2018 թվականը մեզ ամուր հաստատված տեսավ. ՏՏ ծառայությունների կառավարումը (ITSM) և ՏՏ ծառայությունները դեռևս գործում են՝ չնայած շարունակական խոսակցություններին, թե որքան ժամանակ են դրանք գոյատևելու թվային հեղափոխությունից: Իրոք, աճում է տեխնիկական աջակցության ծառայությունների պահանջարկը՝ Տեխնիկական աջակցության և աշխատավարձի հաշվետվության մեջ (Help Desk Institute) 2017-ի զեկույցը ցույց է տալիս, որ օգնության գրասեղանների 55%-ը հայտնել է տոմսերի ծավալի ավելացման մասին վերջին տարվա ընթացքում:
Մյուս կողմից, շատ ընկերություններ նախորդ տարի արձանագրել են տեխնիկական աջակցության կանչերի ծավալի նվազում (15%)՝ 2016 թվականի համեմատ (10%)։ Հարցումների քանակի կրճատմանը նպաստող հիմնական գործոնը անկախ տեխնիկական աջակցությունն էր։ Այնուամենայնիվ, HDI-ն հայտնում է նաև, որ հայտի վճարը անցյալ տարի աճել է մինչև 25 դոլար՝ 18 թվականի 2016 դոլարի դիմաց: Սա այն չէ, ինչին ձգտում են ՏՏ գերատեսչությունների մեծ մասը: Բարեբախտաբար, վերլուծության և մեքենայական ուսուցման միջոցով ապահովված ավտոմատացումը կարող է բարելավել սպասարկման սեղանի գործընթացները և արտադրողականությունը՝ նվազեցնելով սխալները և բարելավելով որակն ու արագությունը: Երբեմն դա դուրս է մարդկային հնարավորություններից, և մեքենայական ուսուցումն ու վերլուծությունը հանդիսանում են խելացի, նախաձեռնող և արձագանքող ՏՏ օգնության գրասեղանի հիմնական հիմքը:
Այս հոդվածը մանրամասնորեն նայում է, թե ինչպես կարող է մեքենայական ուսուցումը լուծել տոմսերի ծավալի և արժեքի հետ կապված օգնության սեղանի և ITSM-ի բազմաթիվ մարտահրավերներ, և ինչպես ստեղծել ավելի արագ, ավելի ավտոմատացված օգնության սեղան, որը ձեռնարկության աշխատակիցները հաճույք են ստանում օգտագործելուց:
Արդյունավետ ITSM մեքենայական ուսուցման և վերլուծության միջոցով
Մեքենայի ուսուցման իմ սիրելի սահմանումը գալիս է ընկերությունից :
«Մեքենայական ուսուցումը համակարգիչներին սովորեցնում է անել այն, ինչ բնական է մարդկանց և կենդանիների համար՝ սովորել փորձից: Մեքենայական ուսուցման ալգորիթմները օգտագործում են հաշվողական մեթոդներ՝ ուղղակիորեն տվյալներից տեղեկատվություն սովորելու համար՝ առանց հենվելու նախապես սահմանված հավասարման վրա որպես մոդել: Ալգորիթմները հարմարվողականորեն բարելավում են իրենց կատարողականությունը, քանի որ մեծանում է ուսումնասիրության համար մատչելի նմուշների թիվը»:
Մեքենայական ուսուցման և մեծ տվյալների վերլուծության վրա հիմնված ITSM որոշ գործիքների համար հասանելի են հետևյալ հնարավորությունները.
