kinesis Data Firehose. Kinesis Data Firehose är en extrahera, transformera och ladda (ETL) tjänst som fångar, transformerar och levererar strömmande data till datasjöar, datalager och analystjänster. Amazon Redshift använder SQL för att analysera strukturerad och semistrukturerad data över datalager, operativa databaser och datasjöar, med hjälp av AWS-designad hårdvara och ML för att leverera bästa prisprestanda oavsett skala. Kinesis Data Firehose levererar data till en Amazon enkel lagringstjänst (Amazon S3) bucket först och utfärdar sedan ett Amazon Redshift COPY-kommando för att ladda data till ett Amazon Redshift-kluster.
- Biljettklassificeraren Lambda-funktionen anropar biljetthanterarens Lambda-funktion.
- Biljetthanteraren Lambda-funktionen kör kod för att hjälpa biljetthanteringen. I det här exemplet returnerar den det rekommenderade materialet för hantering av biljetten baserat på klassificeringen.
- Biljettanalys kan göras med Amazon QuickSight. Från biljettanalys kan du ta reda på den mest efterfrågade biljetttypen. Baserat på analysen kan du upptäcka biljetttrender och möjligheter att automatisera de bästa biljetttyperna. QuickSight är en molnskala business intelligence (BI)-tjänst som du kan använda för att leverera lättförståeliga insikter till personerna som du arbetar med, var de än befinner sig.
I följande avsnitt leder vi dig genom stegen för att implementera lösningen, integrera biljettklassificeringsinfrastrukturen med ditt biljettsystem och använda klassificeringsdata med QuickSight.
Implementera lösningen
I det här avsnittet går vi igenom stegen för att tillhandahålla dina lösningsresurser och skapa den nödvändiga infrastrukturen.
Konfigurera Amazon Comprehend
I det här steget tränar vi två nya anpassade klassificeringsmodeller från Amazon Comprehend: Drift och Resurs, och skapar en slutpunkt för analys i realtid för varje modell.
Ladda upp träningsdata
För att ladda upp träningsdata, slutför följande steg:
- Download ticket_training_data.zip och packa upp filen.
Den här mappen innehåller följande två filer:- training_data_operations.csv – Den här filen är en CSV-fil med två kolumner som vi använder för att träna operationsklassificeringsmodellen. Den första kolumnen innehåller
class
, och den andra kolumnen innehållerdocument
. - training_data_resources.csv – Den här filen är en CSV-fil med två kolumner som vi använder för att träna resursklassificeringsmodellen. Som
training_data_operations.csv
fil innehåller den första kolumnenclass
, och den andra kolumnen innehållerdocument
.
- training_data_operations.csv – Den här filen är en CSV-fil med två kolumner som vi använder för att träna operationsklassificeringsmodellen. Den första kolumnen innehåller
- På Amazon S3-konsolen skapar du en ny hink för Amazon Comprehend. Eftersom S3-skopnamnen är globalt unika måste du skapa ett unikt namn för hinken. För det här inlägget kallar vi det
comprehend-ticket-training-data
. Aktivera serversideskryptering och blockera offentlig åtkomst när du skapar hinken. - Ladda
training_data_operations.csv
ochtraining_data_resources.csv
till den nya S3-skopan.
Skapa två nya modeller
Utför följande steg för att skapa dina modeller:
- Välj på Amazon Comprehend-konsolen Anpassad klassificering i navigeringsfönstret.
- Välja Skapa ny modell.
- Tillhandahåll följande information:
- För Modellnamn, stiga på
ticket-classification-operation
. - För Språkväljer Engelska.
- För Klassificeringsläge, Välj Använder enkeletikettsläge.
- För Dataformat, Välj CSV-fil.
- För Utbildningsdataset, ange S3-sökvägen för
training_data_operations.csv
. - För Testa datakälla, Välj Autosplit.
Autosplit väljer automatiskt 10 % av din tillhandahållna träningsdata att använda som testdata. - För IAM-roll, Välj Skapa en IAM-roll.
- För Behörigheter för åtkomst, välj tränings-, test- och utdata (om specificerat) i dina S3-hinkar.
- För Namnsuffix, stiga på
ticket-classification
.
- För Modellnamn, stiga på
- Välja Skapa.
- Välja Skapa ny modell igen för att skapa din resursklassificeringsmodell.
