In 2018 het ons stewig gevestig - IT-diensbestuur (ITSM) en IT-dienste is steeds in besigheid, ondanks voortdurende gesprekke oor hoe lank hulle die digitale revolusie sal oorleef. Inderdaad, die vraag na tegniese ondersteuningsdienste groei – in die Tegniese Ondersteuningsverslag en die Salarisverslag (Help Desk Institute) 2017-verslag dui aan dat 55% van hulptoonbanke 'n toename in kaartjievolume oor die afgelope jaar gerapporteer het.
Aan die ander kant het baie maatskappye verlede jaar 'n afname in die volume oproepe na tegniese ondersteuning opgemerk (15%) vergeleke met 2016 (10%). Die sleutelfaktor wat bygedra het tot die vermindering in die aantal versoeke was onafhanklike tegniese ondersteuning. HDI berig egter ook dat die aansoekfooi verlede jaar tot $25 gestyg het, vanaf $18 in 2016. Dit is nie waarna die meeste IT-afdelings streef nie. Gelukkig kan outomatisering aangedryf deur analise en masjienleer hulptoonbankprosesse en produktiwiteit verbeter deur foute te verminder en kwaliteit en spoed te verbeter. Soms is dit buite menslike vermoëns, en masjienleer en analise is die sleutelgrondslag vir 'n intelligente, proaktiewe en responsiewe IT-hulptoonbank.
Hierdie artikel kyk van naderby na hoe masjienleer baie van die hulptoonbank- en ITSM-uitdagings wat verband hou met kaartjievolume en koste kan oplos, en hoe om 'n vinniger, meer outomatiese hulptoonbank te skep wat ondernemingswerknemers geniet om te gebruik.
Effektiewe ITSM deur masjienleer en analise
My gunsteling definisie van masjienleer kom van die maatskappy :
“Masjineleer leer rekenaars om te doen wat natuurlik vir mense en diere kom—leer uit ervaring. Masjienleeralgoritmes gebruik berekeningsmetodes om inligting direk vanaf data te leer, sonder om op 'n voorafbepaalde vergelyking as 'n model staat te maak. Algoritmes verbeter hul eie prestasie aanpasbaar namate die aantal monsters wat vir studie beskikbaar is, toeneem.”
Die volgende vermoëns is beskikbaar vir sommige ITSM-nutsgoed gebaseer op masjienleer en grootdata-analise:
- Ondersteuning via bot. Virtuele agente en kletsbotte kan outomaties nuus, artikels, dienste en ondersteuningsaanbiedinge uit datakatalogusse en publieke versoeke voorstel. Hierdie 24/7 ondersteuning in die vorm van opleidingsprogramme vir eindgebruikers help om probleme baie vinniger op te los. Die belangrikste voordele van die bot is 'n verbeterde gebruikerskoppelvlak en minder inkomende oproepe.
- Slim nuus en kennisgewings. Hierdie instrumente laat gebruikers toe om proaktief in kennis gestel te word van potensiële probleme. Boonop kan IT-professionals oplossings aanbeveel om probleme op te los deur gepersonaliseerde kennisgewings wat aan eindgebruikers relevante en uitvoerbare inligting verskaf oor probleme wat hulle mag teëkom, asook wenke oor hoe om dit te vermy. Ingeligte gebruikers sal proaktiewe IT-ondersteuning waardeer en die aantal inkomende oproepe sal verminder word.
- Slim soektog. Wanneer eindgebruikers na inligting of dienste soek, kan 'n konteksbewuste kennisbestuurstelsel aanbevelings, artikels en skakels verskaf. Eindgebruikers is geneig om sommige resultate oor te slaan ten gunste van ander. Hierdie klikke en kyke word by die "gewig"-kriteria ingesluit wanneer inhoud mettertyd herindekseer word, sodat die soekervaring dinamies aangepas word. Aangesien eindgebruikers terugvoer gee in die vorm van laaik/hou nie van stem nie, beïnvloed dit ook die rangorde van die inhoud wat hulle en ander gebruikers kan vind. Wat voordele betref, kan eindgebruikers vinnig antwoorde vind en meer selfvertroue voel, en hulptoonbankagente is in staat om meer kaartjies te hanteer en meer diensooreenkomste (SLA's) te bereik.
