AWS Entity Resolution fügt Konfidenzwerte auf Rekordebene für ML-Matching hinzu
AWS Entity Resolution bietet jetzt Konfidenzwerte auf Datensatzebene für Machine-Learning-basierte Abgleich-Workflows. So erhalten Sie pro Datensatz ein Signal, wie sicher das Modell bei jedem einzelnen Identitätsabgleich ist. Bisher wiesen alle Datensätze innerhalb einer Match-Gruppe unabhängig von der tatsächlichen Match-Qualität den gleichen Konfidenzwert auf Gruppenebene auf – sodass es unmöglich war, ein fast sicheres Match von einem Fast-Match zu unterscheiden. Das zwang die Kunden, einen einzigen Vertrauensschwellenwert für alle Datensätze anzuwenden, wodurch die Anzahl der aufgelösten Identitäten, die im Downstream aktiviert werden konnten, begrenzt wurde.
Bei Konfidenzwerten auf Rekordebene hat jetzt jeder aufgelöste Datensatz seinen eigenen Wert, der die tatsächliche Match-Qualität widerspiegelt. Das gibt Ihnen die Präzision, mehr Datensätze für die Aktivierung zu qualifizieren, indem Sie differenzierte Schwellenwerte anwenden. Dabei verwenden Sie eine höhere Zuverlässigkeit für automatische Zusammenführungen und niedrigere Schwellenwerte, um zusätzliche Datensätze einzubeziehen, die immer noch den Qualitätsstandards entsprechen. Das Ergebnis sind größere adressierbare Zielgruppen und bessere Lead-Konversionen, während gleichzeitig eine Compliance-Grad-Match-Transparenz mit prüfungsbereiten Nachweisen für jeden gelösten Datensatz gewahrt bleibt. Bei inkrementellen ML-Workflows spiegelt die vorhandene Spalte RecordConfidenceLevel jetzt die tatsächliche Punktzahl pro Datensatz wider, ohne dass Schemaänderungen erforderlich sind.
Sie können damit beginnen, Konfidenzwerte auf Rekordniveau in allen AWS-Regionen zu verwenden, in denen AWS Entity Resolution verfügbar ist. Weitere Informationen finden Sie in unserem Benutzerhandbuch. Weitere Informationen zu AWS Entity Resolution finden Sie auf unserer Produktseite.