- Erste Schritte
- Übersicht über Communications Mining™
- Wie Unternehmen Communications Mining™ verwenden können
- Erste Schritte mit Communications Mining™
- Ausgewogenheit
- Cluster
- Konzeptabweichung
- Abdeckung
- Datasets
- Allgemeine Felder (früher Entitäten)
- Bezeichnungen (Vorhersagen, Konfidenzniveaus, Hierarchie usw.)
- Modelle
- Streams
- Modellbewertung
- Projekte
- Präzision
- Rückruf
- Überprüfte und nicht überprüfte Nachrichten
- Quellen
- Taxonomien
- Training
- „True“ und „false“ positive und negative Vorhersagen
- Validierung
- Messages
- Verwaltung
- Verwalten Sie Quellen und Datasets
- Verstehen der Datenstruktur und -berechtigungen
- Erstellen Sie eine Datenquelle in der GUI
- Hochladen einer CSV-Datei in eine Quelle
- Ein neues Dataset erstellen
- Mehrsprachige Quellen und Datasets
- Aktivieren der Stimmung für ein Dataset
- Ändern Sie die Einstellungen eines Datasets
- Löschen Sie Nachrichten über die Benutzeroberfläche
- Löschen Sie ein Dataset
- Löschen Sie eine Quelle
- Exportieren Sie ein Dataset
- Verwenden von Exchange-Integrationen
- Vorbereiten von Daten für den CSV-Upload
- Modelltraining und -wartung
- Verstehen von Beschriftungen, allgemeinen Feldern und Metadaten
- Bezeichnungshierarchie und bewährte Methode
- Definieren Ihrer Taxonomieziele
- Analyse- vs. Automatisierungsanwendungsfälle
- Konvertieren Ihrer Ziele in Bezeichnungen
- Erstellen Ihrer Taxonomiestruktur
- Best Practices für den Taxonomieentwurf
- Ihre Taxonomie wird importiert
- Übersicht über den Modelltrainingsprozess
- Generative Anmerkung (NEU)
- Verstehen des Status Ihres Datasets
- Best Practice für Modelltraining und Anmerkungen
- Training mit aktivierter Beschriftungs-Stimmungsanalyse
- Trainieren
- Einführung in Verfeinerung
- Erläuterungen zu Präzision und Rückruf
- Präzision und Rückruf
- Wie funktioniert die Validierung?
- Verstehen und Verbessern der Modellleistung
- Warum kann eine Bezeichnung eine geringe durchschnittliche Genauigkeit haben?
- Training mit Beschriftung „Überprüfen“ und Beschriftung „Verpasst“.
- Training mit der Bezeichnung „Teach“ (Verfeinern)
- Training mit der Suche (verfeinern)
- Verstehen und Erhöhen der Abdeckung
- Verbesserung des Abgleichs und Verwendung des Abgleichs
- Wann das Training Ihres Modells beendet werden soll
- Verwenden von allgemeinen Feldern
- Generative Extraktion
- Verwenden von Analyse und Überwachung
- Automatisierungs- und Communications Mining
- Lizenzierungsinformationen
- Häufige Fragen und mehr
Übersicht über Communications Mining™
Verarbeitung natürlicher Sprache (NLP) ist ein Feld des Machine Learning, das sich auf die Erstellung von Tools konzentriert, die Daten in natürlicher Sprache automatisch verstehen und verarbeiten können, ähnlich wie Menschen.
Ein Hauptfokus der NLP-Tools liegt darauf, unstrukturierte Kommunikationsdaten in verwertbare strukturierte Daten umzuwandeln, indem die darin enthaltenen Absichten, Themen und Konzepte verstanden und wichtige Datenpunkte extrahiert werden.
Vom Support über den Vertrieb bis hin zu Finanzen und Services. miteinander zu kommunizieren, ist die Art und Weise, wie Geschäft erledigt wird.
