- Einleitung
- Überblick
- Wie Unternehmen Communications Mining™ verwenden können
- Erste Schritte mit Communications Mining™
- Einrichten Ihres Kontos
- Ausgewogenheit
- Cluster
- Konzeptabweichung
- Abdeckung
- Datasets
- Allgemeine Felder
- Beschriftungen (Vorhersagen, Konfidenzniveaus, Beschriftungshierarchie und Beschriftungsstimmung)
- Modelle
- Streams
- Modellbewertung
- Projekte
- Präzision
- Rückruf
- Nachrichten mit und ohne Anmerkungen
- Extraktionsfelder
- Quellen
- Taxonomien
- Training
- „True“ und „false“ positive und negative Vorhersagen
- Validierung
- Messages
- Zugriffssteuerung und Administration
- Verwalten Sie Quellen und Datasets
- Verstehen der Datenstruktur und -berechtigungen
- Erstellen oder Löschen einer Datenquelle in der GUI
- Hochladen einer CSV-Datei in eine Quelle
- Vorbereiten von Daten für den CSV-Upload
- Ein Dataset wird erstellt
- Mehrsprachige Quellen und Datasets
- Aktivieren der Stimmung für ein Dataset
- Ändern der Dataset-Einstellungen
- Löschen einer Nachricht
- Löschen eines Datasets
- Exportieren eines Datasets
- Verwenden von Exchange-Integrationen
- Modelltraining und -wartung
- Grundlegendes zu Beschriftungen, allgemeinen Feldern und Metadaten
- Beschriftungshierarchie und Best Practices
- Vergleichen von Anwendungsfällen für Analyse und Automatisierung
- Konvertieren Ihrer Ziele in Bezeichnungen
- Übersicht über den Modelltrainingsprozess
- Generative Anmerkung
- Der Status des Datasets
- Best Practice für Modelltraining und Anmerkungen
- Training mit aktivierter Beschriftungs-Stimmungsanalyse
- Grundlegendes zu Datenanforderungen
- Trainieren
- Einführung in Verfeinerung
- Erläuterungen zu Präzision und Rückruf
- Präzision und Rückruf
- So funktioniert die Validierung
- Verstehen und Verbessern der Modellleistung
- Gründe für die geringe durchschnittliche Beschriftungsgenauigkeit
- 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
- Automations and Communications Mining™
- Entwickler (Developer)
- Verwenden der API
- API-Tutorial
- Quellen
- Datasets
- Anmerkungen
- Anhänge (Attachments)
- Vorhersagen
- Erstellen Sie einen Stream
- Aktualisieren Sie einen Stream
- Rufen Sie einen Stream nach Namen ab
- Rufen Sie alle Streams ab
- Löschen Sie einen Stream
- Ergebnisse aus Stream abrufen
- Kommentare aus einem Stream abrufen (Legacy)
- Bringen Sie einen Stream vor
- Einen Stream zurücksetzen
- Kennzeichnen Sie eine Ausnahme
- Entfernen Sie das Tag einer Ausnahme
- Prüfungsereignisse
- Alle Benutzer abrufen
- Hochladen von Daten
- Herunterladen von Daten
- Exchange Integration mit einem Azure-Dienstbenutzer
- Exchange-Integration mit der Azure-Anwendungsauthentifizierung
- Exchange-Integration mit Azure Application Authentication und Graph
- Abrufen von Daten für Tableau mit Python
- Elasticsearch-Integration
- Allgemeine Feldextraktion
- Selbst gehostete Exchange-Integration
- UiPath® Automatisierungs-Framework
- Offizielle UiPath®-Aktivitäten
- Wie Maschinen lernen, Wörter zu verstehen: eine Anleitung zu Einbettungen in NLP
- Eingabeaufforderungsbasiertes Lernen mit Transformers
- Ef Robots II: Wissensdegesterration und Feinabstimmung
- Effiziente Transformer I: Warnmechanismen
- Tief hierarchische, nicht überwachte Absichtsmodellierung: Nutzen ohne Trainingsdaten
- Beheben von Anmerkungsverzerrungen mit Communications Mining™
- Aktives Lernen: Bessere ML-Modelle in weniger Zeit
- Auf Zahlen kommt es an – Bewertung der Modellleistung mit Metriken
- Darum ist Modellvalidierung wichtig
- Vergleich von Communications Mining™ und Google AutoML für Conversation Data Intelligence
- Lizenzierung
- Häufige Fragen und mehr

Communications Mining-Benutzerhandbuch
Diese Seite behandelt einen Überblick über die folgenden Themen:
- Optimale Datentypen für Communications Mining.
