Im Jahr 2018 haben wir unsere Positionen fest etabliert – die IT-Service-Management-Dienste (ITSM) und die IT-Servicedienste setzen ihre Tätigkeit fort, trotz anhaltender Diskussionen über die Dauer ihrer Relevanz in der digitalen Revolution. Tatsächlich wächst die Nachfrage nach Supportdiensten – im Bericht des Help Desk Institute (HDI) über technische Unterstützung und Gehälter für 2017 wird angegeben, dass 55% der technischen Support-Teams einen Anstieg der Anfragen im letzten Jahr verzeichneten. (Help Desk Institute)
Andererseits haben viele Unternehmen im letzten Jahr einen Rückgang der Supportanfragen um 15 % im Vergleich zu 2016 (10 %) festgestellt. Ein zentraler Faktor, der zu diesem Rückgang beigetragen hat, war der Einsatz von Self-Service-Technologien. Dennoch berichtet HDI, dass im letzten Jahr die Kosten pro Anfrage auf 25 US-Dollar gestiegen sind, verglichen mit 18 US-Dollar im Jahr 2016. Dies ist nicht das, was die meisten IT-Dienste anstreben. Glücklicherweise kann Automatisierung, die auf Analytik und maschinellem Lernen basiert, Prozesse und die Effizienz des Supports verbessern, indem sie die Anzahl der Fehler verringert und die Qualität sowie Geschwindigkeit erhöht. Manchmal übersteigt dies die menschlichen Möglichkeiten, und maschinelles Lernen sowie Analytik sind das zentrale Fundament für einen intelligenten, einladenden und reaktionsschnellen IT-Support.
In diesem Artikel wird ausführlicher behandelt, wie maschinelles Lernen viele Probleme im Bereich Support und ITSM, die sich auf das Volumen und die Kosten von Anfragen beziehen, lösen kann und wie man einen schnelleren und automatisierten Support schaffen kann, der von den Mitarbeitern des Unternehmens gerne genutzt wird.
Effektives ITSM durch maschinelles Lernen und Analytics
Meine Lieblingsdefinition von maschinellem Lernen stammt von der Firma :
„Maschinelles Lernen lehrt Computer, das zu tun, was für Menschen und Tiere natürlich ist – aus eigenen Erfahrungen zu lernen. Algorithmen des maschinellen Lernens verwenden rechnergestützte Methoden, um Informationen direkt aus Daten zu lernen, ohne sich auf eine vorher festgelegte Gleichung als Modell zu verlassen. Die Algorithmen verbessern ihre eigene Effizienz adaptiv, während die Anzahl der verfügbaren Beispiele zum Lernen zunimmt.“
Die folgenden Möglichkeiten stehen für einige ITSM-Tools zur Verfügung, die auf maschinellem Lernen und Big-Data-Analytics basieren:
- Support über einen Bot. Virtuelle Agenten und Chatbots können automatisch Neuigkeiten, Artikel, Dienstleistungen und Support-Angebote aus Datenkatalogen und öffentlichen Anfragen anbieten. Diese 24/7 Unterstützung in Form von angebotenen Schulungsprogrammen für Endbenutzer hilft, Fragen deutlich schneller zu klären. Die wichtigsten Vorteile des Bots sind eine verbesserte Benutzeroberfläche und weniger eingehende Anfragen.
- Smart News und Benachrichtigungen. Diese Tools ermöglichen es, Benutzer frühzeitig über potenzielle Probleme zu informieren. Darüber hinaus können IT-Profis Umgehungslösungen für Probleme mit personalisierten Benachrichtigungen empfehlen, die den Endbenutzern aktuelle und nützliche Informationen über mögliche Probleme sowie Ratschläge zur Vermeidung bieten. Informierte Benutzer werden die aktive IT-Unterstützung zu schätzen wissen, und die Zahl der eingehenden Anfragen wird sinken.
- Smart Suche. Wenn Endbenutzer nach Informationen oder Dienstleistungen suchen, kann ein kontextabhängiges Wissensmanagementsystem Empfehlungen, Artikel und Links bereitstellen. Endbenutzer überspringen häufig einen Teil der Ergebnisse und ziehen andere vor. Diese Klicks und die Anzahl der Aufrufe fließen in die "Gewichtungs"-Kriterien ein, die bei der erneuten Indizierung von Inhalten im Laufe der Zeit berücksichtigt werden, sodass die Suchmöglichkeiten dynamisch angepasst werden. Da Endbenutzer Feedback in Form von "Gefällt mir/Gefällt mir nicht"-Bewertungen geben, hat dies ebenfalls Einfluss auf das Ranking der Inhalte, die sie und andere Benutzer finden können. Aus Sicht der Vorteile können Endbenutzer schnell Antworten finden und sich sicher fühlen, während Supportmitarbeiter in der Lage sind, mehr Anfragen zu bearbeiten und eine höhere Anzahl von Service-Level-Agreements (SLAs) zu erreichen.