- Tillhandahåll följande information:
- För Modellnamn, stiga på
ticket-classification-resource
. - För Språkväljer Engelska.
- För Klassificeringsläge, Välj Använder enkeletikettsläge.
- För Dataformat, Välj CSV-fil.
- För Utbildningsdataset, ange S3-sökvägen för
training_data_resources.csv
. - För Testa datakälla, välj Autosplit.
- För IAM-roll, Välj Använd en befintlig IAM-roll.
- För Rollnamnväljer
AmazonComprehendServiceRole-ticket-classification
.
- För Modellnamn, stiga på
- Välja Skapa.
Amazon Comprehend bearbetar nu CSV-filerna och använder dem för att träna anpassade klassificerare. Vi använder sedan dessa för att klassificera kundbiljetter. Ju större och mer exakt vår träningsdata är, desto mer exakt blir klassificeraren.
Vänta tills versionsstatusen visas som Trained
som nedan. Det kan ta upp till 1 timme att slutföra, beroende på storleken på träningsdata.
Skapa Amazon Comprehend-slutpunkter
Amazon Comprehend-slutpunkter faktureras i steg om 1 sekund, med minst 60 sekunder. Avgifter fortsätter att uppstå från det att du startar slutpunkten tills den raderas, även om inga dokument analyseras. För mer information, se Amazon Comprehend Prissättning. För att skapa dina slutpunkter, slutför följande steg:
- Välj på Amazon Comprehend-konsolen endpoints i navigeringsfönstret.
- Välja Skapa slutpunkt för att skapa din operationsklassificeringsslutpunkt.
- Tillhandahåll följande information:
- För Slutpunktsnamn, stiga på
ticket-classification-operation
. - För Anpassad modelltyp, Välj Anpassad klassificering.
- För Klassificeringsmodellväljer biljett-klassificering-operation.
- För versionväljer Inget versionsnamn.
- För Antal slutledningsenheter (IU), stiga på
1
.
- För Slutpunktsnamn, stiga på
- Välja Skapa slutpunkt.
- Välja Skapa slutpunkt igen för att skapa slutpunkten för resursklassificeringen.
- Tillhandahåll följande information:
- För Slutpunktsnamn, stiga på
ticket-classification-resource
. - För Anpassad modelltyp, Välj Anpassad klassificering.
- För Klassificeringsmodellväljer biljett-klassificering-resurs.
- För versionväljer Inget versionsnamn.
- För Antal slutledningsenheter (IU), stiga på
1
.
- För Slutpunktsnamn, stiga på
- Välja Skapa slutpunkt.
När du har skapat båda slutpunkterna, vänta tills statusen för båda visar som Active
.
Testa Amazon Comprehend-slutpunkterna med realtidsanalys
För att testa dina slutpunkter, slutför följande steg:
- Välj på Amazon Comprehend-konsolen Realtidsanalys i navigeringsfönstret.
- För AnalystypVälj Custom.
- För Slutpunkt¸ välja biljett-klassificering-operation.
- För Mata in text, Skriv följande:
- Välja Analysera.
Resultaten visar attUpdate
klass har högst förtroendepoäng. - byta Slutpunkt till biljett-klassificering-resurs Och välj Analysera igen.
Resultaten visar att EC2
klass har högst förtroendepoäng.
Skapa en hemlighet för Amazon Redshift-klusterlösenordet
I detta steg skapar vi en AWS Secrets Manager hemlighet för ditt Amazon Redshift-klusterlösenord. Secrets Manager hjälper dig att skydda hemligheter som behövs för att komma åt dina applikationer, tjänster och IT-resurser. Tjänsten gör att du enkelt kan rotera, hantera och hämta databasuppgifter, API-nycklar och andra hemligheter under hela livscykeln. I det här inlägget lagrar vi Amazon Redshift-klusterlösenordet i en Secrets Manager-hemlighet.
- Välj på Secrets Manager-konsolen Secrets i navigeringsfönstret.
- Välja Lagra en ny hemlighet.
- För Hemlig typ, Välj Annan typ av hemlighet.
- Enligt Nyckel/värdepar, ställ in din nyckel som
password
och värde som ditt Amazon Redshift-klusterlösenord.
Lösenordet måste vara mellan 8–64 tecken långt och innehålla minst en stor bokstav, en liten bokstav och en siffra. Det kan vara vilket som helst utskrivbart ASCII-tecken utom ' (enkelt citattecken), " (dubbla citattecken), , /, @ eller mellanslag. - Välja Nästa.
