Amazon-Comprehend-Kunden und -Partner

Wir bemühen uns, Technologie- und Fachwissen aus dem Geschäfts-Domain zu kombinieren, um unseren Kunden dabei zu helfen, die Compliance-Risiken in ihrer Lieferkette zu verstehen. Wir benötigten eine Möglichkeit, Compliance-Dokumente in großem Maßstab zu verarbeiten. Unser Prozess besteht darin, Bilder und PDF-Dokumente mit Formularen, Tabellen und Freiformtexten zu lesen und aus diesen Dokumenten relevante Daten zu extrahieren. Die OCR-Technologie von Amazon Textract ermöglichte es uns, Text aus Dokumenten zu extrahieren. Die kontextsensitiven NLP-APIs von Amazon Comprehend extrahierten geschäftsspezifische Entitäten und ihre Werte aus dem Text. Mithilfe von Amazon Augmented AI (Amazon A2I) haben wir auch Menschen in den Workflow eingebunden: Unsere Teams überprüfen die extrahierten Daten, geben Feedback zu den ML-Modellen und helfen, sie im Laufe der Zeit zu verbessern. Der Einsatz dieser effizienten Mischung aus menschlichem und maschinellem Lernen zusammen mit AppSync und Amplify ermöglichte uns genauere Einblicke in die Lieferkettenrisiken unserer Kunden und ersparte ihnen Hunderte von Stunden bei der manuellen Überprüfung von Dokumenten. Sie können nun sofort eine Rückmeldung darüber erhalten, ob ihr Unternehmen einem Compliance-Risiko ausgesetzt ist.

Digitale AWS- und Amazon Business-Implementierungen in die Beschaffungsorganisation von ExxonMobil verbessert die globale Tätigkeit und bereiten das Unternehmen auf unerwartete Störungen vor.  „Wir haben mit dem Amazon ML Solutions Lab zusammengearbeitet, um einen Machbarkeitsnachweis zu entwickeln, der auf maximale Vertragsnutzung weitere Kostenverringerung abzielt. Ein Ansatz nutzt Amazon SageMaker, um die Identifizierung von am besten geeigneten Katalogartikeln aus Freitexteinträgen in Smart by GEP, dem eProcurement-System von ExxonMobil, zu verbessern. Wenn Katalogartikelbeschreibungen nicht leicht zugänglich sind, verwenden wir Amazon Comprehend, um ein maßgeschneidertes Klassifizierungsmodell zu erstellen, um Freitexteinträge Lieferantenvertragsvereinbarungen zuzuordnen.

FINRA erhält Millionen von Dokumenten mit unstrukturierten Daten zur Unterstützung von Ermittlungs-, Prüfungs- und Compliance-Prozessen. Unsere Ermittler und Prüfer mussten die Dokumente Seite für Seite manuell durchgehen oder sehr gezielt suchen, um das zu finden, was sie brauchten. Mit Amazon Comprehend können wir Personen und Unternehmen schnell extrahieren, extrahierte Entitäten mit FINRA-Datensätzen abgleichen, interessante Personen markieren und Ähnlichkeiten mit anderen Dokumenten erkennen.

Wir bieten Juristen aufschlussreiche Recherchen und Analysen, die ihnen helfen, fundierte Entscheidungen zu treffen. Deshalb sind wir immer auf der Suche nach besseren Wegen, um Erkenntnisse aus rechtlichen Dokumenten zu gewinnen. Dank Amazon Comprehend's automatischem maschinellem Lernen (ML) können wir nun genaue benutzerdefinierte Entitätserkennungsmodelle erstellen, ohne in die Komplexität von ML einzusteigen. Die Entitäten, die uns am wichtigsten sind, wie Richter und Anwälte, können aus über 200 Millionen Dokumenten mit einer Genauigkeit von über 92 % schnell ermittelt werden.

Die Beschaffung von Personal, die Bearbeitung und Analyse früherer Mitarbeiterbefragungen kostete mehrere Euro pro Interview. Durch die Nutzung von Amazon Comprehend und anderen AWS-Services erhalten wir Übersetzung, Bearbeitung und Analyse für weniger als einen Euro pro Interview.

Wenn wir Comprehend verwenden, um ein Kundenproblem an die richtige Person weiterzuleiten, haben wir wirklich die besten Chancen, den Kunden auch in Zukunft an uns zu binden.

 

Unsere Sparq-Plattform verbindet Ihre wichtigsten Kundendaten aus allen Quellen – einschließlich Transaktions-, Einstellungs-, Emotions- und Absichtsdaten – zu dynamischen Kundenprofilen, die jedem Team und Geschäftssystem eine einheitliche Sicht auf den Kunden geben. Durch die Integration mit der Stimmungsanalysefunktion von Amazon Comprehend verwandelt die Plattform nun qualitatives Kundenfeedback in umsetzbare Erkenntnisse und bestimmt mit einer Genauigkeit von über 90 %, ob das Feedback positiv, negativ oder neutral ist.

Die Meinung der Kunden zu verschiedenen Produkten und Services zu kennen, ist die Grundlage für eine Zustandsanalyse des Unternehmens. Amazon Comprehend Targeted Sentiment ermöglicht es den Kunden, nicht nur die Stimmung bei einem Gespräch zu analysieren, sondern auch Erkenntnisse über bestimmte Produkte oder Unternehmensbereiche zu erhalten.

Wir sind begeistert von dem Amazon-Comprehend-Targeted-Sentiment-Feature, da es die bestehende Berichterstattung zu Umfrageergebnissen in Gallup Access verbessern wird. Aktuell zeichnen wir allgemeine Metriken zur Stimmung auf. Mit dieser neuen Funktion werden wir in der Lage sein, in diesen Umfrageergebnissen mehr Details zur Stimmung zu erfassen. Dies steigert den Mehrwert unserer Berichte und bietet Benutzern genauere Daten, auf deren Grundlage sie Entscheidungen treffen können.

Unser Ziel ist es, unseren Auftraggebern die bestmöglichen Marketinginhalte für ihre Marken zu liefern. Mit Amazon Comprehend können wir die Qualität und Genauigkeit der Inhaltsanalysefunktionen unserer Plattform erheblich verbessern. Dies ermöglicht es uns, passende Inhalte für möglichst wirkungsvolle Marketingkampagnen zu ermitteln. Amazon Comprehend ermöglicht es uns, uns auf unser Kernprodukt zu konzentrieren und uns keine Gedanken über die Arbeit machen zu müssen, die mit der Entwicklung unserer eigenen Modelle für Machine Learning verbunden ist.

Durch mobile Benachrichtigungen kommen Marken und Kunden auf direkte, persönliche und authentische Art und Weise miteinander in Kontakt. Bei Vibes verarbeiten wir jeden Monat Milliarden von mobilen Nachrichten und es verbergen sich tiefe Einsichten in der Vielzahl an Nachrichten, die wir verarbeiten. Amazon Comprehend ermöglicht es uns, Schlüsselformulierungen schnell zu extrahieren, Stimmungen zu erkennen und Themen aus unstrukturierten Nachrichteninhalten zu modellieren. Dadurch erhalten Marketingspezialisten einen besseren Einblick in ihre Leistungen und aussagekräftige Erkenntnisse für die Schaffung positiver Kundenerlebnisse.