- Analytik zu beliebten Themen. Hier decken analytische Möglichkeiten Muster in strukturierten und unstrukturierten 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. Wiederkehrende Vorfälle werden sofort erkannt, gruppiert und gemeinsam gelöst. Die Analyse beliebter Themen identifiziert auch Vorfall-Clustern mit einer gemeinsamen Ursache und reduziert somit erheblich die Zeit zur Identifizierung und Lösung des zugrunde liegenden Problems. Zudem kann die Technologie automatisch Artikel in der Wissensdatenbank erstellen, die auf ähnlichen Interaktionen oder Problemen basieren. Das Finden von Trends in beliebigen Daten erhöht die Aktivität der IT-Abteilung, verhindert die Wiederholung von Vorfällen und steigert damit die Zufriedenheit der Endbenutzer, während gleichzeitig die IT-Kosten gesenkt werden.
- Smart-Anfragen. Endbenutzer erwarten, dass das Einreichen einer Anfrage nicht schwieriger ist als das Verfassen eines Tweets, nämlich eine kurze Nachricht in natürlicher Sprache, die das Problem oder die Anfrage beschreibt und per E-Mail gesendet werden kann. Oder sogar einfach ein Foto des Problems anhängen und von einem mobilen Gerät 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 geschrieben hat, oder auf einem Bildscan, der mit einer OCR-Software verarbeitet wurde. Mithilfe eines Datensatzes von Beobachtungen klassifiziert die Technologie die Anfragen automatisch und leitet sie an die entsprechenden Supportmitarbeiter weiter. Die Agenten können Anfragen an verschiedene Supportgruppen weiterleiten und können automatisch ausgefüllte Felder neu beschreiben, wenn das maschinelle Lernmodell nicht optimal für den jeweiligen Fall ist. Das System lernt aus neuen Mustern, was es ermöglicht, zukünftige Probleme besser zu bewältigen. All dies bedeutet, dass Endbenutzer einfach und schnell Anfragen eröffnen können, was zu einer höheren Zufriedenheit bei der Nutzung von Arbeitswerkzeugen führt. Diese Funktion verringert auch den manuelle Aufwand und Fehler und hilft, Zeit und Kosten für die Lösungsfindung zu reduzieren.
- Intelligente E-Mail. Dieses Tool erinnert an intelligente Anfragen. Der Endbenutzer kann eine E-Mail an den Support senden und das Problem in natürlicher Sprache beschreiben. Das Support-Tool erstellt basierend auf dem Inhalt der E-Mail ein Ticket und antwortet automatisch dem Endbenutzer mit Links zu den vorgeschlagenen Lösungen. Die Endbenutzer sind zufrieden, da das Erstellen von Anfragen und Support-Tickets einfach und bequem ist, und die IT-Mitarbeiter weniger manuelle Arbeit haben.
- Intelligentes Änderungsmanagement. Maschinelles Lernen unterstützt auch moderne Analytik und Änderungsmanagement. Angesichts der Vielzahl an Anpassungen, die Unternehmen heutzutage benötigen, können intelligente Systeme den Änderungsmanagern Empfehlungen zur Optimierung der Umgebung geben und die Erfolgsquote zukünftiger Änderungen erhöhen. Die Agenten können erforderliche Änderungen in natürlicher Sprache beschreiben, während die analytischen Fähigkeiten den Inhalt auf betroffene Konfigurationselemente überprüfen. Alle Änderungen werden reguliert, und automatische Indikatoren informieren den Änderungsmanager über mögliche Probleme, wie Risikofaktoren, Planung in unvorhergesehenen Zeiträumen oder den Status 'nicht genehmigt'. Der wesentliche Vorteil des intelligenten Änderungsmanagements liegt in einer schnelleren Amortisationszeit mit weniger Konfigurationen, Einstellungen und letztendlich geringeren Kosten.
Letztendlich revolutionieren maschinelles Lernen und Analytik die ITSM-Systeme durch intelligente Annahmen und Empfehlungen zu Problemen mit Anfragen und Änderungsprozessen. Diese helfen IT-Agenten und Support-Teams dabei, Ereignisse zu beschreiben, zu diagnostizieren, vorherzusagen und zu empfehlen, was geschehen ist, was gerade passiert und was zukünftig eintreten könnte. Endbenutzer erhalten proaktive, personalisierte und dynamische Analytikbewertungen sowie schnelle Lösungen, wobei vieles automatisch geschieht – also ohne menschliches Eingreifen. Da die Technologie im Laufe der Zeit dazulernt, werden die Prozesse immer besser. Es ist wichtig zu betonen, dass alle in diesem Artikel beschriebenen intelligenten Funktionen bereits heute verfügbar sind.
Quelle: habr.com
