Günümüzde müşteriler web, mobil, sohbet botları, e-postalar veya telefon görüşmeleri gibi birden çok kanal aracılığıyla destek biletleri toplayabilir. Bir müşteri tarafından bir destek talebi oluşturulduğunda, işlenir ve bilette sağlanan bilgilere göre bir kategoriye atanır. Daha sonra biletin kategorisine göre çözümlenmesi için destek grubuna yönlendirilir. Yanlış bilet kategorizasyonu nedeniyle yüksek sayıda destek biletinin genellikle doğru gruba yönlendirilmediği tahmin edilmektedir. Yanlış atanan biletler, genel çözüm süresinde gecikmeye neden olarak, genellikle ciddi müşteri memnuniyetsizliğine neden olur. Ayrıca finansal, operasyonel veya diğer ticari yansımalar gibi başka yaygın etkileri de olabilir. Bu nedenle, bilet sınıflandırması bugünlerde her kuruluş için önemli bir görevdir. Biletleri manuel olarak sınıflandırabilirsiniz, ancak hataya açıktır, uygun maliyetli değildir ve ölçeklenmez.
AWS Yönetilen Hizmetler (AMS) kullanır Amazon Kavramak Müşterinin sorununu nasıl tanımladığına bağlı olarak gelen istekleri kaynağa ve işlem türüne göre sınıflandırmak için özel sınıflandırmalar. Amazon Comprehend, metindeki değerli içgörüleri ve bağlantıları ortaya çıkarmak için makine öğrenimini (ML) kullanan bir doğal dil işleme (NLP) hizmetidir. AMS, müşteri taleplerini uygun sorun türleri, kaynak türü ve kaynak eylemiyle etiketlemek için özel sınıflandırıcılar kullanır ve böylece müşteri biletlerini KOBİ'lere yönlendirir. Amazon Comprehend sınıflandırması, AMS mühendislerinin manuel çabayı ve manuel hata olasılığını azaltmak için müşteri gereksinimlerini karşılamak üzere kullanabilecekleri yeni dahili otomasyon araçlarına yönelik fırsatlar bulmak için kullanılır. Sınıflandırma verileri bir Amazon Kırmızıya Kaydırma küme ve müşteri isteklerini analiz etmek ve yeni otomasyon aracı adayları bulmak için kullanılır. Bu otomasyon, artan operasyonel verimlilik ve düşük maliyetle sonuçlanır.
Bu yayında, yönetilen hizmet sağlayıcıların biletleri sınıflandırmak ve yönlendirmek, sınıflandırmaya dayalı öneriler sunmak ve sınıflandırma verilerini kullanmak için Amazon Comprehend'i nasıl kullanabileceğini gösteriyoruz.
Çözüme genel bakış
Aşağıdaki diyagram çözüm mimarisini göstermektedir.
İş akışı aşağıdaki gibidir:
- Bir müşteri bileti gönderir.
- Bilet sistemi müşteriden bileti alır ve bilet sınıflandırıcısını çağırır. AWS Lambda bilet detayları ile çalışır. Lambda, sunucuları sağlamadan veya yönetmeden hemen hemen her tür uygulama veya arka uç hizmeti için kod çalıştırmanıza olanak tanıyan sunucusuz, olaya dayalı bir bilgi işlem hizmetidir. Maliyeti ve bakım çabasını azaltmak için çözüm olarak Lambda seçilmiştir.
- Bilet sınıflandırıcı Lambda işlevi, bilet başlığını ve açıklamasını kullanarak bileti Amazon Comprehend ile sınıflandırır. Amazon Comprehend ile NLP modelini eğitebilir ve altyapı sağlamadan ve bakımını yapmadan hem toplu hem de gerçek zamanlı sınıflandırıcılar sağlayabilirsiniz.
- Bilet sınıflandırıcı Lambda işlevi, bilet sınıflandırma verilerini aracılığıyla Amazon Redshift kümesine gönderir. Amazon Kinesis Veri İtfaiyesi. Kinesis Data Firehose, akış verilerini yakalayan, dönüştüren ve veri göllerine, veri depolarına ve analiz hizmetlerine ileten bir ayıklama, dönüştürme ve yükleme (ETL) hizmetidir. Amazon Redshift, her ölçekte en iyi fiyat performansını sunmak için AWS tarafından tasarlanmış donanım ve ML kullanarak veri ambarları, operasyonel veritabanları ve veri gölleri genelinde yapılandırılmış ve yarı yapılandırılmış verileri analiz etmek için SQL kullanır. Kinesis Data Firehose, verileri bir Amazon Basit Depolama Hizmeti Önce (Amazon S3) kovası, ardından verileri bir Amazon Redshift kümesine yüklemek için bir Amazon Redshift COPY komutu yayınlar.
- Bilet sınıflandırıcı Lambda işlevi, bilet işleyici Lambda işlevini çağırır.
- Bilet işleyici Lambda işlevi, biletin işlenmesine yardımcı olmak için kod çalıştırır. Bu örnekte, sınıflandırmaya göre biletin işlenmesi için önerilen malzemeleri döndürür.
