2018-ban szilárdan megerősítettük pozícióinkat – az IT-szolgáltatáskezelési (ITSM) és IT-szolgáltatási szolgáltatások továbbra is működnek, annak ellenére, hogy folyamatosan beszélnek arról, meddig maradnak fenn a digitális forradalom idején. Valóban, a technikai támogatási szolgáltatások iránti kereslet növekszik – a Technikai Támogatási Jelentés és a Fizetési Jelentés (Help Desk Institute) 2017-es jelentése szerint a technikai támogatási szolgáltatások 55%-a tapasztalt a tavalyi évben a beérkező kérések számának növekedését.
Másrészt sok cég tapasztalt a segítségnyújtóhoz beérkező kérések csökkenését az előző évhez képest (15%) 2016-hoz képest (10%). A beérkezett kérések számának csökkenését leginkább az önsegítő technikai támogatás segítette elő. Mindazonáltal a HDI azt is jelzi, hogy tavaly a kérdésenkénti költség 25 dollárra nőtt az előző évi 18 dollárról. Ez nem az, amire a legtöbb IT-szolgáltatás törekszik. Szerencsére az analitikán és gépi tanuláson alapuló automatizálás javíthatja a folyamatokat és a támogatási szolgáltatás teljesítményét a hibák csökkentésével, valamint a minőség és a sebesség növelésével. Néha ez túllép az emberi lehetőségeken, és a gépi tanulás és analitika kulcsfontosságú alapja egy intelligens, ügyfélbarát és operatív IT-támogatási szolgáltatásnak.
A cikk mélyebben áttekinti, hogyan képes a gépi tanulás megoldani számos problémát a támogatási szolgáltatással és az ITSM-mel kapcsolatban, amelyek a beérkező kérelmek mennyiségével és költségeivel állnak összefüggésben, és hogyan alakítható ki egy gyorsabb és automatizált támogatási szolgáltatás, amelyet szívesen használnak a vállalat munkatársai.
Hatékony ITSM gépi tanulás és analitika révén
A gépi tanulásra vonatkozó kedvenc meghatározásom a :
«A gépi tanulás megtanítja a számítógépeknek, hogy azt tegyék, ami természetes az emberek és az állatok számára – tanulnak a saját tapasztalataikból. A gépi tanulás algoritmusai számítási módszereket alkalmaznak az információk tanulmányozására közvetlenül az adatokból, nem támaszkodva előre meghatározott egyenletre modellként. Az algoritmusok adaptívan javítják saját hatékonyságukat, ahogy növekszik a tanulmányozásra rendelkezésre álló minták száma.»
Az alábbi lehetőségek egyes gépi tanuláson és nagy adatelemzésen alapuló ITSM eszközök számára érhetők el:
- Támogatás egy boton keresztül. A virtuális ügynökök és csevegőbotok automatikusan ajánlhatnak híreket, cikkeket, szolgáltatásokat és támogatási ajánlatokat az adatbázisokból és nyilvános kérésekből. Ez a 24/7-es támogatás a végfelhasználók számára javasolt tréningprogramok formájában jelentősen gyorsítja a problémák megoldását. A bot kulcsfontosságú előnyei közé tartozik a fejlettebb felhasználói felület és a beérkező megkeresések számának csökkentése.
- Okos hírek és értesítések. Ezek az eszközök lehetővé teszik, hogy a felhasználókat előre értesítsük a potenciális problémákról. Továbbá, az IT szakemberek ajánlhatnak alternatív megoldásokat személyre szabott értesítések révén, amelyek releváns és hasznos információkat nyújtanak a végfelhasználóknak a felmerülő problémákról, valamint tippeket adnak azok elkerülésére. Az informált felhasználók nagyra értékelik az aktív IT támogatást, és csökkenteni tudják a beérkező megkeresések számát.
- Okos keresés. Amikor a végfelhasználók információt vagy szolgáltatásokat keresnek, a kontextusfüggő tudáskezelő rendszer ajánlásokat, cikkeket és hivatkozásokat kínálhat. A végfelhasználók általában kihagynak egyes találatokat, mivel másokat részesítenek előnyben. Ezek a kattintások és megtekintések beletartoznak a tartalom újraindexelésénél használt „súlyozási” kritériumokba, így a keresési lehetőségek dinamikusan állíthatók be. Mivel a végfelhasználók visszajelzést adnak „tetszik/nem tetszik” formájában, ez szintén befolyásolja a megtalálható tartalom értékelését. Az előnyök szempontjából a végfelhasználók gyorsan megtalálják a válaszokat, és magabiztosan érzik magukat, míg a támogatói ügynökök több megkeresést tudnak kezelni, és elérhetik a nyújtott szolgáltatási szintek (SLA) magasabb számát.