Die Anzahl der E-Mails, Tickets und Nachrichten nimmt jedes Jahr zu – dies bringt die Dienste vor einen Wendepunkt. Sie erhöht die Servicekosten und schädliche Mitarbeiter- und Kundenerfahrungen.
Glücklicherweise hat die Verarbeitung natürlicher Sprache (Natural Language Processing), ein Zweig der KI, der sich darauf konzentriert, Maschinen zu helfen, die menschliche Sprache zu lesen und zu verstehen, in den letzten Jahren enorme Fortschritte gemacht.
Die Verarbeitung natürlicher Sprache oder NLP ist veraltet und schlägt nun den Menschen beim Sprach- und Leseverständnis.
Daraus entstehen neue Lösungen und Möglichkeiten für das Unternehmen.
Mit NLP ist es nun möglich, Kommunikation in großem Umfang zu verstehen.
Dies ermöglicht Unternehmen:
Communications Mining™ oder Comms Mining ist ein Feld, das sich auf das Verstehen und Extrahieren von Werten aus Kommunikationsdaten konzentriert.
Dabei werden die unstrukturierten Informationen, die diese Daten enthalten, in strukturierte, maschinenlesbare Daten umgewandelt, die dann für Analysen und Automatisierung verwendet werden können.
Wichtig ist, dass UiPath® Communications Mining™ nicht nur die Probleme identifiziert, sondern auch viele davon lösen kann, indem intelligentere Automatisierungen ermöglicht werden.
UiPath® Communications Mining™, früher Re:infer, automatisiert die Interpretation von Kommunikation und hilft Unternehmen, Nachrichten zu verstehen und zu automatisieren – schnell, in großem Umfang und auf jedem Kanal.
Unsere Lösung kombiniert Machine Learning (ML), Verarbeitung natürlicher Sprache (NLP) und von Mitarbeitern durchgeführtes überwachtes Lernen in einer leistungsstarken Lösung ohne Code, die jeder verwenden kann.
Sie bietet vollständigen Einblick in Kanäle wie E-Mails, Tickets und Kundenfeedback, damit Unternehmen ihre Kunden besser verstehen und erfahren können, wo Verbesserungen den größten Einfluss haben.
Sie ermöglicht auch eine intelligente Automatisierung aus der Kommunikation, da sie die strukturierten Daten, die von nachgelagerten Automatisierungen für Aktionsanforderungen benötigt werden, ohne menschliches Eingreifen generiert.
Hier finden Sie einen Überblick über den typischen Weg Ihrer Daten innerhalb der Plattform:
- Vorgefertigte Connectors für die Aufnahme in den Speicher für historische Kommunikation. Proprietäre ML-Segmentierung und Bereinigungs-Engine zur Bereinigung von Daten.
- Proprietäre Deep Learning-Satzmodelle extrahieren Semantiken für dateneffizientes Lernen.
- Proprietäre Unattended-Learning-Modelle identifizieren allgemeine Absichten und suchen ständig nach neuen.
- Trainieren Sie maßgeschneiderte überwachte Modelle effizient in unserer proprietären Active Learning -Engine und -Benutzeroberfläche.
- Aggregierte Echtzeit-Statistiken für bedeutungsbasierte Verwaltungsinformationen und Analysen.
- Echtzeit-Modellvalidierung und Modelllebenszyklusverwaltung.
Verbinden
Zuerst stellen wir eine Verbindung mit Ihren Kanälen von unstrukturierten Kommunikationsdaten her.
Dies können freigegebene E-Mail-Posteingänge, Workflow-Tickets oder Sammlungen von Umfrageantworten sein, um nur einige Beispiele zu nennen.
Das Übertragen dieser Daten auf die Plattform kann erfolgen über:
- Live-Integration mit vorgefertigten Connectors für Kanäle wie Microsoft Exchange oder Salesforce
- Erstellen von API-Integrationen
- Hochladen historischer Daten, entweder per CSV oder über unsere API
Discover
Sobald die Daten hochgeladen wurden, startet die Plattform automatisch den Erkennungsprozess.