- Bilet analizi ile yapılabilir Amazon QuickSight. Bilet analizinden en çok talep edilen bilet tipini öğrenebilirsiniz. Analize dayanarak, en iyi bilet türlerini otomatikleştirmek için bilet trendlerini ve fırsatlarını keşfedebilirsiniz. QuickSight, birlikte çalıştığınız kişilere, nerede olurlarsa olsunlar, anlaşılması kolay içgörüler sağlamak için kullanabileceğiniz, bulut ölçeğinde bir iş zekası (BI) hizmetidir.
Aşağıdaki bölümlerde çözümü uygulama, bilet sınıflandırma altyapısını biletleme sisteminizle entegre etme ve sınıflandırma verilerini QuickSight ile kullanma adımlarında size yol göstereceğiz.
Çözümü uygula
Bu bölümde, çözüm kaynaklarınızı sağlamak ve gerekli altyapıyı oluşturmak için gerekli adımları atıyoruz.
Amazon Anlayışını Yapılandırın
Bu adımda, iki yeni Amazon Comprehend özel sınıflandırma modelini eğitiyoruz: Operasyon ve Kaynak ve her model için gerçek zamanlı bir analiz uç noktası oluşturuyoruz.
Eğitim verilerini yükleyin
Eğitim verilerini yüklemek için aşağıdaki adımları tamamlayın:
- İndir bilet_training_data.zip ve dosyayı açın.
Bu klasör aşağıdaki iki dosyayı içerir:- eğitim_verileri_operasyonları.csv – Bu dosya, Operasyon sınıflandırma modelini eğitmek için kullandığımız iki sütunlu bir CSV dosyasıdır. İlk sütun şunları içerir:
class
, ve ikinci sütun şunları içerir:document
. - training_data_resources.csv – Bu dosya, Kaynak sınıflandırma modelini eğitmek için kullandığımız iki sütunlu bir CSV dosyasıdır. Gibi
training_data_operations.csv
dosyası, ilk sütun şunları içerir:class
, ve ikinci sütun şunları içerir:document
.
- eğitim_verileri_operasyonları.csv – Bu dosya, Operasyon sınıflandırma modelini eğitmek için kullandığımız iki sütunlu bir CSV dosyasıdır. İlk sütun şunları içerir:
- Amazon S3 konsolunda Amazon Comprehend için yeni bir paket oluşturun. S3 paket adları global olarak benzersiz olduğundan, paket için benzersiz bir ad oluşturmanız gerekir. Bu yazı için biz buna
comprehend-ticket-training-data
. Paketi oluştururken sunucu tarafı şifrelemeyi etkinleştirin ve genel erişimi engelleyin. - Foto Yükle
training_data_operations.csv
vetraining_data_resources.csv
yeni S3 kovasına.
İki yeni model oluşturun
Modellerinizi oluşturmak için aşağıdaki adımları tamamlayın:
- Amazon Comprehend konsolunda şunu seçin: Özel sınıflandırma Gezinti bölmesinde.
- Klinik Yeni model oluştur.
- Aşağıdaki bilgileri sağlayın:
- İçin Model adı, girmek
ticket-classification-operation
. - İçin Dil, seçmek İngilizce.
- İçin Sınıflandırıcı moduseçin Tek etiket modunu kullanma.
- İçin Veri formatıseçin CSV dosyası.
- İçin Eğitim veri seti, için S3 yolunu girin
training_data_operations.csv
. - İçin Test veri kaynağıseçin otomatik bölme.
Otomatik bölme, test verileri olarak kullanmak için sağlanan eğitim verilerinizin %10'unu otomatik olarak seçer. - İçin IAM Rolüseçin Bir IAM rolü oluşturma.
- İçin Erişim izinleri, S3 klasörlerinizdeki eğitim, test ve çıktı verilerini (belirtilmişse) seçin.
- İçin İsim soneki, girmek
ticket-classification
.
- İçin Model adı, girmek
- Klinik oluşturmak.
- Klinik Yeni model oluştur kaynak sınıflandırma modelinizi oluşturmak için tekrar.
- Aşağıdaki bilgileri sağlayın:
- İçin Model adı, girmek
ticket-classification-resource
. - İçin Dil, seçmek İngilizce.
- İçin Sınıflandırıcı moduseçin Tek etiket modunu kullanma.
- İçin Veri formatıseçin CSV dosyası.
- İçin Eğitim veri seti, için S3 yolunu girin
training_data_resources.csv
. - İçin Test veri kaynağı, Otomatik Böl'ü seçin.
- İçin IAM Rolüseçin Mevcut bir IAM rolünü kullanma.
- İçin Rol ismi, seçmek
AmazonComprehendServiceRole-ticket-classification
.
- İçin Model adı, girmek
- Klinik oluşturmak.
Amazon Comprehend artık CSV dosyalarını işliyor ve bunları özel sınıflandırıcıları eğitmek için kullanıyor. Daha sonra bunları müşteri biletlerini sınıflandırmaya yardımcı olmak için kullanırız. Eğitim verilerimiz ne kadar büyük ve doğruysa, sınıflandırıcı da o kadar doğru olacaktır.
