2018 ndeleng kita mantep - Manajemen Layanan IT (ITSM) lan Layanan IT isih ana ing bisnis, sanajan isih ana omongan babagan suwene dheweke bakal slamet ing revolusi digital. Pancen, panjaluk layanan dhukungan teknis saya tambah akeh - ing Laporan Dhukungan Teknis lan Laporan Gaji (Help Desk Institute) 2017 laporan nuduhake yen 55% meja bantuan wis nglaporake kenaikan volume tiket sajrone taun kepungkur.
Ing sisih liya, akeh perusahaan nyathet penurunan volume telpon menyang dhukungan teknis taun kepungkur (15%) dibandhingake karo 2016 (10%). Faktor kunci sing nyumbang kanggo nyuda jumlah panjaluk yaiku dhukungan teknis independen. Nanging, HDI uga nglaporake manawa biaya aplikasi mundhak dadi $25 taun kepungkur, saka $18 ing 2016. Iki dudu apa sing ditindakake dening departemen IT. Untunge, otomatisasi sing didhukung dening analytics lan machine learning bisa nambah proses lan produktivitas meja bantuan kanthi nyuda kesalahan lan ningkatake kualitas lan kacepetan. Kadhangkala iki ngluwihi kemampuan manungsa, lan sinau mesin lan analytics minangka dhasar utama kanggo meja layanan IT sing cerdas, proaktif lan responsif.
Artikel iki nliti kanthi luwih rinci babagan carane sinau mesin bisa ngrampungake akeh meja pitulung lan tantangan ITSM sing ana gandhengane karo volume lan biaya tiket, lan carane nggawe meja pitulung sing luwih cepet lan luwih otomatis sing digunakake dening karyawan perusahaan.
ITSM efektif liwat machine learning lan analytics
Definisi learning machine favoritku asale saka perusahaan :
"Pembelajaran mesin mulang komputer kanggo nindakake apa sing alami kanggo manungsa lan kewan-sinau saka pengalaman. Algoritma machine learning nggunakake cara komputasi kanggo sinau informasi langsung saka data, tanpa ngandelake persamaan sing wis ditemtokake minangka model. Algoritma adaptif nambah kinerja dhewe amarga jumlah conto sing kasedhiya kanggo sinau mundhak.
Kapabilitas ing ngisor iki kasedhiya kanggo sawetara alat ITSM adhedhasar pembelajaran mesin lan analytics data gedhe:
- Dhukungan liwat bot. Agen virtual lan chatbots bisa kanthi otomatis menehi saran warta, artikel, layanan, lan tawaran dhukungan saka katalog data lan panjaluk umum. Dhukungan 24/7 iki ing wangun program pelatihan pangguna pungkasan mbantu ngatasi masalah kanthi luwih cepet. Keuntungan utama bot yaiku antarmuka panganggo sing luwih apik lan luwih sithik telpon mlebu.
- Kabar lan kabar pinter. Piranti kasebut ngidini pangguna diwenehi kabar kanthi proaktif babagan masalah potensial. Kajaba iku, profesional IT bisa menehi rekomendasi solusi kanggo ngrampungake masalah liwat kabar khusus sing menehi pangguna pungkasan informasi sing relevan lan bisa ditindakake babagan masalah sing bisa ditemoni, uga tips babagan cara nyingkiri. Pangguna sing ngerti bakal ngormati dhukungan IT sing proaktif lan jumlah panjaluk sing mlebu bakal dikurangi.
- Panelusuran cerdas. Nalika pangguna pungkasan nggoleki informasi utawa layanan, sistem manajemen kawruh kontekstual bisa menehi rekomendasi, artikel, lan pranala. Pangguna pungkasan cenderung nglewati sawetara asil kanggo milih wong liya. Klik lan tampilan iki kalebu ing kritéria "bobot" nalika ngindeks maneh isi saka wektu, supaya pengalaman telusuran disetel kanthi dinamis. Minangka pangguna pungkasan menehi umpan balik ing wangun voting kaya / ora seneng, uga mengaruhi peringkat konten sing bisa ditemokake lan pangguna liyane. Ing babagan keuntungan, pangguna pungkasan bisa nemokake jawaban kanthi cepet lan luwih yakin, lan agen meja bantuan bisa nangani tiket luwih akeh lan entuk persetujuan tingkat layanan (SLA).
