AWS Finance внедрила chat agents и Flows в Amazon Quick, чтобы автоматизировать два трудозатратных процесса в FP&A: моделирование сценариев и еженедельные бизнес-обзоры. Как пишет AWS Machine Learning Blog, раньше команды тратили сотни часов в месяц на подготовку данных, сведение показателей из разных систем и сборку отчетов еще до начала самой аналитики.
Для работы со стратегическими клиентами команда создала chat agent с доступом к корпоративным источникам данных и таблицам Amazon Redshift. Система проводит регрессионный анализ, Monte Carlo simulations и сценарное моделирование. Кроме того, она учитывает внешние сигналы и неструктурированные данные из field reports и pipeline data. По данным AWS, раньше детальный анализ одного клиента занимал до 6 часов ручной работы, сейчас на обработку уходит около 10 минут.
В AWS говорят, что прежде аналитики успевали глубоко прорабатывать только примерно треть стратегических клиентов в доступные сроки. Остальные получали более поверхностный анализ. После внедрения Quick команда перешла к анализу всего клиентского портфеля.
Также AWS Finance использовала chat agents, привязанные к географическим регионам, вместе с Flows для автоматизации еженедельных business review без ручного запуска процессов.
Ключевые факты
До внедрения Quick детальный анализ одного стратегического клиента занимал до 6 часов ручной работы
Amazon Quick выполняет регрессионный анализ, Monte Carlo simulations и сценарное моделирование через запросы на естественном языке
Chat agent AWS Finance обращается к миллионам строк в таблицах Amazon Redshift и использует внешние сигналы вместе с pipeline data
AWS Finance развернула отдельные chat agents для разных географических регионов и связала их с Flows для автоматизации weekly review