Sürüm durumunun şu şekilde gösterilmesini bekleyin: Trained
aşağıdaki gibi. Egzersiz verilerinin boyutuna bağlı olarak tamamlanması 1 saat kadar sürebilir.
Amazon Comprehend uç noktaları oluşturun
Amazon Comprehend uç noktaları, en az 1 saniye olmak üzere 60 saniyelik artışlarla faturalandırılır. Hiçbir belge analiz edilmese bile, uç noktayı başlattığınız andan silinene kadar ücretler uygulanmaya devam eder. Daha fazla bilgi için, bkz Amazon Anlayış Fiyatlandırması. Uç noktalarınızı oluşturmak için aşağıdaki adımları tamamlayın:
- Amazon Comprehend konsolunda şunu seçin: Uç noktalar Gezinti bölmesinde.
- Klinik Bitiş noktası oluştur işlem sınıflandırma uç noktanızı oluşturmak için.
- Aşağıdaki bilgileri sağlayın:
- İçin Bitiş noktası adı, girmek
ticket-classification-operation
. - İçin Özel model türüseçin Özel sınıflandırma.
- İçin sınıflandırıcı modeli, seçmek bilet-sınıflandırma-işlem.
- İçin Sürümü, seçmek Sürüm Adı Yok.
- İçin Çıkarım birimlerinin sayısı (IU'lar), girmek
1
.
- İçin Bitiş noktası adı, girmek
- Klinik Bitiş noktası oluştur.
- Klinik Bitiş noktası oluştur kaynak sınıflandırma uç noktasını oluşturmak için tekrar.
- Aşağıdaki bilgileri sağlayın:
- İçin Bitiş noktası adı, girmek
ticket-classification-resource
. - İçin Özel model türüseçin Özel sınıflandırma.
- İçin sınıflandırıcı modeli, seçmek bilet-sınıflandırma-kaynak.
- İçin Sürümü, seçmek Sürüm Adı Yok.
- İçin Çıkarım birimlerinin sayısı (IU'lar), girmek
1
.
- İçin Bitiş noktası adı, girmek
- Klinik Bitiş noktası oluştur.
Her iki uç noktayı da oluşturduktan sonra, her ikisinin de durumu şu şekilde gösterilene kadar bekleyin: Active
.
Amazon Comprehend uç noktalarını gerçek zamanlı analizle test edin
Uç noktalarınızı test etmek için aşağıdaki adımları tamamlayın:
- Amazon Comprehend konsolunda şunu seçin: Gerçek zamanlı analiz Gezinti bölmesinde.
- İçin Analiz türü¸ seç görenek.
- İçin Son noktaSeç bilet-sınıflandırma-işlem.
- İçin Giriş metni, aşağıdakileri girin:
- Klinik Çözümlemek.
Sonuçlar gösteriyor ki,Update
sınıf en yüksek güven puanına sahiptir. - değişim Son nokta için bilet-sınıflandırma-kaynak Ve seç Çözümlemek tekrar.
Sonuçlar gösteriyor ki, EC2
sınıf en yüksek güven puanına sahiptir.
Amazon Redshift küme parolası için bir sır oluşturun
Bu adımda, bir AWS Sırları Yöneticisi Amazon Redshift küme parolanız için gizli. Secrets Manager uygulamalarınıza, hizmetlerinize ve BT kaynaklarınıza erişmek için gereken sırları korumanıza yardımcı olur. Hizmet, yaşam döngüleri boyunca veritabanı kimlik bilgilerini, API anahtarlarını ve diğer sırları kolayca döndürmenize, yönetmenize ve almanıza olanak tanır. Bu gönderide, Amazon Redshift küme parolasını bir Secrets Manager sırrında saklıyoruz.
- Secrets Manager konsolunda, sırları Gezinti bölmesinde.
- Klinik Yeni bir sır saklayın.
- İçin Gizli tipseçin Diğer tür sır.
- Altında Anahtar/değer çiftleri, anahtarınızı şu şekilde ayarlayın
password
ve değeri Amazon Redshift küme parolanız olarak belirleyin.
Parola 8-64 karakter uzunluğunda olmalı ve en az bir büyük harf, bir küçük harf ve bir rakam içermelidir. ' (tek tırnak), “ (çift tırnak), , /, @ veya boşluk dışında herhangi bir yazdırılabilir ASCII karakteri olabilir. - Klinik Sonraki.
- İçin Gizli isim, girmek
ClassificationRedshiftClusterPassword
. - Klinik Sonraki.
- içinde Gizli rotasyon bölümü, seçim Sonraki.
- Gizli yapılandırmanızı gözden geçirin ve seçin mağaza.
AWS CloudFormation ile altyapınızı sağlayın
Bu adımda, bir çözüm kullanarak çözüm için altyapı sağlıyoruz. AWS CloudFormation yığını.
Lambda işlev kodunu yükleyin
CloudFormation yığınını başlatmadan önce Lambda işlev kodunuzu yükleyin:
- İndir lambda_code.zip
- Amazon S3 konsolunda oluşturduğunuz paketi açın.
