PeripherAi hilft Start-ups und KMUs beim Aufbau skalierbarer, effizienter Vertriebsfunktionen durch die Integration von menschlichem Wissen mit leistungsstarken insights. Ihr Ziel ist es, kleine Unternehmen in die Lage zu versetzen, ihre Vertriebsprozesse zu optimieren und ihr Wachstum zu beschleunigen.
Herausforderung
Ziel von PeripherAi war es, ein Tool für Start-ups und KMUs zu entwickeln, das CRM-Daten, Kundenkommunikation und maschinelles Lernen nutzt, um die Vertriebsleistung zu optimieren und zu verbessern. Das Unternehmen wollte die Aufnahme und Kategorisierung verschiedener Datentypen - E-Mails, Anrufaufzeichnungen und Transkripte - automatisieren und gleichzeitig erweiterte Analysen und Stimmungsanalysen ermöglichen.
Um dies zu erreichen, benötigte das Unternehmen eine robuste, skalierbare Ingestion-Pipeline, die sich in künftige ML-Initiativen integrieren lässt, die manuelle Arbeit reduziert und zuverlässige, qualitativ hochwertige Trainingsdaten für maschinelle Lernmodelle erzeugt.
Lösung
Firemind hat ein Data Ingestion-Modul entwickelt, um verschiedene Datenquellen zu verarbeiten und sie in ML-gestützte Analysen einzuspeisen. Audiotranskripte im JSON-Format werden in einen Amazon S3-Bucket hochgeladen und lösen eine Lambda-Funktion aus, die Dokumente mit eindeutigen IDs und Metadaten in DynamoDB registriert. Diese Metadaten werden dann durch Lambda-Funktionen zur Klassifizierung und Erkennung von Erweiterungen verarbeitet, wodurch die Dateien automatisch für nachgelagerte ML-Services sortiert werden.
Das System integriert Amazon Comprehend für die Stimmungsanalyse und ist zukunftssicher für weitere AWS-Dienste wie Amazon Translate, Amazon Textract und Amazon Transcribe. Dieser automatisierte Ansatz ersetzt die manuelle Datenaufbereitung, spart viel Zeit und ermöglicht es PeripherAi, sich auf die Entwicklung fortschrittlicher Analysen und insights in ihre Vertriebsplattform zu konzentrieren.
Genutzte Dienste
- Amazon Comprehend
- AWS Lambda
- Amazon DynamoDB
- Amazon S3
Die Ergebnisse
- 60 %-ige Verbesserung der Genauigkeit der Stimmungsanalyse
- Automatisierte, skalierbare Pipeline für Data Ingestion
- Automatisierte, skalierbare Data Ingestion-Pipeline Erhebliche Zeit- und Ressourceneinsparungen durch Wegfall der manuellen Vorbereitung
- Zukunftssichere Architektur für fortschrittliche ML-Dienste
- Verbesserte Fähigkeit zur Analyse von CRM- und Kundenkommunikationsdaten