Es nutzt Unattended Learning, um Gruppen von Kommunikationen zusammenzufassen, die ähnliche Themen und Konzepte teilen.
Diese Cluster können mit sich wiederholenden Prozessen, Anforderungen, Problemen und Stimmungen verknüpft sein. Beide können uns dabei helfen, die richtige Struktur für unser Modell zu definieren und die erste Phase des Modelltrainings zu beschleunigen.
Durch die Überprüfung dieser Cluster und das Anwenden von Beschriftungen und Feldern, die relevante Konzepte und Datenpunkte erfassen, beginnt die Plattform schnell, sich ein Bild davon zu machen, was in den Daten enthalten ist.
Trainieren
Als Nächstes verwenden wir eine Vielzahl von Trainingsmodi, um die Trainingsdaten für unser Modell zu erstellen.
Hier bringen wir der Plattform bei, diese Beschriftungen und Felder in allen unseren Daten sicher zu identifizieren.
Diese Trainingsmodi sind so konzipiert, dass die Auswirkungen von Trainingsaktionen maximiert und der Zeitaufwand für das Training minimiert wird. Die Null-Code-Schnittstelle der Plattform bedeutet hingegen, dass ein Modelltrainer jeder Geschäftsanwender sein kann, der im Kommunikationskanal arbeitet. Keine Datenspezialisten oder -techniker erforderlich.
Mit jeder Trainingsaktion wird die Plattform kontinuierlich erneut trainiert, wobei ihr Verständnis für jedes Konzept und jeden Datenpunkt verbessert und ihre Vorhersagen in Echtzeit aktualisiert werden.
Durch das Kommentieren einer kleinen, repräsentativen Stichprobe von Trainingsdaten kann die Plattform ihr Verständnis jeder Beschriftung und jedes allgemeinen Felds in großem Maßstab anwenden und das gesamte Dataset automatisch interpretieren und Vorhersagen treffen.
Predict
Das Endergebnis? Strukturierte Bezeichnungsvorhersagen und allgemeine Feldvorhersagen mit jeweils eigenen Konfidenzwerten für jede Kommunikation, genau wie in dieser Beispiel-E-Mail hier:
Diese Vorhersagen werden für die Analyse in der Plattform oder über die API zur Verwendung durch UiPath®-Bots und andere Tools zur Automatisierung oder weiteren Analyse zur Verfügung gestellt.
Überprüfen
Bevor wir uns jedoch auf diese Vorhersagen verlassen, um Entscheidungen zu beeinflussen oder Aktionen zu ermöglichen, müssen wir wissen, wie unser Modell funktioniert.
Die Validierungsfunktion der Plattform bietet volle Transparenz in Bezug auf die Leistung und validiert Ihr Modell bei jedem erneuten Training automatisch.
Es ist leicht nachzuvollziehen, ob unser Modell bei wichtigen Leistungsfaktoren, die der Einfachheit halber in einer einzigen Modellbewertung zusammengefasst werden, wie es funktioniert.
Die Plattform hilft Modelltrainern auch dabei, bei Bedarf Verbesserungen mit empfohlenen nächstbesten Aktionen vorzunehmen.
Analysieren
Sobald wir mit der Leistung unseres Modells zufrieden sind, können wir sehr schnell wertvolle und umsetzbare Erkenntnisse aus diesen Geschäftskonversationen generieren.
Die Plattform fasst alle Vorhersagen für Beschriftungen und Felder mit wichtigen Metadaten zusammen, um eine Fülle von abfragefähigen Daten bereitzustellen, die einen Einblick in zuvor verborgene Prozesse und Kanäle ermöglichen.
