#1 Smarte Textverarbeitung in Unternehmen mit Pega

Text prediction utilizes advanced techniques such as natural language processing (NLP), predictive and adaptive analytics, and artificial intelligence to analyze incoming messages across various channels, such as email or chat. Text analysis enables various tasks to be performed, such as routing tasks, populating properties in business cases, and sending relevant responses to users.

In Pega, text analysis is handled by the Text Analyzer. It offers various functions, such as sentiment analysis, categorization, text extraction, and intent analysis of text-based content. It combines various powerful natural language processing tools to capture all text-based content, break down unstructured data into structured elements, and deliver actionable results. Thus, the Text Analyzer can be used to automatically perform natural language processing tasks such as sentiment analysis, topic and intent classification, and entity recognition.

These natural language processing tasks utilize natural language processing, predictive and adaptive analytics, and artificial intelligence to analyze incoming messages in their communication channels, such as email or chat. The Text Analyzer can help distribute work, identify content, and respond to relevant messages.

The Text Analyzer consists of two main components: text categorization and text extraction. Text categorization includes the sentiment model, the intent model, and the topic model. Text extraction relies on the entity extraction model.
The Text Analyzer is a feature that can be enabled in a channel. In Pega, a channel can essentially be many things. For example, channels can encompass various communication services such as messaging, voice calls, or a web portal. When a channel is created, it is assigned its own class in which the relevant models can be created. The Pega platform groups rules within an application into classes to organize their reusability accordingly. The Text Analyzer analyzes incoming emails routed to this channel. All relevant information can be configured in the Text Analyzer Rule. First, you specify which models the Text Analyzer should use. By default, all models are equipped with Pega’s out-of-the-box functionality. The following models and functions can be configured:

Text Categorization

• Sentiment Detection
• Topic Detection
• Intent Detection

Text Extraction

• auto-tag extraction
• summarization
• text extraction entity mode

In the Text Analyzer, you can also configure all settings for the models. First, you can specify the page in which the results are saved. A “page” is a fundamental data structure object in Pega used for storing and processing information. It is a temporary container that holds data during the execution of processes and applications on the Pega platform. Additionally, the Text Analyzer allows you to configure which languages to use or which categories to consider during text extraction. You can also configure specific thresholds for when an action should be executed for a category or when a topic is recognized. Features such as spell checking can also be configured here. The Text Analyzer can be fully customized in Prediction Studio.

Das Prediction Studio ist eine Authoring-Umgebung von Pega, die es den Benutzern mit verschiedenen Werkzeugen ermöglicht, den gesamten Lebenszyklus von KI- und maschinellen Lernmodellen zu steuern. Dies umfasst den Prozess der Modellerstellung, Überwachung und Aktualisierung. Das Prediction Studio bietet auch die Möglichkeit, zusätzliche Ressourcen wie beispielsweise Datensätze, Taxonomien und Sentiment-Lexika zu verwalten.

Das Prediction Studio führt den Benutzer durch den gesamten Prozess der Erstellung neuer Vorhersagemodelle, einschließlich Regression, Entscheidungsbäume, genetischer Algorithmen und anderer Ansätze. Diese Modelle dienen der Vorhersage des Kundenverhaltens über den gesamten Produktlebenszyklus. Dabei können verschiedene Aspekte des Kundenverhaltens prognostiziert werden, beispielsweise der Kauf eines neuen Produkts, die Nutzung von Serviceleistungen, die Kundenabwanderung oder das Risiko eines Zahlungsausfalls. Das Prediction Studio bietet damit eine umfassende Unterstützung bei der Entwicklung adaptiver Machine-Learning-Modelle, die es Unternehmen ermöglichen, auf Basis präziser Vorhersagen fundierte Entscheidungen zu treffen und ihre Geschäftsstrategien effektiv anzupassen.

Es nutzt die Stärke von maschinellem Lernen und künstlicher Intelligenz, um Modelle zu erstellen, die auf die spezifischen Anforderungen des Unternehmens zugeschnitten sind. Das Prediction Studio bietet auch Vorlagen, um den Entwicklungsprozess zu vereinfachen. Darüber hinaus stehen Test- und Debugging-Tools sowie automatische Aktualisierungen zur Verfügung, um sicherzustellen, dass das Modell immer auf dem neuesten Stand ist und genauere Vorhersagen treffen kann. Alle Werkzeuge können über eine intuitive Benutzeroberfläche gesteuert werden.

Im Prediction Studio wird ermöglicht, auf vorhandene Vorhersagen innerhalb der Anwendung zuzugreifen, diese zu verwalten und auszuführen. Die Leistung der Modelle wird kontinuierlich überwacht und mit den erwarteten Ergebnissen verglichen. Wenn ein Modell besondere Aufmerksamkeit erfordert, werden den Benutzern wertvolle Erkenntnisse zur Verfügung gestellt, um zu identifizieren, welche Verbesserungen vorgenommen werden müssen. Durch diese Überwachung und die Bereitstellung handlungsrelevanter Einblicke ermöglicht das Prediction Studio eine effektive Optimierung und Anpassung der KI-Modelle. Auf diese Weise können Unternehmen sicherstellen, dass ihre Vorhersagen präzise und zuverlässig sind und die bestmöglichen Ergebnisse erzielen.

• https://docs.pega.com/bundle/platform/page/platform/decision-management/analyze-natural-language.html
• https://docs.pega.com/bundle/platform/page/platform/decision-management/decision-management-overview.html
• https://docs.pega.com/bundle/platform/page/platform/decision-management/get-started-prediction-studio.html