Im Jahr 2018 haben wir unsere Positionen fest gefestigt – die IT-Service-Management-Dienste (ITSM) und die IT-Dienste führen ihre Aktivitäten weiterhin fort, trotz der anhaltenden Diskussionen darüber, wie lange sie noch in der Zeit der digitalen Revolution überleben werden. Tatsächlich wächst die Nachfrage nach Supportdiensten – im Bericht über technischen Support und den Bericht über Gehälter (Help Desk Institute) für das Jahr 2017 wird festgestellt, dass 55% der technischen Supportdienste einen Anstieg der gemeldeten Anfragen im letzten Jahr verzeichnet haben.
Auf der anderen Seite haben viele Unternehmen im letzten Jahr einen Rückgang der Anfragen an den Support (15%) im Vergleich zum Jahr 2016 (10%) festgestellt. Ein entscheidender Faktor, der zur Verringerung der Anzahl der Anfragen beigetragen hat, war die selbstständige technische Unterstützung. Dennoch berichtet HDI auch, dass die Kosten pro Anfrage im letzten Jahr auf 25 US-Dollar gestiegen sind, verglichen mit 18 US-Dollar im Jahr 2016. Das ist nicht das, was die meisten IT-Dienste anstreben. Glücklicherweise kann Automatisierung, die auf Analytik und maschinellem Lernen basiert, die Prozesse und die Leistung des Supports verbessern, indem sie die Anzahl der Fehler reduziert und die Qualität und Geschwindigkeit erhöht. Manchmal geht dies über die menschlichen Möglichkeiten hinaus, und maschinelles Lernen sowie Analytik sind die Schlüsselgrundlage für einen intelligenten, benutzerfreundlichen und operativen IT-Support.
In diesem Artikel wird ausführlicher behandelt, wie maschinelles Lernen viele Probleme des Supports und des ITSM im Zusammenhang mit dem Volumen und den Kosten von Anfragen lösen kann und wie man einen schnelleren und automatisierten Supportdienst schafft, den die Mitarbeiter des Unternehmens gerne nutzen werden.
Effektives ITSM durch maschinelles Lernen und Analytik
Meine Lieblingsdefinition von maschinellem Lernen stammt von einem Unternehmen :
„Maschinelles Lernen lehrt Computer, das zu tun, was für Menschen und Tiere natürlich ist – aus eigenen Erfahrungen zu lernen. Algorithmen für maschinelles Lernen nutzen rechnerische Methoden, um Informationen direkt aus den Daten zu lernen, ohne sich auf eine vorab definierte Gleichung als Modell zu verlassen. Die Algorithmen verbessern adaptiv ihre eigene Effizienz, wenn die Anzahl der verfügbaren Proben zum Lernen zunimmt.“
Die unten aufgeführten Funktionen sind für einige ITSM-Tools verfügbar, die auf maschinellem Lernen und Big Data-Analyse basieren:
- Unterstützung über einen Bot. Virtuelle Agenten und Chatbots können automatisch Neuigkeiten, Artikel, Dienstleistungen und Unterstützungsangebote aus Datenkatalogen und öffentlichen Anfragen vorschlagen. Diese Unterstützung rund um die Uhr in Form angebotener Schulungsprogramme für Endbenutzer hilft, Probleme deutlich schneller zu lösen. Die wichtigsten Vorteile des Bots sind die verbesserte Benutzeroberfläche und die verringerte Anzahl eingehender Anfragen.
- Intelligente Neuigkeiten und Benachrichtigungen. Diese Tools ermöglichen es, Benutzer im Voraus über potenzielle Probleme zu informieren. Außerdem können IT-Spezialisten alternative Lösungen für Probleme durch personalisierte Benachrichtigungen empfehlen, die den Endbenutzern relevante und nützliche Informationen über Probleme liefern, mit denen sie möglicherweise konfrontiert werden, sowie Tipps, wie sie diese vermeiden können. Informierte Benutzer schätzen die aktive IT-Unterstützung sehr und die Anzahl eingehender Anfragen wird sinken.
- Intelligente Suche. Wenn Endbenutzer nach Informationen oder Dienstleistungen suchen, kann ein kontextabhängiges Wissensmanagement-System Empfehlungen, Artikel und Links bereitstellen. Endbenutzer überspringen normalerweise einen Teil der Ergebnisse, da sie andere bevorzugen. Diese Klicks und die Anzahl der Ansichten werden in die „Gewichtungs“-Kriterien bei der erneuten Indizierung des Inhalts über die Zeit einbezogen, sodass die Suchmöglichkeiten dynamisch angepasst werden. Da Endbenutzer Feedback in Form von „Gefällt mir/Gefällt mir nicht“-Abstimmungen geben, hat dies auch Einfluss auf das Ranking der Inhalte, die sie und andere Benutzer finden können. In Bezug auf die Vorteile können Endbenutzer schnell Antworten finden und sich sicher fühlen, während die Support-Agenten die Möglichkeit haben, mehr Anfragen zu bearbeiten und eine größere Anzahl von Service Level Agreements (SLA) zu erreichen.