- För Hemligt namn, stiga på
ClassificationRedshiftClusterPassword
. - Välja Nästa.
- I Hemlig rotation avsnitt väljer Nästa.
- Granska din hemliga konfiguration och välj HITTA BUTIK.
Förse din infrastruktur med AWS CloudFormation
I det här steget tillhandahåller vi infrastrukturen för lösningen med hjälp av en AWS molnformation stack.
Ladda upp Lambda-funktionskoden
Innan du startar CloudFormation-stacken, ladda upp din Lambda-funktionskod:
- Download lambda_code.zip
- På Amazon S3-konsolen öppnar du hinken som du skapade.
- Ladda
lambda_code.zip
.
Skapa din CloudFormation-stack
För att tillhandahålla resurser med AWS CloudFormation, slutför följande steg:
- Download cloudformation_template.json.
- Välj på AWS CloudFormation-konsolen Skapa stack.
- Välja Med nya resurser (standard).
- För Mallkällaväljer Ladda upp en mallfil.
- Välj den nedladdade CloudFormation-mallen.
- Välja Nästa.
- För Stapla namn, stiga på
Ticket-Classification-Infrastructure
. - I parametrar sektion, ange följande värden:
- För KlassificeringRedshiftClusterNodeType, ange Amazon Redshift-klusternodtypen. dc2.large är standard.
- För KlassificeringRedshiftClusterPasswordSecretName, ange Secrets Managers hemliga namn som lagrar Amazon Redshift-klusterlösenordet.
- För KlassificeringRedshiftClusterSubnetId, ange subnät-ID där Amazon Redshift Cluster är värd. Undernätet måste finnas inom den VPC som du nämnde i
ClassificationRedshiftClusterVpcId
parameter. - För KlassificeringRedshiftClusterAnvändarnamn, ange Amazon Redshift-klusteranvändarnamnet.
- För KlassificeringRedshiftClusterVpcId, ange VPC-ID där Amazon Redshift-klustret är värd.
- För LambdaCodeS3Bucket, ange S3-hinkens namn där du laddade upp lambdakoden.
- För LambdaCodeS3Key, ange Amazon S3-nyckeln för distributionspaketet.
- För QuickSightRegion, ange Region för QuickSight. Regionen för QuickSight bör överensstämma med den region du använder för Amazon Comprehend och S3-hinken.
- Välja Nästa.
- I Konfigurera stackalternativ avsnitt väljer Nästa.
- I översyn avsnitt, välj Jag erkänner att AWS CloudFormation kan skapa IAM-resurser.
- Välja Skapa stack.
Konfigurera ditt Amazon Redshift-kluster
I det här steget aktiverar du granskningsloggning och lägger till den nya tabellen i Amazon Redshift-klustret som skapats med CloudFormation-mallen.
Granskningsloggning är inte aktiverat som standard i Amazon Redshift. När du aktiverar loggning på ditt kluster exporterar Amazon Redshift loggar till amazoncloudwatch, som samlar in data från tidpunkten för granskningsloggning är aktiverad till nutid. Varje logguppdatering är en fortsättning på de tidigare loggarna.
Aktivera granskningsloggning
Du kan hoppa över det här steget om du inte behöver granskningsloggning för ditt Amazon Redshift-kluster.
- Välj på Amazon Redshift-konsolen kluster i navigeringsfönstret.
- Välj Amazon Redshift-klustret som börjar med
classificationredshiftcluster-
. - På Våra Bostäder fliken, välj Redigera.
- Välja Redigera revisionsloggning.
- För Konfigurera granskningsloggning¸ välja Sätta på.
- För Loggexperttypväljer CloudWatch.
- Välj alla loggtyper.
- Välja Spara ändringar.
Skapa ny tabell
För att skapa en ny tabell, utför följande steg:
- Välj på Amazon Redshift-konsolen Fråga data.
- Välja Fråga i frågeredigeraren v2.
- På Databas sida, välj ditt kluster.
- För Databas, stiga på
ticketclassification
. - Ange användarnamnet och lösenordet som du konfigurerade i CloudFormations stackparametrar.
- Välja Skapa anslutning.
- När anslutningen är gjord, välj plustecknet och öppna ett nytt frågefönster.
- Ange följande fråga:
- Välja Körning.
