През 2018 година ние стабилно укрепихме позициите си – услугите за управление на ИТ услуги (ITSM) и ИТ услуги продължават да функционират, въпреки непрестанните разговори за това колко дълго ще оцелеят в епохата на цифровата революция. Наистина, търсенето на услуги за техническа поддръжка расте – в Доклада за техническа поддръжка и Доклада за заплатите (Help Desk Institute) за 2017 година посочва, че 55% от услугите за техническа поддръжка са отбелязали увеличение на обема на заявките през последната година.
От друга страна, много компании са отчели намаление на обема на запитванията към техническата поддръжка през миналата година (15%) в сравнение с 2016 година (10%). Ключов фактор, допринесъл за намалението на броя на заявките, е самообслужващата се техническа помощ. Въпреки това, HDI съобщава, че през миналата година разходите за заявка са нараснали до 25 долара в сравнение с 18 долара през 2016 година. Това не е нещо, към което повечето ИТ услуги се стремят. За щастие, автоматизацията, основана на анализи и машинно обучение, може да подобри процесите и производителността на службата за поддръжка, като намали броя на грешките и повиши качеството и скоростта. Понякога това надхвърля човешките възможности, а машинното обучение и анализа са ключова основа за интелигентната, достъпна и оперативна поддръжка на ИТ.
В тази статия се разглежда по-подробно как машинното обучение може да разреши много проблеми на службата за поддръжка и ITSM, свързани с обемите и разходите за заявки, и как да се създаде по-бърза и автоматизирана служба за поддръжка, която служителите на бизнеса с удоволствие ще използват.
Ефективно ITSM чрез машинно обучение и анализи
Любимото ми определение за машинно обучение идва от компанията :
„Машинното обучение учи компютрите да правят онова, което е естествено за хората и животните – да учат от собствения си опит. Алгоритмите за машинно обучение използват изчислителни методи, за да учат информация директно от данните, без да разчитат на предварително определено уравнение като модел. Алгоритмите адаптивно подобряват собствената си ефективност с увеличаването на броя на пробите, достъпни за изучаване.”
Посочените по-долу възможности са налични за някои ITSM инструменти, базирани на технологии за машинно обучение и анализ на големи данни:
- Поддръжка чрез бот. Виртуалните агенти и чат-ботовете могат автоматично да предлагат новини, статии, услуги и предложения за поддръжка от каталози на данни и публични запитвания. Тази поддръжка в режим 24/7 под формата на предлагани учебни програми за крайните потребители помага да се решават въпросите значително по-бързо. Ключовите предимства на бота са подобрен интерфейс и по-малко входящи запитвания.
- Смарт новини и уведомления. Тези инструменти позволяват предварително уведомяване на потребителите за потенциални проблеми. Освен това ИТ специалистите могат да предлагат обходни решения на проблеми с помощта на персонализирани уведомления, които предоставят на крайните потребители актуална и полезна информация относно проблемите, с които могат да се сблъскат, както и съвети как да ги избегнат. Информираните потребители ще оценят високо активната ИТ поддръжка, а броят на входящите запитвания ще намалее.
- Смарт търсене. Когато крайните потребители търсят информация или услуги, контекстно-зависимата система за управление на знания може да предостави препоръки, статии и линкове. Крайните потребители обикновено пропускат част от резултатите, предпочитайки други. Тези кликове и брой прегледи се включват в критериите за „тежест“ при повторна индексация на съдържанието с течение на времето, така че възможностите за търсене динамично се настройват. Тъй като крайните потребители предоставят обратна връзка под формата на гласуване „харесва/не харесва“, това също влияе на рейтинга на съдържанието, което те и другите потребители могат да намерят. От гледна точка на предимствата, крайните потребители могат бързо да намират отговори и да се чувстват напълно уверени, а агенти на поддръжката имат възможност да обработват повече запитвания и да постигат повече споразумения за качество на предоставяните услуги (SLA).