- Ontleding van gewilde onderwerpe. Hier identifiseer analitiese vermoëns patrone oor gestruktureerde en ongestruktureerde databronne. Inligting oor gewilde onderwerpe word grafies vertoon in die vorm van 'n hittekaart, waar die grootte van die segmente ooreenstem met die frekwensie van sekere onderwerpe of groepe sleutelwoorde wat deur gebruikers gevra word. Herhaalde voorvalle sal onmiddellik opgespoor, gegroepeer en saam opgelos word. Trending Topic Analytics bespeur ook voorvalgroepe met 'n algemene oorsaak en verminder die tyd aansienlik om die wortelprobleem te identifiseer en op te los. Die tegnologie kan ook outomaties kennisbasisartikels skep gebaseer op soortgelyke interaksies of soortgelyke kwessies. Om neigings in enige data te vind, verhoog IT-afdeling se aktiwiteit, voorkom herhaling van insidente en verhoog dus eindgebruikerstevredenheid terwyl IT-koste verminder word.
- Slim toepassings. Eindgebruikers verwag dat die indien van 'n kaartjie so maklik is soos om 'n tweet te skryf—'n kort, natuurlike taalboodskap wat 'n probleem of versoek beskryf wat per e-pos gestuur kan word. Of heg selfs net 'n foto van die probleem aan en stuur dit vanaf jou mobiele toestel. Slim kaartjie-registrasie versnel die kaartjie-skeppingsproses deur outomaties alle velde in te vul gebaseer op wat die eindgebruiker geskryf het of 'n skandering van 'n beeld verwerk met behulp van optiese karakterherkenning (OCR) sagteware. Deur 'n stel waarnemingsdata te gebruik, kategoriseer en stuur die tegnologie outomaties kaartjies na die toepaslike hulptoonbankagente. Agente kan kaartjies aanstuur na verskillende ondersteuningspanne en kan outomaties ingevulde velde oorskryf as die masjienleermodel nie optimaal is vir 'n gegewe geval nie. Die stelsel leer uit nuwe patrone, wat hom in staat stel om probleme wat in die toekoms opduik, beter te hanteer. Dit alles beteken dat eindgebruikers kaartjies vinnig en maklik kan oopmaak, wat lei tot groter tevredenheid met die gebruik van werkgereedskap. Hierdie vermoë verminder ook handwerk en foute en help om tyd en koste toe te laat.
- Slim e-pos. Hierdie instrument is soortgelyk aan slim bestellings. Die eindgebruiker kan 'n e-pos aan die ondersteuningspan stuur en die probleem in natuurlike taal beskryf. Die hulptoonbank-instrument genereer 'n kaartjie gebaseer op die e-posinhoud en reageer outomaties op die eindgebruiker met skakels na voorgestelde oplossings. Eindgebruikers is tevrede omdat die opening van kaartjies en versoeke maklik en gerieflik is, en IT-agente het minder handwerk om te doen.
- Slim veranderingsbestuur. Masjienleer ondersteun ook gevorderde analise en veranderingsbestuur. Gegewe die gereelde aantal veranderinge wat besighede vandag vereis, kan intelligente stelsels veranderingsagente of bestuurders voorsien van voorstelle wat daarop gemik is om die omgewing te optimaliseer en die sukseskoers van veranderinge in die toekoms te verhoog. Agente kan vereiste veranderinge in natuurlike taal beskryf, en analitiese vermoëns sal die inhoud nagaan vir geaffekteerde konfigurasie-items. Alle veranderinge word gereguleer, en outomatiese aanwysers vertel die veranderingsbestuurder as daar enige probleme met die verandering is, soos risiko, skedulering in 'n onbeplande venster, of "nie goedgekeur" status. Die belangrikste voordeel van slim veranderingsbestuur is vinniger tyd om te waardeer met minder konfigurasies, aanpassings en uiteindelik minder geld bestee.
Uiteindelik transformeer masjienleer en -analise ITSM-stelsels met intelligente aannames en aanbevelings oor kaartjiekwessies en die veranderingsproses wat agente en IT-ondersteuningspanne help om te beskryf, diagnoseer, voorspel en voorskryf wat gebeur het, wat gebeur en wat sal gebeur. Eindgebruikers ontvang proaktiewe, persoonlike en dinamiese insigte en vinnige oplossings. In hierdie geval word baie outomaties gedoen, m.a.w. sonder menslike ingryping. En soos tegnologie mettertyd leer, word prosesse net beter. Dit is belangrik om daarop te let dat al die slim kenmerke wat in hierdie artikel beskryf word, vandag beskikbaar is.
Bron: will.com