)
Schnellere Beratung dank MLOps
Machine Learning Reply hat mit Hilfe des MLOps-Konzeptes eine Lösung für die App einer großen deutschen Baumarktkette entwickelt, die Kundenanfragen automatisch an die richtigen Experten weiterleitet.
#MLOps
#Automation
#DX
Die Herausforderung
Kundenkontakt – direkt und digital
Um seine Kunden an sich zu binden, setzt eine große deutsche Baumarktkette auf seine digitale Serviceplattform. Die App ermöglicht es Kunden unter anderem, direkt mit einem spezialisierten Produktberater aus dem Markt vor Ort in Kontakt zu treten. Mit diesem Service fördert das Unternehmen ein durchgängiges und persönliches Kundenerlebnis. Doch die steigende Anzahl an Anfragen wurde für das Unternehmen zunehmend zur Herausforderung. Die zeitnahe Zuordnung der richtigen Experten konnte nicht mehr zuverlässig gewährleistet werden. Eine Lösung, die trotz der großen Nachfrage eine schnelle Antwort an die Kunden ermöglicht, war gefragt.
)
Die Lösung
Automatisierung für kürzere Reaktionszeiten
Unsere Experten von Machine Learning Reply haben die Baumarktkette dabei unterstützt, die Bearbeitung der Kundenanfragen, die in der App eingehen, zu beschleunigen. Ein klares Plus in puncto Kundenservice. Mit Hilfe eines speziellen Maschine Learning-Modells werden die Anfragen der Kunden nun vollkommen automatisch an den richtigen Experten weitergeleitet. Die dafür implementierte Produktarchitektur basiert auf den AWS-Services Lambda, MLFlow and SNS.
Wie wir das geschafft haben
Effizientere Modelle dank MLOps
Machine Learning-Modelle wie das für die App verwendete, ermöglichen Systeme, die selbst dazulernen – und damit häufig immense Wettbewerbsvorteile. Gerade dieser Vorzug macht die Modelle jedoch gleichzeitig sehr komplex. „Klassische“ Software erhält über den Code gewisse Regeln, anhand derer sie die Daten, die ihr zur Verfügung stehen, verarbeitet. Machine Learning-Modelle erschaffen hingegen auf Basis der Daten ein eigenes Regelwerk, das sie wiederum auf andere Daten anwenden können. So kann z. B. eine Änderung bei der Datenverteilung, ein so genannter Data Drift, umfangreiche Auswirkungen auf das gesamte Modell haben. Eine Dynamik, die sich nur schwer kontrollieren lässt. Um die dadurch verursachte Komplexität beherrschen zu können und die Lösung möglichst effizient zu gestalten, haben die Experten von Machine Learning Reply bei der Lösung für die Baumarktkette auf zentrale MLOps-Prinzipien gesetzt.
)
Die Ergebnisse
Schnell, skalierbar und kosteneffizient
Dank der Unterstützung der Experten von Machine Learning Reply profitiert der Kunde heute von einer Vielzahl an Vorteilen:
Verringerung der Reaktionszeit von Minuten auf Sekunden
70 % weniger manueller Aufwands für die Bereitstellung der Services
Verringerung der Bereitstellungszeit neuer Funktionen von Wochen auf Minuten
Kostenreduzierung durch die Kombination verschiedener Dienste auf Cost-per-Use-Basis
Höhere
Skalierbarkeit
Leichtere Wartung
des Systems
Machine Learning Reply bietet maßgeschneiderte End-to-End-Lösungen im Data-Science-Bereich an, die den gesamten Projektlebenszyklus abdecken – von der initialen Strategieberatung über die Datenarchitektur und Infrastrukturthemen bis hin zur Datenverarbeitung und Qualitätssicherung unter Verwendung von Machine Learning-Algorithmen. Machine Learning Reply verfügt über umfassende Expertise im Bereich der Datenwissenschaft in allen Schlüsselindustrien der deutschen HDAX-Unternehmen. Machine Learning Reply befähigt seine Kunden, neue datenbasierte Geschäftsmodelle erfolgreich einzuführen sowie bereits bestehende Prozesse und Produkte zu optimieren – mit einem Schwerpunkt auf Open-Source- und Cloud-Technologien. Mit dem Machine Learning Incubator bietet das Unternehmen ein Programm zur Ausbildung der nächsten Generation von Entscheidungsträgern, Data Scientists und Entwicklern an.