- Népszerű témák analitikája. Itt az elemző lehetőségek az adatok struktúrált és strukturálatlan forrásaiban rejlő mintákat tárták fel. A népszerű témákról szóló információkat grafikus hőtérképként jelenítjük meg, ahol a szegmensek mérete a felhasználók által keresett adott témák vagy kulcsszó csoportok gyakoriságát tükrözi. Az ismétlődő incidensek azonnal észlelhetők, csoportosítva és közösen kezelve. A népszerű témák elemzése szintén felfedi a közös okkal rendelkező incidens klasztereket, és jelentősen csökkenti az alapvető probléma azonosításához és megoldásához szükséges időt. A technológia automatikusan képes tudásbázis cikkeket is létrehozni, hasonló interakciók vagy problémák alapján. Az adatok bármilyen trendjének keresése növeli az IT részleg aktivitását, megakadályozza az incidens ismétlődését, és ezzel növeli a végfelhasználói elégedettséget, miközben csökkenti az IT költségeket.
- Okos kérelmek. A végfelhasználók elvárják, hogy a kérelem benyújtása ne legyen bonyolultabb, mint egy tweet írása, nevezetesen – egy rövid üzenet természetes nyelven, amely leírja a problémát vagy kérést, és amely e-mailben küldhető el. Vagy akár csak csatolni egy fényképet a hibáról, és elküldeni azt mobil eszközről. Az okos kérelem regisztrálása felgyorsítja a bejelentés létrehozását, automatikusan kitöltve minden mezőt a végfelhasználó által írtak vagy egy kép scannelése alapján, amelyet optikai karakterfelismerő (OCR) program dolgozott fel. A megfigyeléseken alapuló adathalmazon keresztül a technológia automatikusan osztályozza és címezni a kérelmeket a megfelelő ügyfélszolgálati ügynököknek. Az ügynökök különböző ügyféltámogatási csoportoknak tudják továbbítani a kérelmeket, és újra tudják írni az automatikusan kitöltött mezőket, ha a gépi tanulás modellje nem volt optimális az adott esetre. A rendszer új mintákból tanul, ami lehetővé teszi, hogy a felmerülő problémák kezelésében jobban boldoguljon a jövőben. Mindez azt jelenti, hogy a végfelhasználók könnyedén és gyorsan nyithatnak kérelmeket, ami növeli az elégedettséget a munkaeszközök használata során. Ez a funkció csökkenti a manuális munka és a hibák mennyiségét, és segít csökkenteni a problémák megoldásának idejét és költségeit.
- Okos e-mail. Ez az eszköz hasonlít az okos kérelmekhez. A végfelhasználó e-mailt küldhet az ügyfélszolgálatnak, és természetes nyelven leírhatja a problémát. Az ügyfélszolgálati eszköz a e-mail tartalmából létrehozza a kérelmet, és automatikusan válaszol a végfelhasználónak a javasolt megoldások linkjeivel. A végfelhasználók elégedettek, mivel a kérelmek és kérések megnyitása könnyed és kényelmes, és az IT ügynököknek kevesebb manuális munkát kell végezniük.
- Okos változáskezelés. A gépi tanulás emellett támogatja a modern analitikát és a változások kezelését. Figyelembe véve a vállalatok által ma igényelt gyakori változásokat, az intelligens rendszerek javaslatokat tehetnek az ügynököknek vagy a változásmenedzsereknek a környezet optimalizálására és a jövőbeni sikeres változások arányának növelésére. Az ügynökök természetes nyelven írhatják le a szükséges változásokat, míg az elemzői lehetőségek ellenőrzik a tartalmat az érintett konfigurációs elemek szempontjából. Minden változást szabályoznak, és az automatikus mutatók tájékoztatják a változásmenedzsert, ha bármilyen probléma merül fel a változással kapcsolatban, mint például kockázat, tervezés nem tervezett időszakra vagy „nem hagyva jóvá” státusz. A smart változáskezelés kulcsfontosságú előnye a gyorsabb megtérülési idő kevesebb konfigurációval, beállítással és végső soron alacsonyabb költségekkel.
Végső soron a gépi tanulás és az analitika átalakítják az ITSM rendszereket intelligens feltételezésekkel és javaslatokkal a probléma és a változási folyamatokkal kapcsolatban, amelyek segítik az IT ügynököket és támogató csoportokat abban, hogy leírják, diagnosztizálják, előre jelezzék és előírják, hogy mi történt, mi történik és mi fog történni. A végfelhasználók előrejelző, személyre szabott és dinamikus analitikai értékeléseket és gyors megoldásokat kapnak. Eközben sok minden automatikusan történik, azaz emberi beavatkozás nélkül. És mivel a technológia idővel tanul, a folyamatok egyre jobbak lesznek. Fontos megjegyezni, hogy minden intelligens funkció, amelyet ebben a cikkben leírtak, már ma is elérhető.
Forrás: habr.com