- Foto Yükle
lambda_code.zip
.
CloudFormation yığınınızı oluşturun
AWS CloudFormation ile kaynak sağlamak için aşağıdaki adımları tamamlayın:
- İndir cloudformation_template.json.
- AWS CloudFormation konsolunda şunu seçin: Yığın oluştur.
- seç Yeni kaynaklarla (standart).
- İçin Şablon kaynağı, seçmek Bir şablon dosyası yükleyin.
- İndirilen CloudFormation şablonunu seçin.
- Klinik Sonraki.
- İçin Yığın adı, girmek
Ticket-Classification-Infrastructure
. - içinde parametreler bölümüne aşağıdaki değerleri girin:
- İçin SınıflandırmaRedshiftClusterNodeType, Amazon Redshift küme düğümü türünü girin. dc2.large varsayılandır.
- İçin SınıflandırmaRedshiftClusterPasswordSecretName, Amazon Redshift küme parolasını depolayan Secrets Manager gizli adını girin.
- İçin SınıflandırmaRedshiftClusterSubnetId, Amazon Redshift Cluster'ın barındırıldığı alt ağ kimliğini girin. Alt ağ, bölümde bahsettiğiniz VPC içinde olmalıdır.
ClassificationRedshiftClusterVpcId
parametre. - İçin SınıflandırmaRedshiftKümeKullanıcı Adı, Amazon Redshift kümesi kullanıcı adını girin.
- İçin SınıflandırmaRedshiftClusterVpcId, Amazon Redshift kümesinin barındırıldığı VPC kimliğini girin.
- İçin LambdaKoduS3Kova, Lambda kodunu yüklediğiniz S3 paketi adını girin.
- İçin LambdaKoduS3Anahtarı, dağıtım paketinin Amazon S3 anahtarını girin.
- İçin QuickSightBölgesi, QuickSight için Bölge'yi girin. QuickSight Bölgesi, Amazon Comprehend ve S3 kovası için kullandığınız Bölge ile tutarlı olmalıdır.
- Klinik Sonraki.
- içinde Yığın seçeneklerini yapılandırma bölümü, seçim Sonraki.
- içinde Değerlendirme bölümünde, seçin AWS CloudFormation'ın IAM kaynakları oluşturabileceğini kabul ediyorum.
- Klinik Yığın oluştur.
Amazon Redshift kümenizi yapılandırın
Bu adımda, denetim günlüğünü etkinleştirir ve yeni tabloyu CloudFormation şablonu aracılığıyla oluşturulan Amazon Redshift kümesine eklersiniz.
Amazon Redshift'te denetim günlüğü varsayılan olarak açık değildir. Kümenizde günlüğe kaydetmeyi açtığınızda, Amazon Redshift günlükleri Amazon Bulut İzleme, zaman denetimi günlüğünden şu ana kadar etkin olan verileri yakalar. Her günlük güncellemesi, önceki günlüklerin devamıdır.
Denetim günlüğünü etkinleştir
Amazon Redshift kümeniz için denetim günlüğüne ihtiyacınız yoksa bu adımı atlayabilirsiniz.
- Amazon Redshift konsolunda şunu seçin: Kümeleri Gezinti bölmesinde.
- ile başlayan Amazon Redshift kümesini seçin.
classificationredshiftcluster-
. - Üzerinde Emlaklar sekmesini seçin Düzenle.
- Klinik Denetim günlüğünü düzenle.
- İçin Denetim günlüğünü yapılandırSeç açmak.
- İçin Günlük uzmanı türü, seçmek Bulut İzleme.
- Tüm günlük türlerini seçin.
- Klinik Değişiklikleri Kaydet.
Yeni tablo oluştur
Yeni bir tablo oluşturmak için aşağıdaki adımları tamamlayın:
- Amazon Redshift konsolunda şunu seçin: Verileri sorgula.
- Klinik Sorgu düzenleyicisi v2'de sorgu.
- Üzerinde veritabanı sayfasında kümenizi seçin.
- İçin veritabanı, girmek
ticketclassification
. - CloudFormation yığın parametrelerinde yapılandırdığınız kullanıcı adını ve parolayı girin.
- Klinik Bağlantı oluştur.
- Bağlantı yapıldığında artı işaretini seçin ve yeni bir sorgu penceresi açın.
- Aşağıdaki sorguyu girin:
- Klinik koşmak.
Sınıflandırma altyapısını test edin
Artık bilet sınıflandırması için altyapı hazır. Bilet sisteminize entegrasyon yapmadan önce sınıflandırma altyapısını test edelim.
testi çalıştır
Testi çalıştırmak için aşağıdaki adımları tamamlayın:
- Lambda konsolunda şunu seçin: fonksiyonlar Gezinti bölmesinde.
- ile başlayan işlevi seçin.
Ticket-Classification-Inf-TicketClassifier
. - Üzerinde test sekmesini seçin Test etkinliği.
- İçin Name, girmek
TestTicket
. - Aşağıdaki test verilerini girin:
- Klinik test.
