Clients et partenaires d’Amazon Comprehend

Nous nous efforçons de combiner la technologie et l’expertise dans le domaine des affaires pour aider nos clients à comprendre les risques de conformité dans leur chaîne logistique. Nous recherchions un moyen de traiter les documents de conformité à grande échelle. Notre processus consiste à lire des images et des documents PDF contenant des formulaires, des tableaux et du texte libre et à extraire les données intéressantes de ces documents. La technologie OCR d'Amazon Textract nous a permis d'extraire le texte des documents. Les API PNL contextuelles d'Amazon Comprehend ont extrait du texte des entités spécifiques aux entreprises et leurs valeurs. Nous avons également intégré l'intervention humaine dans notre flux de travail en utilisant Amazon Augmented AI (Amazon A2I) pour que nos équipes examinent les données extraites et fournissent un retour d'information aux modèles ML et aident à les améliorer au fil du temps. L'utilisation de cette combinaison efficace du machine learning avec AppSync et Amplify nous a permis d'obtenir des informations plus précises sur les risques de la chaîne logistique de nos clients et leur a fait gagner des centaines d'heures dans l'examen manuel des documents. Ils peuvent désormais obtenir un retour d’information immédiat pour savoir si leur entreprise est exposée à un risque de non-conformité.

Les mises en œuvre numériques d'AWS et d'Amazon Business dans l'organisation des achats d'ExxonMobil améliorent ses opérations à l'échelle mondiale et préparent l'entreprise à d'éventuelles perturbations inattendues.  Nous avons travaillé avec Amazon ML Solutions Lab pour développer une preuve de concept destinée à optimiser l’utilisation des contrats et à réduire davantage les coûts. L'une des approches tire parti d'Amazon SageMaker pour améliorer l'identification des articles du catalogue les mieux adaptés à partir d'entrées en texte libre dans Smart by GEP, le système d'achat électronique d'ExxonMobil. Lorsque les descriptions des articles du catalogue ne sont pas disponibles, nous utilisons Amazon Comprehend pour créer un modèle de classification sur mesure pour associer des entrées en texte libre aux accords contractuels des fournisseurs.

La FINRA reçoit des millions de documents contenant des données non structurées pour les processus de recherche, d’examen et de conformité. Nos enquêteurs et examinateurs ont dû parcourir des documents page après page ou effectuer des recherches très spécifiques pour trouver ce dont ils avaient besoin. Avec Amazon Comprehend, nous pouvons extraire rapidement les individus et les organisations, faire correspondre les entités extraites aux enregistrements FINRA, signaler les intérêts individuels et détecter les similitudes avec d’autres documents.

Nous fournissons aux professionnels du droit des recherches et l’analytique approfondies pour les aider à prendre des décisions éclairées. Par conséquent, nous sommes toujours à la recherche de meilleurs moyens de découvrir des informations à partir de documents juridiques. Grâce au machine learning (ML) d'Amazon Comprehend, nous pouvons désormais créer des modèles de reconnaissance d'entités personnalisés et précis sans entrer dans les complexités associées au machine learning. Les entités qui comptent le plus pour nous, comme les juges et les avocats, peuvent être identifiées rapidement parmi plus de 200 millions de documents avec une précision de plus de 92 %.

Le recours à des ressources humaines pour le traitement et l’analyse de précédentes enquêtes auprès des employés coûte plusieurs euros par entretien. En utilisant Amazon Comprehend et d’autres services AWS, nous obtenons des traductions, des traitements et des analyses pour moins d’un euro par entretien.

Utiliser Comprehend pour présenter le problème d’un client à la bonne personne nous donne vraiment les meilleures chances de fidéliser ce client à l’avenir.

 

Notre plateforme Sparq connecte vos données clients les plus importantes provenant de toutes les sources, y compris les données transactionnelles, d’attitude, émotionnelles et intentionnelles, pour créer des profils clients dynamiques permettant à chaque système d’équipes et d’entreprises d’avoir une vue unifiée du client. En s’intégrant à la fonctionnalité d’analyse de sentiments d’Amazon Comprehend, la plateforme peut désormais transformer des retours d’informations clients d’ordre qualitatif en informations exploitables, afin de déterminer, avec un niveau de précision supérieur à 90 %, si ces retours d’informations sont positifs, négatifs ou neutres.

Comprendre le sentiment des clients sur différents produits ou services est essentiel pour comprendre l’état de l’entreprise. Amazon Comprehend Targeted Sentiment permet à nos clients non seulement de comprendre le sentiment pour une conversation, mais aussi d’approfondir des domaines spécifiques du produit ou de l’activité à grande échelle.

Nous sommes très enthousiastes à l’égard de la fonctionnalité Amazon Comprehend Targeted Sentiment, car elle améliorera nos rapports existants sur les réponses aux enquêtes ouvertes dans Gallup Access. Nous établissons actuellement des rapports sur le sentiment général et, grâce à cette nouvelle fonctionnalité, nous serons en mesure de fournir un sentiment plus ciblé dans les réponses à l'enquête. La proposition de valeur de nos rapports globaux s’en trouvera améliorée et nos utilisateurs disposeront de données plus précises et exploitables.

Notre activité est centrée sur la livraison du meilleur contenu marketing possible pour les marques qui dépendent de nous. En utilisant Amazon Comprehend, nous avons pu augmenter significativement la qualité et la précision des capacités d'analyse de contenu de notre plateforme, qui identifie le bon contenu pour les campagnes de marketing les plus percutantes. Amazon Comprehend nous permet de nous concentrer sur notre produit de base et de ne pas nous soucier de la complexité associée à la construction de nos propres modèles de machine learning.

La messagerie mobile permet de connecter les marques et les consommateurs de manière directe, personnelle et authentique. Vibes traite des milliards de messages mobiles tous les mois, et l'énorme quantité de messages que nous gérons comporte des informations approfondies latentes. Amazon Comprehend nous permet d’extraire rapidement les expressions clés, de détecter les sentiments et de modéliser des thématiques à partir du contenu de messages non structurés, ce qui permet aux spécialistes du marketing d’avoir une meilleure compréhension de leurs performances et des informations exploitables pour offrir des expériences clients enrichissantes.