2018 seach ús stevich fêststeld - IT Service Management (ITSM) en IT Tsjinsten binne noch yn bedriuw, nettsjinsteande oanhâldend praat oer hoe lang se sille oerlibje de digitale revolúsje. Yndie groeit de fraach nei technyske stipetsjinsten - yn it Technyske Stiperapport en it Salarisrapport (Help Desk Ynstitút) 2017 rapport jout oan dat 55% fan helpdesks hawwe rapportearre in taname fan ticket folume oer it ôfrûne jier.
Oan 'e oare kant notearren in protte bedriuwen in fermindering yn it folume fan oproppen nei technyske stipe ferline jier (15%) yn ferliking mei 2016 (10%). De kaaifaktor dy't bydroegen oan it ferminderjen fan it oantal oanfragen wie ûnôfhinklike technyske stipe. HDI rapporteart lykwols ek dat de oanfraachfergoeding ferline jier ta $25 steeg, fan $18 yn 2016. Dit is net wat de measte IT-ôfdielingen stribje nei. Gelokkich kin automatisearring oandreaun troch analytyk en masine learen helpdeskprosessen en produktiviteit ferbetterje troch flaters te ferminderjen en kwaliteit en snelheid te ferbetterjen. Soms is dit foarby minsklike mooglikheden, en masine learen en analytics binne de kaai basis foar in yntelliginte, proaktyf en responsive IT service desk.
Dit artikel besjocht in tichterby hoe't masine learen in protte fan 'e helpdesk- en ITSM-útdagings kin oplosse dy't ferbûn binne mei ticketvolumint en kosten, en hoe't jo in flugger, mear automatisearre helpdesk kinne meitsje dy't bedriuwsmeiwurkers genietsje fan gebrûk.
Effektive ITSM troch masine learen en analytyk
Myn favorite definysje fan masine learen komt fan it bedriuw :
"Masjine-learen leart kompjûters te dwaan wat natuerlik komt foar minsken en bisten - learje út ûnderfining. Masine-learalgoritmen brûke komputaasjemetoaden om ynformaasje direkt út gegevens te learen, sûnder te fertrouwen op in foarôf definieare fergeliking as model. Algoritmen ferbetterje har eigen prestaasjes adaptyf as it oantal samples beskikber foar stúdzje nimt ta.
De folgjende mooglikheden binne beskikber foar guon ITSM-ark basearre op masine learen en grutte data-analytyk:
- Stipe fia bot. Firtuele aginten en chatbots kinne automatysk nijs, artikels, tsjinsten en stipe oanbiedingen foarstelle fan gegevenskatalogen en iepenbiere oanfragen. Dizze 24/7-stipe yn 'e foarm fan trainingsprogramma's foar ein-brûkers helpt problemen folle rapper op te lossen. De wichtichste foardielen fan 'e bot binne in ferbettere brûkersynterface en minder ynkommende petearen.
- Smart nijs en notifikaasjes. Dizze ark kinne brûkers proaktyf wurde op 'e hichte brocht fan potinsjele problemen. Derneist kinne IT-professionals oplossingen oanrikkemandearje om problemen op te lossen fia personaliseare notifikaasjes dy't ein brûkers relevante en hannelbere ynformaasje leverje oer problemen dy't se kinne tsjinkomme, lykas tips oer hoe't se se kinne foarkomme. Ynformearre brûkers sille proaktive IT-stipe wurdearje en it oantal ynkommende oproppen sil wurde fermindere.
- Smart sykjen. As ein brûkers sykje nei ynformaasje of tsjinsten, kin in kontekstbewust kennisbehearsysteem oanbefellings, artikels en keppelings leverje. Ein brûkers hawwe de neiging guon resultaten oer te slaan yn it foardiel fan oaren. Dizze klikken en werjeften binne opnommen yn 'e "gewichting" kritearia by it opnij yndeksearjen fan ynhâld oer de tiid, sadat de sykûnderfining dynamysk oanpast wurdt. As ein brûkers feedback jouwe yn 'e foarm fan like/dislike stimming, beynfloedet it ek de ranglist fan'e ynhâld dy't se en oare brûkers kinne fine. Yn termen fan foardielen, ein brûkers kinne fine antwurden fluch en fiele mear selsbetrouwen, en helpdesk aginten binne by steat om te behannelje mear kaartsjes en berikke mear tsjinst nivo oerienkomsten (SLAs).
