U 2018. godini čvrsto smo učvrstili svoje pozicije – IT uslužne upravljačke službe (ITSM) i IT usluge i dalje nastavljaju s radom, unatoč neprekidnim pričama o tome koliko dugo će se održati u eri digitalne revolucije. Doista, potražnja za uslugama tehničke podrške raste – u Izvještaju o tehničkoj podršci i Izvještaju o plaćama (Help Desk Institute) za 2017. godinu navodi da je 55% tehničkih podrška zabilježilo povećanje obima zahtjeva u prošloj godini.
S druge strane, mnoge tvrtke su primijetile smanjenje obima upita prema tehničkoj podršci prošle godine (15%) u usporedbi s 2016. godinom (10%). Ključni faktor koji je doprinio smanjenju broja zahtjeva bila je samostalna tehnička podrška. Ipak, HDI također izvještava da je prošle godine trošak po zahtjevu porastao na 25 dolara u usporedbi s 18 dolara u 2016. godini. To nije ono čemu većina IT službi teži. Srećom, automatizacija temeljena na analitici i strojnome učenju može poboljšati procese i učinkovitost službe podrške smanjenjem broja pogrešaka i povećanjem kvalitete i brzine. Ponekad to nadilazi ljudske mogućnosti, dok su strojno učenje i analitika ključna osnova za inteligentnu, pristupačnu i operativnu IT podršku.
U ovom članku se detaljnije istražuje kako može strojno učenje riješiti mnoge probleme službe podrške i ITSM-a vezane uz obime i troškove zahtjeva, kao i kako stvoriti bržu i automatiziranu službu podrške koju će rado koristiti zaposlenici poduzeća.
Učinkovito ITSM putem strojnog učenja i analitike
Moja omiljena definicija strojnog učenja dolazi od kompanije :
"Strojno učenje podučava računala kako raditi ono što je prirodno za ljude i životinje – učiti iz vlastitog iskustva. Algoritmi strojnog učenja koriste računalske metode za učenje informacija iz podataka, ne oslanjajući se na prethodno definiranu jednadžbu kao model. Algoritmi adaptivno poboljšavaju svoju učinkovitost kako se povećava broj uzoraka koji su dostupni za učenje."
Sljedeće mogućnosti dostupne su za neke ITSM alate temeljene na tehnologijama strojnog učenja i analitici velikih podataka:
- Podrška putem bota. Virtuelni agenti i chat-botovi mogu automatski nuditi novosti, članke, usluge i ponude podrške iz kataloga podataka i javnih zahtjeva. Ova podrška u režimu 24/7 u obliku predloženih obrazovnih programa za krajnje korisnike pomaže u rješavanju problema znatno brže. Ključne prednosti bota su poboljšano korisničko sučelje i manji broj dolaznih zahtjeva.
- Pametne vijesti i obavijesti. Ovi alati omogućavaju pravovremeno obavještavanje korisnika o potencijalnim problemima. Osim toga, IT stručnjaci mogu preporučiti zaobilazna rješenja uz pomoć personaliziranih obavijesti koje krajnjim korisnicima pružaju relevantne i korisne informacije o problemima s kojima se mogu susresti, kao i savjete kako ih izbjeći. Informirani korisnici visoko cijene aktivnu IT podršku, a broj dolaznih zahtjeva se smanjuje.
- Pametno pretraživanje. Kada krajnji korisnici traže informacije ili usluge, kontekstualno zavisni sustav upravljanja znanjem može pružati preporuke, članke i poveznice. Krajnji korisnici obično preskoče dio rezultata, preferirajući druge. Ove klikove i broj pregleda uključuju se u kriterije "ponderiranja" prilikom ponovnog indeksiranja sadržaja tokom vremena, tako da se mogućnosti pretraživanja dinamički podešavaju. Kako krajnji korisnici daju povratne informacije u obliku glasanja "lajk/nisam za", to također utječe na rangiranje sadržaja koji oni i drugi korisnici mogu pronaći. Sa stanovišta prednosti, krajnji korisnici mogu brzo nalaziti odgovore i osjećati se prilično sigurno, dok agenti službe podrške imaju mogućnost obraditi više zahtjeva i postići veći broj SLA ugovora o kvaliteti pruženih usluga.