Bilet sınıflandırılır ve sınıflandırma verileri Amazon Redshift kümesinde depolanır. Sınıflandırmadan sonra, destek mühendislerine malzeme önermek de dahil olmak üzere, bileti sınıflandırmaya göre işleyen bilet işleyici Lambda işlevi çalışır.
Bilet sınıflandırıcı test günlüğünü kontrol edin
Test günlüğünü kontrol etmek için aşağıdaki adımları tamamlayın:
- Testin sonuç bölümünde, Kayıtlarveya seçin CloudWatch'ta günlükleri görüntüleyin üzerinde izlemek sekmesi.
- Günlük akışını seçin.
Günlükleri, Amazon Comprehend'in çıktısını ve biletin son en üst sınıflandırmasını gösteren aşağıdaki ekran görüntüsünde görüntüleyebilirsiniz. Bu örnekte, test bileti şu şekilde sınıflandırılmıştır: Resource=EC2
, Operation=Update
.
Amazon Redshift kümesindeki bilet sınıflandırma çıktısını kontrol edin
Kümenizdeki çıktıyı doğrulamak için aşağıdaki adımları tamamlayın:
- Amazon Redshift sorgu düzenleyicisi v2 konsolunda yeni bir sorgu penceresi açmak için artı işaretini seçin.
- Aşağıdaki sorguyu girin:
- Klinik koşmak.
Aşağıdaki ekran görüntüsü bilet sınıflandırmasını göstermektedir. Henüz mevcut değilse, birkaç dakika bekleyin ve yeniden deneyin (Kinesis Data Firehose'un verileri iletmesi için biraz zamana ihtiyacı var). Artık bu verileri QuickSight'ta kullanabiliriz.
Bilet işleyici test günlüğünü kontrol edin
Bilet sınıflandırıcı, Amazon Redshift kümesindeki sınıflandırma verilerini aktardıktan sonra, destek mühendislerine malzeme önermek de dahil olmak üzere bileti sınıflandırmaya göre işleyen bilet işleyici Lambda işlevi çalışır. Bu örnekte destek talebi işleyicisi, destek talebini işlerken bunlara başvurabilmesi için runbook, AWS belgeleri ve SSM belgeleri dahil olmak üzere önerilen malzemeleri döndürür. Çıktıyı bilet işleme sisteminizle entegre edebilir ve işleme süreçlerini Lambda fonksiyon kodunda özelleştirebilirsiniz. Bu adımda, hangi önerilerin yapıldığını kontrol ediyoruz.
- Lambda konsolunda şunu seçin: fonksiyonlar Gezinti bölmesinde.
- İle başlayan Lambda işlevini seçin.
Ticket-Classification-Inf-TicketHandlerLambdaFunct
. - Üzerinde izlemek sekmesini seçin CloudWatch'ta günlükleri görüntüleyin.
- Günlük akışını seçin.
Aşağıdaki ekran görüntüsü günlükleri gösterir. Amazon Comprehend'in çıktısını ve şu şekilde sınıflandırılan bilet için önerilen AWS belgelerinin ve SSM belgelerinin listesini görebilirsiniz. Update EC2
. Lambda işlev koduna kendi runbook'larınızı, belgelerinizi, SSM belgelerinizi veya diğer malzemeleri ekleyebilirsiniz.
Bilet sınıflandırma altyapısını biletleme sisteminizle entegre edin
Bu bölümde, biletleme sınıflandırma altyapınızı biletleme sisteminizle bütünleştirme ve yapılandırmanızı özelleştirme adımlarını inceleyeceğiz.
Çoğu biletleme sistemi, bilet gönderildiğinde kod çalıştırmanıza izin veren bir tetikleme özelliğine sahiptir. Biletleme sisteminizi, aşağıdaki biçimlendirilmiş girdiyle bilet sınıflandırıcı Lambda işlevini çağıracak şekilde ayarlayın:
Girişi özelleştirmek istiyorsanız, bilet sınıflandırıcı Lambda işlev kodunu değiştirin. Parametreler eklemeniz veya kaldırmanız (90–105 satırlar) ve Amazon Comprehend için girişi özelleştirmeniz (15–17 satırlar) gerekir.
Otomasyonu çalıştırmak veya önerileri düzenlemek için bilet işleyici Lambda işlevini özelleştirebilirsiniz. Örneğin, önerilerle birlikte bilete dahili yorumu ekleyebilirsiniz. Özelleştirmek için, bilet işleyici Lambda kodunu açın ve 68-70 ve 75-81 satırlarını düzenleyin.
QuickSight ile sınıflandırma verilerini kullanın
Bilet sınıflandırma altyapısını bilet sisteminize entegre ettikten sonra, bilet sınıflandırma verileri Amazon Redshift kümesinde depolanır. Bu verileri kontrol etmek ve raporlar oluşturmak için QuickSight'ı kullanabilirsiniz. Bu örnekte, sınıflandırma verileriyle bir QuickSight analizi oluşturuyoruz.
QuickSight'a kaydolun
QuickSight'ınız yoksa, aşağıdaki adımlarla kaydolun:
- QuickSight konsolunda şunu seçin: QuickSight'a kaydolun.
- Klinik Standart.