Testa klassificeringsinfrastrukturen
Nu är infrastrukturen för biljettklassificering klar. Innan vi integrerar med ditt biljettsystem, låt oss testa klassificeringsinfrastrukturen.
Kör testet
Utför följande steg för att köra testet:
- Välj på Lambda-konsolen Funktioner i navigeringsfönstret.
- Välj den funktion som börjar med
Ticket-Classification-Inf-TicketClassifier
. - På Testa fliken, välj Testhändelse.
- För Namn , stiga på
TestTicket
. - Ange följande testdata:
- Välja Testa.
Biljetten är klassificerad och klassificeringsdata lagras i Amazon Redshift-klustret. Efter klassificeringen körs biljetthanterarens Lambda-funktion, som hanterar biljetten utifrån klassificeringen, inklusive att rekommendera material till supporttekniker.
Kontrollera biljettklassificeringstestloggen
Utför följande steg för att kontrollera testloggen:
- Välj i resultatdelen av testet Loggar, eller välj Visa loggar i CloudWatch på Övervaka fliken.
- Välj loggström.
Du kan se loggarna i följande skärmdump, som visar resultatet från Amazon Comprehend och biljettens slutliga toppklassificering. I det här exemplet klassificeras testbiljetten som Resource=EC2
, Operation=Update
.
Kontrollera biljettklassificeringen i Amazon Redshift-klustret
För att validera utdata i ditt kluster, utför följande steg:
- På Amazon Redshift query editor v2-konsolen väljer du plustecknet för att öppna ett nytt frågefönster.
- Ange följande fråga:
- Välja Körning.
Följande skärmdump visar biljettklassificeringen. Om det inte är tillgängligt ännu, vänta i några minuter och försök igen (Kinesis Data Firehose behöver lite tid för att skicka data). Vi kan nu använda denna data i QuickSight.
Kontrollera biljetthanterarens testlogg
Efter att biljettklassificeraren har skickat klassificeringsdata i Amazon Redshift-klustret, körs biljetthanterarens Lambda-funktion, som hanterar biljetten baserat på klassificeringen, inklusive att rekommendera material till supporttekniker. I det här exemplet returnerar biljetthanteraren rekommenderat material inklusive runbook, AWS-dokumentation och SSM-dokument så att support kan hänvisa till dem vid hantering av ärendet. Du kan integrera utgången med ditt biljetthanteringssystem och du kan anpassa hanteringsprocesserna i Lambda-funktionskoden. I det här steget kontrollerar vi vilka rekommendationer som gjordes.
- Välj på Lambda-konsolen Funktioner i navigeringsfönstret.
- Välj den lambdafunktion som börjar med
Ticket-Classification-Inf-TicketHandlerLambdaFunct
. - På Övervaka fliken, välj Visa loggar i CloudWatch.
- Välj loggström.
Följande skärmdump visar loggarna. Du kan se utdata från Amazon Comprehend och listan över rekommenderade AWS-dokument och SSM-dokument för biljetten klassad som Update EC2
. Du kan lägga till dina egna runbooks, dokument, SSM-dokument eller något annat material i Lambda-funktionskoden.
Integrera biljettklassificeringsinfrastrukturen med ditt biljettsystem
I det här avsnittet går vi igenom stegen för att integrera din biljettklassificeringsinfrastruktur med ditt biljettsystem och anpassa din konfiguration.
De flesta biljettsystem har en triggerfunktion, som gör att du kan köra kod när biljetten skickas. Ställ in ditt biljettsystem för att anropa biljettklassificeraren Lambda-funktionen med följande formaterade indata:
Om du vill anpassa ingången, ändra biljettklassificeraren Lambda-funktionskoden. Du måste lägga till eller ta bort parametrar (raderna 90–105) och anpassa inmatningen för Amazon Comprehend (raderna 15–17).
Du kan anpassa biljetthanterarens Lambda-funktion för att köra automatisering eller redigera rekommendationerna. Du kan till exempel lägga till den interna kommentaren till biljetten med rekommendationerna. För att anpassa, öppna biljetthanterarens lambdakod och redigera raderna 68–70 och 75–81.
Använd klassificeringsdata med QuickSight
När du har integrerat biljettklassificeringsinfrastrukturen med ditt biljettsystem, lagras biljettklassificeringsdata i Amazon Redshift-klustret. Du kan använda QuickSight för att kontrollera denna data och generera rapporter. I det här exemplet genererar vi en QuickSight-analys med klassificeringsdata.