- Analitika popularnih tema. Ovdje analitičke mogućnosti otkrivaju obrasce iz strukturiranih i nestrukturiranih izvora podataka. Informacije o popularnim temama prikazane su grafički u obliku toplinske karte, gdje veličina segmenata odgovara učestalosti određenih tema ili grupa ključnih riječi koje korisnici traže. Ponavljajući incidenti bit će odmah otkriveni, grupirani i riješeni zajedno. Analitika popularnih tema također otkriva incidentne klastere s zajedničkim uzrokom te značajno smanjuje vrijeme potrebno za identificiranje i rješavanje osnovnog problema. Također, tehnologija može automatski kreirati članke u bazi znanja na temelju sličnih interakcija ili sličnih problema. Pretraživanje trendova u bilo kojim podacima povećava aktivnost IT odjela, sprječava ponavljanje incidenata i, stoga, povećava zadovoljstvo krajnjih korisnika uz istovremeno smanjenje IT troškova.
- Pametne prijave. Krajnji korisnici očekuju da je slanje zahtjeva jednako jednostavno kao pisanje tvita, tj. kratke poruke na prirodnom jeziku koja opisuje problem ili zahtjev, što se može poslati putem e-pošte. Ili čak jednostavno priložiti fotografiju kvara i poslati je s mobilnog uređaja. Registracija pametnog zahtjeva ubrzava proces kreiranja žalbi automatski popunjavajući sva polja na osnovu onoga što je napisao krajnji korisnik ili skena slike obrađene programom za optičko prepoznavanje znakova (OCR). Koristeći skup podataka promatranja, tehnologija automatski klasificira i usmjerava zahtjeve odgovarajućim agentima službe za korisnike. Agenti mogu proslijediti zahtjeve različitim timovima podrške i mogu ponovo ispuniti automatski popunjena polja ako model strojnog učenja nije bio optimalan za dani slučaj. Sustav uči iz novih obrazaca, što omogućava bolje suočavanje s pojavom problema u budućnosti. Sve to znači da krajnji korisnici mogu lako i brzo otvarati zahtjeve, što dovodi do povećanja zadovoljstva prilikom korištenja radnih alata. Ova mogućnost također smanjuje obim fizičkog rada i greške te pomaže u smanjenju vremena i troškova rješavanja.
- Pametna e-pošta. Ovaj alat podsjeća na pametne zahtjeve. Krajnji korisnik može poslati e-mail u službu za korisnike i opisati problem na prirodnom jeziku. Alat službe za korisnike kreira zahtjev na temelju sadržaja e-pošte, a također automatski odgovara krajnjem korisniku s linkovima na predložena rješenja. Krajnji korisnici su zadovoljni jer je otvaranje zahtjeva i upita lako i praktično, a IT agentima je smanjen fizički rad.
- Pametno upravljanje promjenama. Strojno učenje također podržava modernu analitiku i upravljanje promjenama. S obzirom na učestalost promjena koje su danas potrebne organizacijama, inteligentni sustavi mogu pružiti agentima ili menadžerima za promjene prijedloge usmjerene na optimizaciju okruženja i povećanje postotka uspješnih promjena u budućnosti. Agenti mogu opisivati potrebne promjene na prirodnom jeziku, a analitičke mogućnosti će provjeravati sadržaj na prisutnost zahvaćenih elemenata konfiguracije. Sve promjene su regulirane, a automatski pokazatelji obavještavaju menadžera za promjene postoje li problemi s promjenom, poput rizika, planiranja u nepredviđenom vremenu ili statusa „nije odobreno“. Ključna prednost pametnog upravljanja promjenama je brži povratak ulaganja s manjim brojem konfiguracija, postavki i, na kraju, manjim novčanim troškovima.
Na kraju, strojno učenje i analitika transformiraju ITSM sustave putem inteligentnih pretpostavki i preporuka za probleme sa zahtjevima i procesom promjena, što pomaže agentima i IT podršci da opisuju, dijagnosticiraju, prognoziraju i prepisuju što se dogodilo, što se događa i što će se dogoditi. Krajnji korisnici dobivaju proaktivne, personalizirane i dinamičke analitičke procjene i brza rješenja. Pritom se mnogo toga odvija automatski, tj. bez ljudske intervencije. I kako tehnologija s vremenom uči, procesi postaju sve bolji. Važno je napomenuti da su sve inteligentne funkcije opisane u ovom članku dostupne već danas.
Izvor: habr.com