- Analytik zu beliebten Themen. Hier zeigen die analytischen Möglichkeiten Muster für strukturierte und unstrukturierte Datenquellen auf. Informationen über beliebte Themen werden grafisch in Form einer Heatmap dargestellt, wobei die Größe der Segmente der Häufigkeit bestimmter Themen oder Gruppen von Schlüsselwörtern entspricht, die von den Nutzern nachgefragt werden. Wiederholte Vorfälle werden sofort erkannt, gruppiert und gemeinsam gelöst. Die Analyse der beliebten Themen entdeckt auch Vorfallcluster mit einer gemeinsamen Ursache und reduziert erheblich die Zeit zur Identifizierung und Lösung des zugrunde liegenden Problems. Darüber hinaus kann die Technologie automatisch Artikel in der Wissensdatenbank erstellen, die auf ähnlichen Interaktionen oder Problemen basieren. Die Suche nach Trends in beliebigen Daten erhöht die Aktivität der IT-Abteilung, verhindert die Wiederholung von Vorfällen und erhöht somit die Zufriedenheit der Endbenutzer bei gleichzeitiger Senkung der IT-Kosten.
- Smart-Anfragen. Endbenutzer erwarten, dass das Einreichen einer Anfrage nicht komplizierter ist als das Verfassen eines Tweets, nämlich eine kurze Nachricht in natürlicher Sprache, die ein Problem oder eine Anfrage beschreibt und per E-Mail gesendet werden kann. Oder sogar einfach ein Foto des Problems beizufügen und es von einem mobilen Gerät aus zu senden. Die Registrierung einer Smart-Anfrage beschleunigt den Prozess der Erstellung eines Tickets, indem sie automatisch alle Felder basierend auf dem ausfüllt, was der Endbenutzer eingegeben hat oder dem gescannten Bild, das mit einer Software zur optischen Zeichenerkennung (OCR) verarbeitet wurde. Unter Verwendung eines Datensatzes von Beobachtungen klassifiziert die Technologie die Anfragen automatisch und leitet sie an die entsprechenden Support-Agenten weiter. Die Agenten können Anfragen an verschiedene Support-Teams weiterleiten und können automatisch ausgefüllte Felder überschreiben, wenn das Modell des maschinellen Lernens für den jeweiligen Fall nicht optimal war. Das System lernt aus neuen Mustern, was es ihm ermöglicht, zukünftige Probleme besser zu bewältigen. All dies bedeutet, dass Endbenutzer Anfragen schnell und einfach eröffnen können, was die Zufriedenheit bei der Nutzung ihrer Arbeitswerkzeuge erhöht. Diese Möglichkeit reduziert auch den manuellen Arbeitsaufwand und Fehler und hilft, die Zeit und Kosten für die Problemlösung zu senken.
- Smart E-Mail. Dieses Tool ähnelt den Smart-Anfragen. Der Endbenutzer kann eine E-Mail an den Support senden und das Problem in natürlicher Sprache beschreiben. Das Support-Tool erstellt ein Ticket basierend auf dem Inhalt der E-Mail und antwortet automatisch dem Endbenutzer mit Links zu vorgeschlagenen Lösungen. Endbenutzer sind zufrieden, da das Öffnen von Anfragen und Anfragen einfach und bequem ist, und die IT-Agenten weniger manuelle Arbeit haben.
- Smart Change Management. Maschinelles Lernen unterstützt auch moderne Analytik und Veränderungsmanagement. Angesichts der häufigen Anzahl an Änderungen, die Unternehmen heute erforderlich sind, können intelligente Systeme Agenten oder Change Managern Vorschläge unterbreiten, die darauf abzielen, die Umgebung zu optimieren und die Erfolgsquote von Änderungen in der Zukunft zu erhöhen. Agenten können erforderliche Änderungen in natürlicher Sprache beschreiben, während analytische Funktionen den Inhalt auf betroffene Configurationselemente überprüfen. Alle Änderungen sind reguliert und automatische Indikatoren informieren den Change Manager über eventuelle Probleme mit der Änderung, wie z.B. Risiken, Planungen außerhalb des Planungszeitraums oder den Status „nicht genehmigt“. Der Hauptvorteil von Smart Change Management ist eine schnellere Amortisationszeit mit weniger Konfigurationen, Einstellungen und letztendlich geringeren Kosten.
Letztendlich transformieren maschinelles Lernen und Analytik die ITSM-Systeme durch intelligente Annahmen und Empfehlungen zu Problemen mit Anfragen und dem Änderungsprozess, die Agenten und IT-Support-Teams helfen zu beschreiben, zu diagnostizieren, vorherzusagen und vorzuschreiben, was passiert ist, was gerade passiert und was passieren wird. Endbenutzer erhalten proaktive, individuelle und dynamische analytische Bewertungen sowie schnelle Lösungen. Dabei geschieht vieles automatisch, d.h. ohne menschliches Eingreifen. Und da die Technologie mit der Zeit dazulernt, werden die Prozesse immer besser. Es ist wichtig zu beachten, dass alle intelligenten Funktionen, die in diesem Artikel beschrieben werden, bereits heute verfügbar sind.
Quelle: habr.com