- Анализ на популярни теми. Тук аналитичните възможности разкриват закономерности от структурирани и неструктурирани източници на данни. Информацията за популярни теми се визуализира графично под формата на топлинна карта, където размерите на сегментите съответстват на честотата на определени теми или групи ключови думи, търсени от потребителите. Повтарящите се инциденти ще бъдат открити мигновено, групирани и разрешени заедно. Анализът на популярните теми също така открива инцидентни клъстери с обща основна причина и значително намалява времето за идентифициране и решаване на основния проблем. Също така технологията може автоматично да създава статии в базата знания, основани на подобни взаимодействия или подобни проблеми. Търсенето на тенденции в каквито и да е данни увеличава активността на ИТ отдела, предотвратява повторенията на инциденти и следователно повишава удовлетворението на крайните потребители, като същевременно намалява разходите за ИТ.
- Умни заявки. Крайният потребител очаква да подаде заявление толкова лесно, колкото да напише туит, а именно – кратко съобщение на естествен език, описващо проблема или запитването, което може да бъде изпратено по електронна поща. Или дори просто да прикачи снимка на повредата и да я изпрати от мобилно устройство. Регистрацията на смарт заявка ускорява процеса на създаване на обращение, автоматично попълвайки всички полета на базата на написаното от крайния потребител или сканираното изображение, обработено с помощта на програма за оптично разпознаване на символи (OCR). Използвайки набор от наблюдения, технологията автоматично класифицира и адресира заявленията до съответните агенти за поддръжка. Агенти могат да пренасочват заявленията към различни групи поддръжка и могат да пренаписват автоматично попълнените полета, ако моделът на машинно обучение не е оптимален за съответния случай. Системата се обучава на нови шаблони, което позволява по-добро справяне с възникващите проблеми в бъдеще. Всичко това означава, че крайните потребители могат лесно и бързо да отварят заявления, което води до повишаване на удовлетвореността при използване на работните инструменти. Тази възможност също така намалява обема на ръчната работа и грешките и помага за съкращаване на времето и разходите за разрешаване.
- Смарт имейл. Този инструмент напомня на смарт заявките. Крайният потребител може да изпрати писмо до службата за поддръжка и да опише проблема на естествен език. Инструментът за поддръжка създава заявка на база съдържанието на електронната поща и автоматично отговаря на крайния потребител със свързани решения. Крайният потребител остава доволен, тъй като отварянето на заявки и запитвания е лесно и удобно, а ИТ агентите имат по-малко ръчна работа.
- Смарт управление на промените. Машинното обучение също така подпомага съвременната аналитика и управлението на промените. С оглед на честото количество промени, които днес се изискват от предприятията, интелигентните системи могат да предоставят на агентите или мениджърите по промени предложения, насочени към оптимизиране на средата и увеличаване на процента на успешни изменения в бъдеще. Агентите могат да описват необходимите промени на естествен език, а аналитичните възможности ще проверяват съдържанието за наличие на засегнати елементи на конфигурацията. Всички промени се регламентират, а автоматичните индикатори информират мениджъра по промените, има ли някакви проблеми, свързани с промяната, като риск, планиране в непланиран прозорец или статус „не одобрено“. Ключовото предимство на интелигентното управление на промените е по-бързото време за възвръщаемост с по-малко конфигурации, настройки и в крайна сметка, по-малко разходи.
В крайна сметка, машинното обучение и аналитиката преобразуват системите ITSM с интелигентни предположения и препоръки относно проблемите със заявките и процеса на изменения, които помагат на агентите и екипите за поддръжка на ИТ да описват, диагностицират, прогнозират и предписват какво е станало, какво се случва и какво ще се случи. Крайните потребители получават проактивни, персонализирани и динамични аналитични оценки и бързи решения. В същото време много от тези действия се извършват автоматично, т.е. без човешко участие. И тъй като технологията се учи с течение на времето, процесите стават все по-добри. Важно е да се отбележи, че всички интелигентни функционалности, описани в тази статия, са достъпни вече днес.
Източник: habr.com