Registrera dig för QuickSight
Om du inte redan har QuickSight, registrera dig med följande steg:
- Välj på QuickSight-konsolen Registrera dig för QuickSight.
- Välja Standard.
- Enligt QuickSight-regionen, välj den region du konfigurerade i CloudFormation-parametern
QuickSightRegion
. - Enligt Konto information, ange ditt QuickSight-kontonamn och e-postadress för avisering.
- Enligt QuickSight-åtkomst till AWS-tjänster, Välj Amazon RedShift.
- Om du vill tillåta åtkomst och autodiscovery för andra resurser, välj dem också.
- Välja Finish.
- Välja Gå till Amazon QuickSight efter att du har registrerat dig.
Anslut ditt Amazon Redshift-kluster till QuickSight
För att ansluta ditt kluster till QuickSight som en datakälla, utför följande steg:
- Välj på QuickSight-konsolen dataset i navigeringsfönstret.
- Välja Nytt datasätt.
- Välja Rödförskjutning Auto-upptäckt.
- Tillhandahåll följande information:
- För Datakällans namn, stiga på
ticketclassification
. - För Instans -ID, välj Amazon Redshift-klustret som börjar med
classificationredshiftcluster-
. - För Kopplingstypväljer Publikt nätverk.
- För Databas namn, stiga på
ticketclassification
. - Ange Amazon Redshift-klustrets användarnamn och lösenord som du konfigurerade i CloudFormations stackparametrar.
- För Datakällans namn, stiga på
- Välja Validera anslutningen för att se om anslutningen fungerar.
Om det inte fungerar beror det troligen på att du använder fel användarnamn och lösenord, eller så är QuickSight-regionen annorlunda än vad du angav i CloudFormation-stacken. - Välja Skapa datakälla.
- I Välj ditt bord avsnitt, välj
tickets
tabell. - Välja Välja.
- Välja Importera till SPICE för snabbare analyser.
SPICE är QuickSights supersnabba, parallella beräkningsmotor i minnet. Den är konstruerad för att snabbt utföra avancerade beräkningar och visa data. Importera (kallas även inges) din data i SPICE kan spara tid och pengar. För mer information om SPICE, se Importera data till SPICE. Om du får felet "Inte tillräckligt med SPICE-kapacitet", köp mer SPICE-kapacitet. För mer information, se Köper SPICE-kapacitet i en AWS-region. - Välja visualisera.
Skapa en analysrapport för biljettklassificering
När du är klar med att skapa datauppsättningar kan du se den nya QuickSight-analysen. I det här avsnittet går vi igenom stegen för att skapa en analysrapport för biljettklassificering, inklusive en pivottabell, cirkeldiagram och linjediagram.
- Välja Autograf.
- Enligt Visuella typer, välj pivottabellen.
- Dra
operation
från Fältlista till rader. - Dra
resource
från Fältlista till Kolonner. - På Lägg till meny, välj Lägg till visuellt.
- Enligt Visuella typer, välj cirkeldiagrammet.
- Dra
operation
från Fältlista till Grupp / färg. - På Lägg till meny, välj Lägg till visuellt igen.
- Enligt Visuella typer, välj cirkeldiagrammet igen.
- Dra
resource
från Fältlista till Grupp / färg. - På Lägg till meny, välj Lägg till visuellt igen.
- Enligt Visuella typer, välj linjediagrammet.
- Dra
creation_time
från Fältlista till X-axel. - Dra
operation
från Fältlista till Färg. - På Lägg till meny, välj Lägg till visuellt igen.
- Enligt Visuella typer, välj linjediagrammet igen.
- Dra
creation_time
från Fältlista till X-axel. - Dra
operation
från Fältlista till Färg. - Ändra storlek och ordna om diagrammen efter behov.
- Välja Spara som.
- Ange ett namn för din analys och välj Save.
Grattis! Din första biljettanalys är klar. När du har mer data kommer analysen att se ut som följande skärmdump.
Städa upp
I det här steget städar vi upp de resurser vi skapat med olika tjänster.
Amazon Comprehend
För att ta bort dina slutpunkter, slutför följande steg:
- Välj på Amazon Comprehend-konsolen endpoints i navigeringsfönstret.
- Välj
endpoint ticket-classification-operation
. - Välja Radera och följ anvisningarna.