- Analyze fan populêre ûnderwerpen. Hjir identifisearje analytyske mooglikheden patroanen oer strukturearre en net-strukturearre gegevensboarnen. Ynformaasje oer populêre ûnderwerpen wurdt grafysk werjûn yn 'e foarm fan in waarmtekaart, wêrby't de grutte fan' e segminten oerienkomt mei de frekwinsje fan bepaalde ûnderwerpen of groepen fan kaaiwurden dy't troch brûkers frege wurde. Werhelle ynsidinten sille direkt wurde ûntdutsen, groepeare en tegearre oplost. Trending Topic Analytics detektearret ek ynsidintklusters mei in mienskiplike oarsaak en ferminderet de tiid signifikant om it rootprobleem te identifisearjen en op te lossen. De technology kin ek automatysk kennisbasisartikels oanmeitsje op basis fan ferlykbere ynteraksjes of ferlykbere problemen. It finen fan trends yn alle gegevens fergruttet de aktiviteit fan IT-ôfdieling, foarkomt it weromkommen fan ynsidinten en fergruttet dêrom de tefredenheid fan ein-brûkers, wylst IT-kosten ferminderje.
- Smart applikaasjes. Einbrûkers ferwachtsje dat it yntsjinjen fan in kaartsje sa maklik is as it skriuwen fan in tweet - in koart berjocht yn natuerlike taal dat in probleem of fersyk beskriuwt dat fia e-post ferstjoerd wurde kin. Of sels gewoan in foto fan it probleem taheakje en it stjoere fan jo mobyl apparaat. Slimme registraasje fan kaartsjes fersnelt it proses foar oanmeitsjen fan kaartsjes troch automatysk alle fjilden yn te foljen op basis fan wat de einbrûker skreau as in scan fan in ôfbylding ferwurke mei software foar optyske karakterherkenning (OCR). Mei help fan in set fan observation gegevens, de technology automatysk kategorisearret en rûtes tickets nei de passende helpdesk aginten. Aginten kinne trochstjoere kaartsjes oan ferskillende stipe teams en kin oerskriuwe automatysk befolke fjilden as de masine learen model is net optimaal foar in opjûne saak. It systeem leart fan nije patroanen, wêrtroch it better om te gean mei problemen dy't yn 'e takomst ûntsteane. Dit alles betsjut dat ein brûkers kaartsjes fluch en maklik kinne iepenje, wat resulteart yn ferhege tefredenheid by it brûken fan wurkynstruminten. Dizze mooglikheid ferleget ek hânwurk en flater en helpt te ferminderjen tastean tiid en kosten.
- Smart email. Dit ark is fergelykber mei tûke oarders. De ein brûker kin stjoere in e-mail nei it stipe team en beskriuwe it probleem yn natuerlike taal. It helpdesk-ark genereart in kaartsje basearre op de e-postynhâld en reagearret automatysk op 'e ein brûker mei keppelings nei foarstelde oplossings. Ein brûkers binne tefreden omdat it iepenjen fan kaartsjes en oanfragen maklik en handich is, en IT-aginten hawwe minder hânwurk te dwaan.
- Smart feroaring behear. Masine learen stipet ek avansearre analytiken en feroaringsbehear. Mei it each op it faak oantal feroarings dat bedriuwen hjoed fereaskje, kinne yntelliginte systemen feroaringsaginten as managers foarsizze mei suggestjes dy't rjochte binne op it optimalisearjen fan it miljeu en it fergrutsjen fan it suksessifer fan feroaringen yn 'e takomst. Aginten kinne fereaske feroarings yn natuerlike taal beskriuwe, en analytyske mooglikheden sille de ynhâld kontrolearje foar troffen konfiguraasje-items. Alle feroarings wurde regele, en automatyske yndikatoaren fertelle de feroaring manager as der problemen mei de feroaring, lykas risiko, skema yn in net plande finster, of "net goedkard" status. It wichtichste foardiel fan tûk wizigingsbehear is rapper tiid om te wearden mei minder konfiguraasjes, oanpassingen en úteinlik minder jild bestege.
Uteinlik transformearje masine learen en analytyk ITSM-systemen mei yntelliginte oannames en oanbefellings oer kaartsjesproblemen en it feroaringsproses dat aginten en IT-stipeteams helpe om te beskriuwen, diagnoaze, foarsizze en foarskriuwe wat der bard is, wat der bart en wat sil barre. Ein brûkers krije proaktyf, personaliseare en dynamyske ynsjoch en rappe oplossingen. Yn dit gefal wurdt in protte automatysk dien, d.w.s. sûnder minsklik yngripen. En as technology oer de tiid leart, wurde prosessen allinich better. It is wichtich om te notearjen dat alle tûke funksjes beskreaun yn dit artikel hjoed te krijen binne.
Boarne: www.habr.com