- Աջակցություն բոտի միջոցով: Վիրտուալ գործակալները և չաթ-բոտերը կարող են ավտոմատ կերպով առաջարկել նորություններ, հոդվածներ, ծառայություններ և աջակցության առաջարկներ տվյալների կատալոգներից և հանրային հարցումներից: Այս 24/7 աջակցությունը վերջնական օգտագործողների վերապատրաստման ծրագրերի տեսքով օգնում է լուծել խնդիրները շատ ավելի արագ: Բոտի հիմնական առավելություններն են բարելավված ինտերֆեյսը և ավելի քիչ մուտքային զանգերը:
- Խելացի նորություններ և ծանուցումներ: Այս գործիքները թույլ են տալիս օգտվողներին ակտիվորեն տեղեկացնել հնարավոր խնդիրների մասին: Բացի այդ, ՏՏ մասնագետները կարող են առաջարկել լուծումներ՝ խնդիրները լուծելու համար անհատականացված ծանուցումների միջոցով, որոնք վերջնական օգտատերերին տրամադրում են համապատասխան և գործնական տեղեկություններ այն խնդիրների մասին, որոնց կարող են հանդիպել, ինչպես նաև խորհուրդներ՝ ինչպես խուսափել դրանցից: Իրազեկ օգտատերերը կգնահատեն ակտիվ ՏՏ աջակցությունը, և մուտքային զանգերի թիվը կկրճատվի:
- Խելացի որոնում. Երբ վերջնական օգտատերերը փնտրում են տեղեկատվություն կամ ծառայություններ, կոնտեքստից տեղյակ գիտելիքների կառավարման համակարգը կարող է առաջարկություններ, հոդվածներ և հղումներ տրամադրել: Վերջնական օգտվողները հակված են բաց թողնել որոշ արդյունքներ հօգուտ ուրիշների: Այս սեղմումները և դիտումները ներառված են «կշռման» չափանիշներում՝ ժամանակի ընթացքում բովանդակության վերաինդեքսավորման ժամանակ, ուստի որոնման փորձը դինամիկ կերպով ճշգրտվում է: Քանի որ վերջնական օգտատերերը հետադարձ կապ են տրամադրում հավանելու/չհավանելու քվեարկության տեսքով, այն նաև ազդում է բովանդակության վարկանիշի վրա, որը նրանք և մյուս օգտատերերը կարող են գտնել: Ինչ վերաբերում է առավելություններին, վերջնական օգտվողները կարող են արագ գտնել պատասխանները և իրենց ավելի վստահ զգալ, իսկ օգնության գրասենյակի գործակալները կարող են ավելի շատ տոմսեր ձեռք բերել և հասնել ավելի շատ ծառայությունների մակարդակի համաձայնագրերի (SLA):
- Հանրաճանաչ թեմաների վերլուծություն. Այստեղ վերլուծական հնարավորությունները բացահայտում են կառուցվածքային և չկառուցված տվյալների աղբյուրների օրինաչափությունները: Հանրաճանաչ թեմաների մասին տեղեկատվությունը գրաֆիկորեն ցուցադրվում է ջերմային քարտեզի տեսքով, որտեղ հատվածների չափերը համապատասխանում են օգտատերերի կողմից պահանջարկ ունեցող որոշակի թեմաների կամ հիմնաբառերի խմբերի հաճախականությանը: Կրկնվող միջադեպերը կհայտնաբերվեն անմիջապես, կխմբավորվեն և կլուծվեն միասին: Թրենդային թեմաների վերլուծությունը նաև հայտնաբերում է ընդհանուր հիմնական պատճառ ունեցող միջադեպերի կլաստերները և զգալիորեն կրճատում է հիմնական խնդիրը բացահայտելու և լուծելու ժամանակը: Տեխնոլոգիան կարող է նաև ավտոմատ կերպով ստեղծել գիտելիքների բազայի հոդվածներ՝ հիմնված նմանատիպ փոխազդեցությունների կամ նմանատիպ խնդիրների վրա: Ցանկացած տվյալների մեջ միտումներ գտնելը մեծացնում է ՏՏ բաժնի գործունեությունը, կանխում է միջադեպերի կրկնությունը և, հետևաբար, մեծացնում է վերջնական օգտագործողների գոհունակությունը՝ միաժամանակ նվազեցնելով ՏՏ ծախսերը:
- Խելացի հավելվածներ. Վերջնական օգտատերերն ակնկալում են, որ տոմս ներկայացնելը նույնքան հեշտ է, որքան թվիթ գրելը. կարճ, բնական լեզվով հաղորդագրություն, որը նկարագրում է խնդիրը կամ հարցումը, որը կարող է ուղարկվել էլ. Կամ նույնիսկ պարզապես կցեք խնդրի լուսանկարը և ուղարկեք այն ձեր բջջային սարքից: Տոմսերի խելացի գրանցումն արագացնում է տոմսերի ստեղծման գործընթացը՝ ավտոմատ կերպով լրացնելով բոլոր դաշտերը՝ հիմնվելով վերջնական օգտագործողի գրածի կամ պատկերի սկանավորման վրա, որը մշակվել է օպտիկական նիշերի ճանաչման (OCR) ծրագրի միջոցով: Օգտագործելով դիտորդական տվյալների մի շարք՝ տեխնոլոգիան ավտոմատ կերպով դասակարգում և տոմսերը ուղղում է համապատասխան օգնության գրասենյակի գործակալներին: Գործակալները կարող են տոմսեր փոխանցել տարբեր աջակցման թիմերին և կարող են վերագրանցել ավտոմատ կերպով համալրված դաշտերը, եթե մեքենայական ուսուցման մոդելը տվյալ դեպքի համար օպտիմալ չէ: Համակարգը սովորում է նոր օրինաչափություններից, ինչը թույլ է տալիս նրան ավելի լավ հաղթահարել ապագայում ծագած խնդիրները: Այս ամենը նշանակում է, որ վերջնական օգտատերերը կարող են արագ և հեշտությամբ բացել տոմսերը, ինչը հանգեցնում է աշխատանքային գործիքների օգտագործման ժամանակ գոհունակության բարձրացմանը: Այս հնարավորությունը նաև նվազեցնում է ձեռքի աշխատանքն ու սխալը և օգնում է նվազեցնել թույլտվության ժամանակն ու ծախսերը:
- Խելացի էլ. Այս գործիքը նման է խելացի պատվերներին: Վերջնական օգտվողը կարող է նամակ ուղարկել աջակցության թիմին և նկարագրել խնդիրը բնական լեզվով: Օգնության գրասեղանի գործիքը ստեղծում է տոմս՝ հիմնվելով էլփոստի բովանդակության վրա և ավտոմատ կերպով պատասխանում է վերջնական օգտագործողին՝ առաջարկվող լուծումների հղումներով: Վերջնական օգտվողները գոհ են, քանի որ տոմսերի և հարցումների բացումը հեշտ և հարմար է, և ՏՏ գործակալները ձեռքով ավելի քիչ աշխատանք ունեն անելու:
- Խելացի փոփոխությունների կառավարում: Մեքենայական ուսուցումն աջակցում է նաև առաջադեմ վերլուծություններին և փոփոխությունների կառավարմանը: Հաշվի առնելով հաճախակի թվով փոփոխությունների, որոնք այսօր պահանջում են բիզնեսները, խելացի համակարգերը կարող են փոփոխության գործակալներին կամ մենեջերներին տրամադրել առաջարկություններ՝ ուղղված շրջակա միջավայրի օպտիմալացմանը և ապագայում փոփոխությունների հաջողության մակարդակի բարձրացմանը: Գործակալները կարող են նկարագրել բնական լեզվով անհրաժեշտ փոփոխությունները, և վերլուծական հնարավորությունները կստուգեն բովանդակությունը ազդակիր կազմաձևման տարրերի համար: Բոլոր փոփոխությունները կարգավորվում են, և ավտոմատ ցուցիչները հայտնում են փոփոխության մենեջերին, եթե փոփոխության հետ կապված որևէ խնդիր կա, օրինակ՝ ռիսկը, պլանավորումը չպլանավորված պատուհանում կամ «չհաստատված» կարգավիճակը: Խելացի փոփոխությունների կառավարման հիմնական առավելությունն այն է, որ ավելի արագ ժամանակն է արժեւորել ավելի քիչ կոնֆիգուրացիաներով, հարմարեցումներով և, ի վերջո, ավելի քիչ ծախսված գումարով:
Ի վերջո, մեքենայական ուսուցումն ու վերլուծությունը փոխակերպում են ITSM համակարգերը՝ խելացի ենթադրություններով և առաջարկություններով տոմսերի խնդիրների և փոփոխության գործընթացի վերաբերյալ, որոնք օգնում են գործակալներին և ՏՏ աջակցման թիմերին նկարագրել, ախտորոշել, կանխատեսել և նախատեսել, թե ինչ է տեղի ունեցել, ինչ է տեղի ունենում և ինչ է լինելու: Վերջնական օգտվողները ստանում են ակտիվ, անհատականացված և դինամիկ պատկերացումներ և արագ լուծումներ: Այս դեպքում շատ բան կատարվում է ավտոմատ կերպով, այսինքն. առանց մարդու միջամտության: Եվ քանի որ տեխնոլոգիան սովորում է ժամանակի ընթացքում, գործընթացները միայն լավանում են: Կարևոր է նշել, որ այս հոդվածում նկարագրված բոլոր խելացի գործառույթներն այսօր հասանելի են:
Source: www.habr.com