- Upprepa dessa steg för att ta bort
ticket-classification-resource
slutpunkt.
Ta sedan bort de anpassade klassificeringar du skapade. - Välja Anpassad klassificering i navigeringsfönstret.
- Välj
classification ticket-classification-operation
. - Välja Inget versionsnamn.
- Välja Radera och följ anvisningarna.
- Upprepa dessa steg för att ta bort
ticket-classification-resource
klassificering.
Amazon S3
Rensa sedan upp S3-hinken du skapade.
- På Amazon S3-konsolen väljer du den hink du skapade.
- Ta bort alla objekt i hinken.
- Ta bort hinken.
Amazon QuickSight
Ta bort QuickSight-analyserna och datauppsättningen som du skapade.
- Välj på QuickSight-konsolen analyser i navigeringsfönstret.
- Välj alternativikonen (tre punkter) på analysen du skapade.
- Välja Radera och följ anvisningarna.
- Välja dataset i navigeringsfönstret.
- Välj
tickets
datasätt. - Välja Ta bort dataset och följ anvisningarna.
AWS molnformation
Rensa upp resurserna du skapade som en del av CloudFormation-stacken.
- Välj på AWS CloudFormation-konsolen Stacks i navigeringsfönstret.
- Välj
Ticket-Classification-Infrastructure
stack. - På Resurser fliken, välj det fysiska ID:t för
ClassificationDeliveryStreamS3Bucket
.
Amazon S3-konsolen öppnas. - Ta bort alla objekt i den här hinken.
- Gå tillbaka till AWS CloudFormation-konsolen, välj Raderaoch följ anvisningarna.
AWS Secrets Manager
Slutligen, ta bort Secrets Manager-hemligheten.
- Välj hemligheten på Secrets Manager-konsolen
ClassificationRedshiftClusterPassword
. - På Handlingar meny, välj Ta bort hemlighet.
- Ställ in väntetiden till 7 dagar och välj Schemalägg radering.
Din hemlighet raderas automatiskt efter 7 dagar.
Slutsats
I det här inlägget lärde du dig hur du använder AWS-tjänster för att skapa ett automatiskt klassificerings- och rekommendationssystem. Den här lösningen hjälper dina organisationer att bygga upp följande arbetsflöde:
- Klassificera kundförfrågningar.
- Rekommendera automatiserade lösningar.
- Analysera klassificeringar av kundförfrågningar och upptäck de främsta kundförfrågningarna.
- Släpp en ny automatiserad lösning och öka automationshastigheten.
För mer information om Amazon Comprehend, se Amazon Comprehend-dokumentation. Du kan också upptäcka andra Amazon Comprehend-funktioner och få inspiration från andra AWS blogginlägg om att använda Amazon Comprehend utöver klassificering.
Om författarna
Seongyeol Jerry Cho är senior systemutvecklingsingenjör på AWS Managed Services baserad i Sydney, Australien. Han fokuserar på att bygga mycket skalbar och automatiserad mjukvara för molndrift med en mängd olika tekniker, inklusive maskininlärning. Utanför jobbet tycker han om att resa, campa, läsa, laga mat och springa.
Manu Sasikumar är Sr. Systems Engineer Manager med AWS Managed Services. Manu och hans team fokuserar på att bygga kraftfulla och lättanvända automatiseringar för att minska manuella ansträngningar och bygga AI- och ML-baserade lösningar för att hantera kundförfrågningar. Utanför jobbet älskar han att spendera sin fritid med sin familj, samt att vara en del av olika humanitära och volontäraktiviteter.
- Myntsmart. Europas bästa bitcoin- och kryptobörs.
- Platoblockchain. Web3 Metaverse Intelligence. Kunskap förstärkt. FRI TILLGÅNG.
- CryptoHawk. Altcoin radar. Gratis provperiod.
