IT Service Management (ITSM) mit maschinellem Lernen noch effizienter gemacht

Im Jahr 2018 haben wir uns fest etabliert – IT Service Management (ITSM) und IT-Services sind immer noch im Geschäft, obwohl immer wieder darüber diskutiert wird, wie lange sie die digitale Revolution überleben werden. Tatsächlich wächst die Nachfrage nach technischen Supportleistungen – im Technical Support Report und im Salary Report HDI Aus dem Bericht 2017 des Help Desk Institute geht hervor, dass 55 % der Helpdesks im vergangenen Jahr einen Anstieg des Ticketvolumens gemeldet haben.

Andererseits verzeichneten viele Unternehmen im vergangenen Jahr einen Rückgang des Anrufvolumens beim technischen Support (15 %) im Vergleich zu 2016 (10 %). Ausschlaggebend für die Reduzierung der Anfragen war der unabhängige technische Support. Allerdings berichtet HDI auch, dass die Anmeldegebühr im vergangenen Jahr auf 25 US-Dollar gestiegen ist, gegenüber 18 US-Dollar im Jahr 2016. Dies ist nicht das, was die meisten IT-Abteilungen anstreben. Glücklicherweise kann eine durch Analysen und maschinelles Lernen unterstützte Automatisierung die Helpdesk-Prozesse und die Produktivität verbessern, indem Fehler reduziert und Qualität und Geschwindigkeit verbessert werden. Manchmal übersteigt dies die menschlichen Fähigkeiten, und maschinelles Lernen und Analysen sind die wichtigste Grundlage für einen intelligenten, proaktiven und reaktionsfähigen IT-Servicedesk.

In diesem Artikel wird genauer untersucht, wie maschinelles Lernen viele der Helpdesk- und ITSM-Herausforderungen im Zusammenhang mit Ticketvolumen und -kosten lösen kann und wie man einen schnelleren, stärker automatisierten Helpdesk erstellt, den Unternehmensmitarbeiter gerne nutzen.

Effektives ITSM durch maschinelles Lernen und Analysen

Meine Lieblingsdefinition von maschinellem Lernen stammt von der Firma MathWorks:

„Maschinelles Lernen bringt Computern bei, das zu tun, was für Menschen und Tiere selbstverständlich ist: aus Erfahrung zu lernen. Algorithmen für maschinelles Lernen nutzen Rechenmethoden, um Informationen direkt aus Daten zu lernen, ohne auf eine vordefinierte Gleichung als Modell angewiesen zu sein. Algorithmen verbessern adaptiv ihre eigene Leistung, wenn die Anzahl der für die Untersuchung verfügbaren Proben zunimmt.“
Für einige ITSM-Tools, die auf maschinellem Lernen und Big-Data-Analysen basieren, stehen die folgenden Funktionen zur Verfügung:

• Support per Bot. Virtuelle Agenten und Chatbots können automatisch Neuigkeiten, Artikel, Dienstleistungen und Supportangebote aus Datenkatalogen und öffentlichen Anfragen vorschlagen. Dieser 24/7-Support in Form von Endbenutzer-Schulungsprogrammen trägt dazu bei, Probleme viel schneller zu lösen. Die Hauptvorteile des Bots sind eine verbesserte Benutzeroberfläche und weniger eingehende Anrufe.
• Intelligente Nachrichten und Benachrichtigungen. Mit diesen Tools können Benutzer proaktiv über potenzielle Probleme informiert werden. Darüber hinaus können IT-Experten Workarounds zur Lösung von Problemen empfehlen, indem sie personalisierte Benachrichtigungen senden, die Endbenutzern relevante und umsetzbare Informationen zu möglicherweise auftretenden Problemen sowie Tipps zu deren Vermeidung bieten. Informierte Benutzer werden den proaktiven IT-Support zu schätzen wissen und die Anzahl eingehender Anrufe wird reduziert.
• Intelligente Suche. Wenn Endbenutzer nach Informationen oder Diensten suchen, kann ein kontextbezogenes Wissensmanagementsystem Empfehlungen, Artikel und Links bereitstellen. Endbenutzer neigen dazu, einige Ergebnisse zugunsten anderer zu überspringen. Diese Klicks und Aufrufe werden bei der Neuindizierung von Inhalten im Laufe der Zeit in die „Gewichtungskriterien“ einbezogen, sodass das Sucherlebnis dynamisch angepasst wird. Da Endbenutzer Feedback in Form von „Gefällt mir“-/„Gefällt mir“-Bewertungen geben, beeinflusst dies auch das Ranking der Inhalte, die sie und andere Benutzer finden können. Was die Vorteile betrifft, können Endbenutzer schneller Antworten finden und sich sicherer fühlen, und Helpdesk-Agenten können mehr Tickets bearbeiten und mehr Service Level Agreements (SLAs) erreichen.
• Analyse beliebter Themen. Hier identifizieren Analysefunktionen Muster in strukturierten und unstrukturierten Datenquellen. Informationen zu beliebten Themen werden grafisch in Form einer Heatmap dargestellt, wobei die Größe der Segmente der Häufigkeit entspricht, mit der bestimmte Themen oder Gruppen von Schlüsselwörtern von Benutzern nachgefragt werden. Wiederholte Vorfälle werden sofort erkannt, gruppiert und gemeinsam gelöst. Trending Topic Analytics erkennt außerdem Vorfallcluster mit einer gemeinsamen Grundursache und verkürzt die Zeit zur Identifizierung und Lösung des Grundproblems erheblich. Die Technologie kann auch automatisch Wissensdatenbankartikel erstellen, die auf ähnlichen Interaktionen oder ähnlichen Problemen basieren. Das Erkennen von Trends in beliebigen Daten erhöht die Aktivität der IT-Abteilung, verhindert das Wiederauftreten von Vorfällen und steigert so die Zufriedenheit der Endbenutzer bei gleichzeitiger Reduzierung der IT-Kosten.
• Intelligente Anwendungen. Endbenutzer erwarten, dass das Einreichen eines Tickets so einfach ist wie das Schreiben eines Tweets – einer kurzen Nachricht in natürlicher Sprache, die ein Problem oder eine Anfrage beschreibt und per E-Mail gesendet werden kann. Oder fügen Sie einfach ein Foto des Problems bei und senden Sie es von Ihrem Mobilgerät aus. Die intelligente Ticketregistrierung beschleunigt den Ticketerstellungsprozess, indem alle Felder automatisch ausgefüllt werden, basierend auf dem, was der Endbenutzer geschrieben hat, oder einem Scan eines Bildes, das mit einer OCR-Software (Optical Character Recognition) verarbeitet wurde. Anhand einer Reihe von Beobachtungsdaten kategorisiert die Technologie Tickets automatisch und leitet sie an die entsprechenden Helpdesk-Mitarbeiter weiter. Agenten können Tickets an verschiedene Supportteams weiterleiten und automatisch ausgefüllte Felder überschreiben, wenn das maschinelle Lernmodell für einen bestimmten Fall nicht optimal ist. Das System lernt aus neuen Mustern und kann so künftig auftretende Probleme besser bewältigen. All dies bedeutet, dass Endbenutzer Tickets schnell und einfach öffnen können, was zu einer höheren Zufriedenheit bei der Verwendung von Arbeitstools führt. Diese Funktion reduziert auch manuelle Arbeit und Fehler und hilft, Genehmigungszeit und -kosten zu reduzieren.
• Intelligente E-Mail. Dieses Tool ähnelt Smart Orders. Der Endbenutzer kann eine E-Mail an das Support-Team senden und das Problem in natürlicher Sprache beschreiben. Das Helpdesk-Tool generiert ein Ticket basierend auf dem E-Mail-Inhalt und antwortet dem Endbenutzer automatisch mit Links zu Lösungsvorschlägen. Endbenutzer sind zufrieden, weil das Öffnen von Tickets und Anfragen einfach und bequem ist und IT-Agenten weniger manuelle Arbeit leisten müssen.
• Intelligentes Änderungsmanagement. Maschinelles Lernen unterstützt auch erweiterte Analysen und Änderungsmanagement. Angesichts der häufigen Anzahl von Änderungen, die Unternehmen heutzutage benötigen, können intelligente Systeme Change Agents oder 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 und Analysefunktionen überprüfen den Inhalt auf betroffene Konfigurationselemente. Alle Änderungen sind reguliert und automatische Indikatoren informieren den Änderungsmanager darüber, ob es Probleme mit der Änderung gibt, wie z. B. ein Risiko, die Terminierung in einem ungeplanten Zeitfenster oder den Status „nicht genehmigt“. Der Hauptvorteil eines intelligenten Änderungsmanagements ist eine schnellere Wertschöpfung mit weniger Konfigurationen, Anpassungen und letztendlich weniger Geldausgaben.

Letztendlich transformieren maschinelles Lernen und Analysen ITSM-Systeme mit intelligenten Annahmen und Empfehlungen zu Ticketproblemen und dem Änderungsprozess, die Agenten und IT-Supportteams dabei helfen, zu beschreiben, zu diagnostizieren, vorherzusagen und vorzuschreiben, was passiert ist, was passiert und was passieren wird. Endbenutzer erhalten proaktive, personalisierte und dynamische Einblicke und schnelle Lösungen. In diesem Fall geschieht vieles automatisch, d.h. ohne menschliches Eingreifen. Und da die Technologie mit der Zeit lernt, werden die Prozesse immer besser. Es ist wichtig zu beachten, dass alle in diesem Artikel beschriebenen intelligenten Funktionen ab sofort verfügbar sind.

Source: habr.com