- Wichtige Wertsäulen für Communications Mining und wie sie mit Anwendungsfällen verknüpft sind.
- Typische Anwendungsfälle in Analyse und Automatisierung.
- Beispiele in allen Branchen, in denen Communications Mining eingesetzt werden kann.
- Kundenbeispiele, wo Communications Mining eingesetzt wird.
- Welche UiPath®-Tools Sie mit Communications Mining kombinieren können, einschließlich RPA und Document Understanding™.
|
| Communications Mining ist optimiert für asynchrone Kommunikationsdaten in Kurzform, z. B. E-Mails (z. B. freigegebene E-Mail-Posteingänge), Tickets, Umfrageantworten und Fallhinweise. |
|
| Communications Mining unterstützt derzeit keine Echtzeit-Anruf- und Chatdaten. Historische Analysen zu Chat- und Anrufdaten kann die Plattform unterstützen, wenn die Volumen groß genug sind. |
|
| Communications Mining verarbeitet keine Anhänge, bei denen es sich um Dokumente handelt, nativ, kann aber mit Document Understanding™ kombiniert werden, um sowohl E-Mails als auch Anhänge zu verarbeiten. |
Communications Mining kann auf vielfältige Weise den Wert für Unternehmen steigern. Letztendlich bestimmen die Geschäftsziele den Wert, nach dem ein Anwendungsfallverantwortlicher sucht, und die WertSäulen werden auf bestimmte Anwendungsfälle ausgerichtet.
Wie bisher beschrieben eröffnet Communications Mining erhebliche Möglichkeiten sowohl für die Analyse als auch für die Automatisierung für Kunden.
Normalerweise fragen Kunden, wo Communications Mining eingesetzt werden kann, und die Antwort ist überall.
In jeder Branche beginnt jeder Prozess und jede Aktion auf dem Bildschirm, vom Kundensupport über die Bestellung von Teilen in der Fertigung bis hin zu Versicherungsangeboten, Schadensfällen und Verlängerungen, mit einer Form der Kommunikation.
Wenn Unternehmen wachsen, benötigen sie Lösungen wie Communications Mining, um diese Kommunikation effektiv zu verwalten. Andernfalls besteht die Gefahr, dass sie ins Spiel kommen.
Wie im vorherigen Abschnitt beschrieben, fungiert Communications Mining als Enabler für die intelligente Automatisierung, indem es strukturierte Daten für nachgelagerte Automatisierungen zur Verfügung stellt, um Maßnahmen zu ergreifen.
Weitere Informationen zur Kombination von Communications Mining mit RPA zur Automatisierung finden Sie unter Einführung in die API-Dokumentation.
Communications Mining und Document Understanding können verschiedene Arten von Daten verarbeiten, aber letztendlich können sie eine leistungsstarke kombinierte Lösung bilden.
Jedes Unternehmen auf der Welt verarbeitet Dokumente, die durch Kommunikation ausgetauscht werden:
- Communications Mining und Document Understanding ermöglichen es Unternehmen, komplexe Serviceprozesse E2E zu verstehen und zu automatisieren – Aufgaben, bei denen Mitarbeiter zuvor sowohl Nachrichten als auch Dokumente lesen mussten, um ihre Arbeit zu erledigen.
- Sie schaffen eine völlig neue Datenquelle für UiPath-Roboter. Zum ersten Mal können Unternehmen einige ihrer zeitaufwändigsten und intensivsten Serviceprozesse automatisieren.
So arbeiten Communications Mining und Document Understanding zusammen
Folgende Abbildung enthält einen grafischen Workflow, der zeigt, wie Communications Mining und Document Understanding zusammenarbeiten:
- Optimale Datentypen für Communications Mining
- Wertspalten für Communications Mining
- Anwendungsfall: Analytik
- Anwendungsfall: Automatisierung
- Branchenbeispiele
- Beispiel für Kundenanwendungsfälle
- Kombinieren von UiPath®-Tools mit Communications Mining
- Communications Mining und RPA
- Communications Mining und Document Understanding