- Källa: https://aws.amazon.com/blogs/machine-learning/how-service-providers-can-use-natural-language-processing-to-gain-insights-from-customer-tickets-with-amazon- förstå/
- "
- 100
- 7
- a
- Om oss
- tillgång
- Enligt
- Konto
- exakt
- tvärs
- Handling
- aktiviteter
- adress
- avancerat
- AI
- Alla
- tillåter
- redan
- Även
- amason
- analys
- analytics
- analysera
- api
- Ansökan
- tillämpningar
- lämpligt
- arkitektur
- delad
- revision
- Australien
- automatisera
- Automatiserad
- Automat
- automatiskt
- Automation
- tillgänglig
- AWS
- därför att
- innan
- Där vi får lov att vara utan att konstant prestera,
- nedan
- BÄST
- mellan
- Bortom
- Blockera
- Blogg
- gränsen
- SLUTRESULTAT
- Byggnad
- företag
- business intelligence
- Ring
- kandidater
- Kapacitet
- fånga
- fångar
- Kategori
- Orsak
- chanser
- kanaler
- tecken
- avgifter
- Diagram
- Välja
- valda
- klass
- klassificering
- cloud
- koda
- Kolumn
- fullborda
- Compute
- förtroende
- konfiguration
- Kontakta
- anslutning
- Anslutningar
- konsekvent
- Konsol
- innehåller
- fortsätta
- kostnadseffektiv
- skapa
- skapas
- Skapa
- skapande
- referenser
- beställnings
- kund
- Kunder
- skräddarsy
- datum
- Databas
- databaser
- fördröja
- levererar
- beroende
- utplacering
- beskriven
- detaljer
- Utveckling
- olika
- Upptäck
- dokument
- inte
- dubbla
- lätt
- LÄTTANVÄND
- redaktör
- effektivitet
- ansträngning
- möjliggöra
- möjliggör
- kryptering
- Slutpunkt
- Motor
- ingenjör
- Ingenjörer
- ange
- väsentlig
- beräknad
- exempel
- Utom
- befintliga
- expert
- familj
- Leverans
- Funktioner
- finansiella
- Förnamn
- Fokus
- fokuserar
- följer
- efter
- följer
- från
- Uppfylla
- fungera
- generera
- Globalt
- Grupp
- Arbetsmiljö
- hårdvara
- hjälpa
- hjälper
- Hög
- höggradigt
- värd
- Hur ser din drömresa ut
- How To
- HTTPS
- Humanitärt
- IKON
- genomföra
- importera
- Inklusive
- Öka
- ökat
- informationen
- Infrastruktur
- ingång
- insikter
- Inspiration
- integrera
- Intelligens
- fråga
- problem
- IT
- Nyckel
- nycklar
- etikett
- språk
- Large
- större
- lansera
- lärt
- inlärning
- sannolikt
- linje
- rader
- Lista
- läsa in
- se
- Maskinen
- maskininlärning
- gjord
- underhåll
- hantera
- förvaltade
- chef
- hantera
- manuell
- manuellt
- material
- nämnts
- kanske
- minsta
- ML
- Mobil
- modell
- modeller
- pengar
- mer
- multipel
- namn
- Natural
- Navigering
- nödvändigt för
- behov
- anmälan
- antal
- öppet
- öppnas
- drift
- Verksamhet
- möjligheter
- Tillbehör
- organisation
- organisationer
- Övriga
- övergripande
- egen
- paket
- del
- Lösenord
- Personer
- prestanda
- perioden
- fysisk
- pivot
- den mäktigaste
- presentera
- föregående
- pris
- processer
- bearbetning
- skydda
- ge
- förutsatt
- leverantörer
- allmän
- inköp
- höja
- Läsning
- realtid
- rekommendera
- minska
- Minskad
- region
- rapport
- Rapport
- begära
- förfrågningar
- Krav
- resurs
- Resurser
- resulterande
- Resultat
- återgår
- Rutt
- Körning
- rinnande
- skalbar
- Skala
- sekunder
- Server
- service
- Tjänster
- in
- signera
- Enkelt
- enda
- Storlek
- So
- Mjukvara
- fast
- lösning
- Lösningar
- några
- Utrymme
- Spendera
- stapel
- standard
- starta
- startar
- status
- förvaring
- lagra
- lagrar
- ström
- streaming
- strukturerade
- lämnats
- stödja
- sydney
- system
- System
- grupp
- Tekniken
- testa
- Testning
- Smakämnen
- vari
- tre
- Genom
- hela
- biljett
- biljetter
- tid
- Titel
- verktyg
- verktyg
- topp
- Utbildning
- Förvandla
- färdas
- Trender
- typer
- avslöja
- unika
- enheter
- Uppdatering
- användning
- vanligen
- UTC
- utnyttja
- värde
- mängd
- olika
- version
- utsikt
- volontär
- vänta
- webb
- Vad
- VEM
- utbredd
- inom
- utan
- Arbete
- fungerar
- Din