- Altında QuickSight bölgesi, CloudFormation parametresinde yapılandırdığınız Bölge'yi seçin
QuickSightRegion
. - Altında Hesap bilgisi, QuickSight hesap adınızı ve bildirim e-posta adresinizi girin.
- Altında AWS hizmetlerine QuickSight erişimiseçin Amazon Kırmızıya Kaydırma.
- Diğer kaynaklar için erişime ve otomatik keşfetmeye izin vermek istiyorsanız, onları da seçin.
- Klinik Bitiş.
- Klinik Amazon QuickSight'a gidin kaydolduktan sonra.
Amazon Redshift kümenizi QuickSight'a bağlayın
Kümenizi bir veri kaynağı olarak QuickSight'a bağlamak için aşağıdaki adımları tamamlayın:
- QuickSight konsolunda şunu seçin: Veri Setleri Gezinti bölmesinde.
- Klinik Yeni veri kümesi.
- Klinik Redshift Otomatik keşfedildi.
- Aşağıdaki bilgileri sağlayın:
- İçin Veri kaynağı adı, girmek
ticketclassification
. - İçin Örnek Kimliğiile başlayan Amazon Redshift kümesini seçin
classificationredshiftcluster-
. - İçin Bağlantı türü, seçmek Genel ağ.
- İçin Veri tabanı ismi, girmek
ticketclassification
. - CloudFormation yığın parametrelerinde yapılandırdığınız Amazon Redshift kümesi kullanıcı adını ve parolasını girin.
- İçin Veri kaynağı adı, girmek
- Klinik Bağlantıyı doğrula Bağlantının çalışıp çalışmadığını görmek için
İşe yaramazsa, bunun nedeni büyük olasılıkla yanlış kullanıcı adı ve parola kullanılmasıdır veya QuickSight Bölgesi, CloudFormation yığınında belirttiğinizden farklıdır. - Klinik Veri kaynağı oluştur.
- içinde masanızı seçin seçeneğini belirleyin.
tickets
tablo. - Klinik seç.
- seç Daha hızlı analiz için SPICE'a aktarın.
SPICE, QuickSight Süper hızlı, Paralel, Bellek İçi Hesaplama Motorudur. Gelişmiş hesaplamaları hızla gerçekleştirmek ve veri sunmak için tasarlanmıştır. İçe aktarma (aynı zamanda sindirerek) verilerinizi SPICE'a aktararak zamandan ve paradan tasarruf edebilirsiniz. SPICE hakkında daha fazla bilgi için bkz. Verileri SPICE'a Aktarma. "Yeterli SPICE kapasitesi yok" hatasını alırsanız, daha fazla SPICE kapasitesi satın alın. Daha fazla bilgi için bkz. Bir AWS Bölgesinde SPICE kapasitesi satın alma. - Klinik Görselleştirin.
Bilet sınıflandırma analiz raporu oluşturun
Veri kümesi oluşturmayı bitirdiğinizde, yeni QuickSight analizini görebilirsiniz. Bu bölümde, pivot tablo, pasta grafikler ve çizgi grafikler dahil olmak üzere bir bilet sınıflandırma analiz raporu oluşturma adımlarını inceleyeceğiz.
- Klinik İmza.
- Altında Görsel türler, pivot tabloyu seçin.
- Sürüklemek
operation
itibaren Alanlar listesi için satırlar. - Sürüklemek
resource
itibaren Alanlar listesi için Sütunlar. - Üzerinde Ekle menü seç Görsel ekle.
- Altında Görsel türler, pasta grafiği seçin.
- Sürüklemek
operation
itibaren Alanlar listesi için Grup/Renk. - Üzerinde Ekle menü seç Görsel ekle tekrar.
- Altında Görsel türler, pasta grafiği tekrar seçin.
- Sürüklemek
resource
itibaren Alanlar listesi için Grup/Renk. - Üzerinde Ekle menü seç Görsel ekle tekrar.
- Altında Görsel türler, çizgi grafiği seçin.
- Sürüklemek
creation_time
itibaren Alanlar listesi için X ekseni. - Sürüklemek
operation
itibaren Alanlar listesi için Renk. - Üzerinde Ekle menü seç Görsel ekle tekrar.
- Altında Görsel türler, çizgi grafiği yeniden seçin.
- Sürüklemek
creation_time
itibaren Alanlar listesi için X ekseni. - Sürüklemek
operation
itibaren Alanlar listesi için Renk. - Grafikleri gerektiği gibi yeniden boyutlandırın ve yeniden sıralayın.
- Klinik Olarak kaydet.
- Analiziniz için bir ad girin ve seçin İndirim.
Tebrikler! İlk bilet analiziniz hazır. Daha fazla veriye sahip olduğunuzda, analiz aşağıdaki ekran görüntüsü gibi görünecektir.
Temizlemek
Bu adımda oluşturduğumuz kaynakları çeşitli servislerle temizliyoruz.
Amazon Kavramak
Uç noktalarınızı silmek için aşağıdaki adımları tamamlayın:
- Amazon Comprehend konsolunda şunu seçin: Uç noktalar Gezinti bölmesinde.
