Création de pré-tickets d'intervention à partir de mails

Contexte

Comment automatiser la création de pré-tickets d'intervention à partir de mails ?

Le service client d'une entreprise reçoit plusieurs centaines de mails journaliers, que doivent lire leurs collaborateurs afin d'en extraire diverses informations comme l'adresse et la nature de l'intervention à programmer. Une fois cela compris, le mail est ensuite dispatché au service concerné.

L'objectif de notre mission est d'automatiser la création de pré-tickets d'intervention à partir de ces mails, en classifiant les mails par thématique et lorsqu'il s'agit d'intervention d'en extraire l'adresse, puis de comparer cette adresse avec le réportoire d'adresses de sites présents dans l'ERP du client. L'objectif est de réduire ainsi considérablement les temps de traitement et de fiabiliser le processus.

Extraction des données des mails

Traitement de vos données

Récupération de vos données

Scénario utilisé

Worker Convert

Extrait le texte des pièces jointes

WorkerETL

Nettoie et met en forme les données

Worker NLP

Catégorise les textes

API Géolocalisation

Normalise les adresses extraites

Worker

Enregistre dans la base de données

Return on investment

Automatic extraction of all important data on accident reports.

Cleaning, standardization, control and consolidation of information.

The data is immediately available and allows you to make the right decisions.

Accessible via our SaaS or API and can be directly integrated into your IS.

Tableau de bord proposé pour le pilotage du projet

Le tableau de bord proposé après la première analyse pour mieux visualiser les tendances importantes :

La vue présentée montre l'ensemble de l'activité, et comme dans toute data visualisation, il est possible de filtrer par facette : connaître le nombre de mails urgents pour les demandes d'interventions, mieux appréhender les clients par volumétrie de demande, etc...

L'analyse des mails a montré que 30% de la volumétrie était des mails d'échanges internes à la société, notamment parce que le dispatch initial fait par le service client n'était pas le bon.

Parlons ensemble de votre projet !

Nous contacter

Creation of pre-intervention tickets from emails

Contexte

How to automate the creation of pre-intervention tickets from emails?

The customer service department of a company receives several hundred daily emails, which their employees must read in order to extract various information such as the address and the nature of the intervention to be scheduled. Once this is understood, the email is then dispatched to the department concerned.

The objective of our mission is to automate the creation of pre-intervention tickets from these emails, by classifying the emails by theme and when it comes to intervention, extract the address, then compare this address with the directory of site addresses in the customer's ERP. The aim is to considerably reduce processing times and make the process more reliable.

Solution

Extraction des données
des mails

Semi-automated processing in our Smart My Catalog solution

Récupération de toutes les informations triées et rangées en BDD

Scénario utilisé

Worker Convert

Extrait le texte des pièces jointes

Worker
ETL

Cleanses and formats data

Prediction Worker NLP

Catégorise les textes

API Géolocalisation

Normalise les adresses extraites

Worker
Database

Save to database

Let's talk about your project together! Let's talk about your project together!

Automatic extraction of all important data from the document.

Cleaning, standardization, control and consolidation of information.

The data is immediately available for drafting reports.

Accessible via our SaaS or API and can be directly integrated into your IS.

Dashboard proposed for project management

The dashboard proposed after the first analysis to better visualize the important trends:

The view presented shows all of the activity, and as in any data visualization, it is possible to filter by facet: know the number of urgent emails for intervention requests, better understand customers by volume of requests, etc. ...

The analysis of the emails showed that 30% of the volume was internal to the company, in particular because the initial dispatch made by customer service was not the correct one.