Dadurch können Benutzer:
- Erstellen Sie benutzerdefinierte dynamische Dashboards, um wichtige Metriken und die Servicequalität für Kunden und Klienten nachzuverfolgen
- Führen Sie Analysen durch, um Möglichkeiten zur Verbesserung von Prozessen oder der Kundenerfahrung zu identifizieren
- Oder Warnungen einrichten, um die Kanalleistung und Risikoereignisse zu überwachen
Um nur einige Beispiele zu nennen.
Neben der Analyse können wir trainierte Modelle bereitstellen, um Produktionsautomatisierungen zu ermöglichen.
UiPath®-Roboter und nachgelagerte Systeme können die strukturierten Daten verwenden, die von UiPath® Communications Mining™ erstellt werden, um die Automatisierung auf dienst- und konversationsbasierte Prozesse auszudehnen. Auf diese Weise können Unternehmen transaktionale Anforderungen und Workflows automatisieren.
Aufgaben wie das Testen von E-Mails, die Aktualisierung von Kundeninformationen und die Erstellung von Fällen können jetzt durch UiPath® automatisiert werden.
Führende Unternehmen vertrauen bei der Analyse und Automatisierung ihrer Kommunikation auf Communications Mining™. Hier sind einige der Gründe dafür:
- Kein Code – Wir demokratisieren NLP für den Geschäftsanwender. Die Null-Code-Schnittstelle der Plattform bietet eine geführte Benutzererfahrung, die jeder Mitarbeiter nutzen kann – unabhängig von den technischen Fähigkeiten.
- Vollständig anpassbar – Sie können vollständig maßgeschneiderte Modelle erstellen, die genau die Absichten, Themen und Stimmungen extrahieren, die Ihr Unternehmen benötigt.
- Präzise – Sie können genaue Modelle mit minimalen Trainingsdaten bei voller Transparenz über die Modellleistung trainieren, um unerwartete Ergebnisse in der Produktion zu vermeiden.
- Schnell zu trainieren – Mit Modellen, die schnell zu trainieren und schnell anzupassen sind, können Sie Kosten und Aufwand niedrig und die Zuverlässigkeit hoch halten.
- Hyperskalierbar – Sie müssen klein anfangen, um erfolgreich zu sein. Aber Sie benötigen eine Lösung, die sich schnell an Ihre Anforderungen für größere Anwendungsfälle anpassen kann, was unsere Plattform tut.
- Echtzeitüberwachung und Warnungen – Mit konfigurierbaren Dashboards, E-Mail-Warnungen und Berichten zur Verfolgung wichtiger Metriken in Echtzeit verfügen Sie über alle Daten, die Sie benötigen, um proaktive, fundierte Entscheidungen zu treffen.
- Sicher – Vor allem benötigen Sie eine Lösung, der Sie Ihre Daten anvertrauen können. Die Berechtigung und Verschlüsselung unserer Plattform gewährleistet, dass die Kundendaten sicher und geschützt sind.
- Einfach zu integrieren – Wir haben vorgefertigte Integrationen für wichtige Kommunikationskanäle, die einfach mit APIs zu arbeiten haben, und Connectors für Workflow und RPA, damit sie sich leicht in Ihren Technologie-Stack einfügen.
Unsere Lösung ermöglicht allen Geschäftsanwendern die Möglichkeiten von KI und NLP, nicht nur Datenspezialisten und Entwicklern.
- Was ist Natural Language Processing (NLP)?
- Warum wird NLP für Unternehmen immer wichtiger?
- Wie können NLP-Lösungen helfen, diese Herausforderungen zu lösen?
- Was ist Communications Mining™?
- Communications Mining™ im Vergleich zu Task Mining und Process Mining
- Was ist die Communications Mining™-Lösung von UiPath® und was tut sie?
- Inwiefern unterstützt dies unsere Kunden?
- Wie es funktioniert: Übersicht
- Wie es funktioniert: Deep Dive
- Warum vertrauen Unternehmen UiPath® Communications Mining™?
- Was bedeutet Communications Mining™ für Sie?
- Was bedeutet Communications Mining™ für Ihr Unternehmen?