- seçmek
endpoint ticket-classification-operation
. - Klinik Sil ve komutları izleyin.
- silmek için bu adımları tekrarlayın.
ticket-classification-resource
uç nokta.
Ardından, oluşturduğunuz özel sınıflandırmaları silin. - Klinik Özel sınıflandırma Gezinti bölmesinde.
- seçmek
classification ticket-classification-operation
. - seç Sürüm Adı Yok.
- Klinik Sil ve komutları izleyin.
- silmek için bu adımları tekrarlayın.
ticket-classification-resource
sınıflandırılması.
Amazon S3
Ardından, oluşturduğunuz S3 paketini temizleyin.
- Amazon S3 konsolunda oluşturduğunuz paketi seçin.
- Kovadaki tüm nesneleri silin.
- Kovayı silin.
Amazon QuickSight
Oluşturduğunuz QuickSight analizlerini ve veri kümesini silin.
- QuickSight konsolunda şunu seçin: analizler Gezinti bölmesinde.
- Oluşturduğunuz analizde seçenekler simgesini (üç nokta) seçin.
- Klinik Sil ve komutları izleyin.
- Klinik Veri Setleri Gezinti bölmesinde.
- Seçin
tickets
Veri kümesi. - Klinik Veri kümesini sil ve komutları izleyin.
AWS CloudFormation
CloudFormation yığınının parçası olarak oluşturduğunuz kaynakları temizleyin.
- AWS CloudFormation konsolunda şunu seçin: Yığınları Gezinti bölmesinde.
- Seçin
Ticket-Classification-Infrastructure
yığını. - Üzerinde Kaynaklar sekmesinde, fiziksel kimliğini seçin
ClassificationDeliveryStreamS3Bucket
.
Amazon S3 konsolu açılır. - Bu paketteki tüm nesneleri silin.
- AWS CloudFormation konsoluna dönün, seçin Silve istemleri izleyin.
AWS Sırları Yöneticisi
Son olarak, Secrets Manager sırrını silin.
- Secrets Manager konsolunda, gizli anahtarı seçin
ClassificationRedshiftClusterPassword
. - Üzerinde İşlemler menü seç Gizli anahtarı sil.
- Bekleme süresini 7 gün olarak ayarlayın ve seçin Program Sil.
Sırrınız 7 gün sonra otomatik olarak silinecektir.
Sonuç
Bu gönderide, otomatik bir sınıflandırma ve öneri sistemi oluşturmak için AWS hizmetlerini nasıl kullanacağınızı öğrendiniz. Bu çözüm, kuruluşlarınızın aşağıdaki iş akışını oluşturmasına yardımcı olacaktır:
- Müşteri isteklerini sınıflandırın.
- Otomatik çözümler önerin.
- Müşteri istek sınıflandırmalarını analiz edin ve en önemli müşteri isteklerini keşfedin.
- Yeni bir otomatik çözüm yayınlayın ve otomasyon oranını artırın.
Amazon Anlamak hakkında daha fazla bilgi için bkz. Amazon Anlamak Belgeleri. Ayrıca diğer Amazon Comprehend özelliklerini keşfedebilir ve diğerlerinden ilham alabilirsiniz. AWS blog gönderileri Amazon Comprehend'i sınıflandırmanın ötesinde kullanma hakkında.
Yazarlar Hakkında
Seongyeol Jerry Cho Sidney, Avustralya merkezli AWS Managed Services'de Kıdemli Sistem Geliştirme Mühendisidir. Makine öğrenimi de dahil olmak üzere çeşitli teknolojileri kullanarak yüksek düzeyde ölçeklenebilir ve otomatikleştirilmiş bulut operasyonları yazılımı oluşturmaya odaklanıyor. İş dışında seyahat etmeyi, kamp yapmayı, okumayı, yemek pişirmeyi ve koşmayı sever.
Manu Sasikumar AWS Managed Services'e sahip Kıdemli Sistem Mühendisi Yöneticisidir. Manu ve ekibi, manuel çabayı azaltmak için güçlü ve kullanımı kolay otomasyonlar oluşturmaya ve müşteri isteklerini yönetmek için AI ve ML tabanlı çözümler oluşturmaya odaklanıyor. İş dışında boş zamanlarını ailesiyle geçirmeyi, çeşitli insani yardım ve gönüllü faaliyetlerde bulunmayı seviyor.
- Akıllı para. Avrupa'nın En İyi Bitcoin ve Kripto Borsası.
- Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. SERBEST ERİŞİM.
- KriptoHawk. Altcoin Radarı. Ücretsiz deneme.
- Kaynak: https://aws.amazon.com/blogs/machine-learning/how-service-providers-can-use-natural-language-processing-to-gain-insights-from-customer-tickets-with-amazon- anlamak/
- "
- 100
- 7
- a
- Hakkımızda
- erişim
- Göre
- Hesap
- doğru
- karşısında
- Action
- faaliyetler
- adres
- ileri
- AI
- Türkiye
- veriyor
- zaten
- Rağmen
- Amazon
- analiz
- analytics
- çözümlemek
- api
- Uygulama
- uygulamaları
- uygun
- mimari
- atanmış
- denetim
- Avustralya
- otomatikleştirmek
- Otomatik
- Otomatik
- otomatik olarak
- Otomasyon
- mevcut
- AWS
- Çünkü
- önce
- olmak
- altında
- İYİ
- arasında
- Ötesinde
- Engellemek
- Blog
- sınır
- inşa etmek
- bina
- iş
- iş zekası
- çağrı
- adaylar
- Kapasite
- ele geçirmek
- yakalar
- Kategoriler
- Sebeb olmak
- şansı
- kanallar
- karakterler
- yükler
- Grafikler
- Klinik
- seçilmiş
- sınıf
- sınıflandırma
- bulut
- kod
- Sütun
- tamamlamak
- hesaplamak
- güven
- yapılandırma
- Sosyal medya
- bağ
- Bağlantılar
- tutarlı
- konsolos
- içeren
- devam etmek
- uygun maliyetli
- yaratmak
- çevrimiçi kurslar düzenliyorlar.
- Oluşturma
- oluşturma
- Tanıtım
- görenek
- müşteri
- Müşteriler
- özelleştirmek
- veri
- veritabanı
- veritabanları
- geciktirmek
- sağlıyor
- bağlı
- açılma
- tarif edilen
- ayrıntılar
- gelişme
- farklı
- keşfetmek
- evraklar
- Değil
- çift
- kolayca
- kolay kullanımlı
- editör
- verim
- çaba
- E-posta
- etkinleştirmek
- sağlar
- şifreleme
- Son nokta
- Motor
- mühendis
- Mühendisler
- Keşfet
- gerekli
- tahmini
- örnek
- Dışında
- mevcut
- uzman
- aile
- Özellikler(Hazırlık aşamasında)
- Özellikler
- mali
- Ad
- odak
- odaklanır
- takip et
- takip etme
- şu
- itibaren
- yerine getirmek
- işlev
- oluşturmak
- Küresel
- grup
- kullanma
- donanım
- yardım et
- yardımcı olur
- Yüksek
- büyük ölçüde
- ev sahipliği yaptı
- Ne kadar
- Nasıl Yapılır
- HTTPS
- insancıl
- ICON
- uygulamak
- ithal
- Dahil olmak üzere
- Artırmak
- artmış
- bilgi
- Altyapı
- giriş
- anlayışlar
- ilham
- entegre
- İstihbarat
- konu
- sorunlar
- IT
- anahtar
- anahtarlar
- etiket
- dil
- büyük
- büyük
- fırlatma
- öğrendim
- öğrenme
- Muhtemelen
- çizgi
- hatları
- Liste
- yük
- Bakın
- makine
- makine öğrenme
- yapılmış
- bakım
- yönetmek
- yönetilen
- müdür
- yönetme
- Manuel
- el ile
- malzemeler
- adı geçen
- olabilir
- asgari
- ML
- Telefon
- model
- modelleri
- para
- Daha
- çoklu
- isimleri
- Doğal (Madenden)
- Navigasyon
- gerekli
- ihtiyaçlar
- tebliğ
- numara
- açık
- açılır
- operasyon
- Operasyon
- Fırsatlar
- Opsiyonlar
- kuruluşlar
- organizasyonlar
- Diğer
- tüm
- kendi
- paket
- Bölüm
- Şifre
- İnsanlar
- performans
- dönem
- fiziksel
- Pivot
- güçlü
- mevcut
- önceki
- fiyat
- Süreçler
- işleme
- korumak
- sağlamak
- sağlanan
- sağlayıcılar
- halka açık
- satın alma
- yükseltmek
- Okuma
- gerçek zaman
- tavsiye
- azaltmak
- Indirimli
- bölge
- rapor
- Raporlar
- talep
- isteklerinizi
- Yer Alan Kurallar
- kaynak
- Kaynaklar
- Ortaya çıkan
- Sonuçlar
- İade
- Rota
- koşmak
- koşu
- ölçeklenebilir
- ölçek
- saniye
- Serverless
- hizmet
- Hizmetler
- set
- işaret
- Basit
- tek
- beden
- So
- Yazılım
- katı
- çözüm
- Çözümler
- biraz
- uzay
- Harcama
- yığın
- standart
- başlama
- başlar
- Durum
- hafızası
- mağaza
- mağaza
- dere
- akış
- yapılandırılmış
- gönderilen
- destek
- sydney
- sistem
- Sistemler
- takım
- Teknolojileri
- test
- Test yapmak
- The
- böylece
- üç
- İçinden
- boyunca
- bilet
- bilet
- zaman
- Başlık
- araç
- araçlar
- üst
- Eğitim
- Dönüştürmek
- seyahat
- Trendler
- türleri
- ortaya çıkarmak
- benzersiz
- birimleri
- Güncelleme
- kullanım
- genellikle
- UTC
- kullanmak
- değer
- çeşitlilik
- çeşitli
- versiyon
- Görüntüle
- gönüllü
- beklemek
- ağ
- Ne
- DSÖ
- yaygın
- içinde
- olmadan
- İş
- çalışır