- Analytics topik populer. Ing kene, kemampuan analytics ngenali pola ing sumber data sing terstruktur lan ora terstruktur. Informasi babagan topik populer ditampilake kanthi grafis ing wangun peta panas, ing ngendi ukuran segmen cocog karo frekuensi topik utawa klompok tembung kunci tartamtu sing dikarepake dening pangguna. Kadadeyan sing bola-bali bakal langsung dideteksi, diklompokaké lan dirampungaké bebarengan. Tren Topik Analytics uga ndeteksi kluster kedadean kanthi sabab umum lan nyuda wektu kanggo ngenali lan ngrampungake masalah root. Teknologi kasebut uga bisa kanthi otomatis nggawe artikel basis kawruh adhedhasar interaksi sing padha utawa masalah sing padha. Nemokake tren ing data apa wae nambah kegiatan departemen IT, nyegah kedadeyan kedadeyan maneh lan mulane nambah kepuasan pangguna pungkasan nalika nyuda biaya IT.
- Aplikasi pinter. Pangguna pungkasan ngarepake yen ngirim tiket gampang kaya nulis Tweet - pesen basa sing cendhak lan alami sing nggambarake masalah utawa panjaluk sing bisa dikirim liwat email. Utawa malah mung masang foto masalah lan ngirim saka piranti seluler. Registrasi tiket pinter nyepetake proses nggawe tiket kanthi otomatis isi kabeh lapangan adhedhasar apa sing ditulis pangguna pungkasan utawa pindai gambar sing diproses nggunakake piranti lunak pangenalan karakter optik (OCR). Nggunakake sakumpulan data pengamatan, teknologi kasebut kanthi otomatis nggolongake lan rute tiket menyang agen meja bantuan sing cocog. Agen bisa nerusake tiket menyang tim dhukungan sing beda-beda lan bisa nimpa kolom sing diisi kanthi otomatis yen model pembelajaran mesin ora optimal kanggo kasus tartamtu. Sistem kasebut sinau saka pola anyar, sing ngidini kanggo ngatasi masalah sing bakal teka ing mangsa ngarep. Kabeh iki tegese pangguna pungkasan bisa mbukak tiket kanthi cepet lan gampang, nyebabake kepuasan nalika nggunakake alat kerja. Kemampuan iki uga nyuda karya manual lan kesalahan lan mbantu nyuda wektu lan biaya sing diidini.
- Email pinter. Alat iki padha karo pesenan pinter. Pangguna pungkasan bisa ngirim email menyang tim dhukungan lan njlèntrèhaké masalah ing basa alami. Alat meja bantuan ngasilake tiket adhedhasar isi email lan kanthi otomatis nanggapi pangguna pungkasan kanthi pranala menyang solusi sing disaranake. Pangguna pungkasan puas amarga mbukak tiket lan panjaluk gampang lan trep, lan agen IT duwe tugas manual sing kurang.
- Manajemen pangowahan sing cerdas. Pembelajaran mesin uga ndhukung analitik lan manajemen pangowahan. Amarga akeh owah-owahan sing dibutuhake bisnis saiki, sistem cerdas bisa menehi saran kanggo agen pangowahan utawa manajer kanggo ngoptimalake lingkungan lan nambah tingkat sukses owah-owahan ing mangsa ngarep. Agen bisa njlèntrèhaké owah-owahan sing dibutuhake ing basa alami, lan kapabilitas analytics bakal mriksa konten kanggo item konfigurasi sing kena pengaruh. Kabeh owah-owahan diatur, lan indikator otomatis ngandhani manajer pangowahan yen ana masalah karo owah-owahan, kayata resiko, jadwal ing jendhela sing ora direncanakake, utawa status "ora disetujoni". Keuntungan utama saka manajemen pangowahan sing cerdas yaiku wektu sing luwih cepet kanggo regane kanthi konfigurasi sing luwih sithik, kustomisasi lan pungkasane kurang dhuwit sing dibuwang.
Pungkasane, sinau mesin lan analytics ngowahi sistem ITSM kanthi asumsi lan rekomendasi sing cerdas babagan masalah tiket lan proses pangowahan sing mbantu agen lan tim dhukungan IT njlèntrèhaké, diagnosa, prédhiksi lan menehi resep apa sing kedadeyan, apa sing kedadeyan lan apa sing bakal kelakon. Pangguna pungkasan nampa wawasan proaktif, pribadi lan dinamis lan solusi cepet. Ing kasus iki, akeh sing ditindakake kanthi otomatis, yaiku. tanpa campur tangan manungsa. Lan nalika teknologi sinau liwat wektu, proses mung dadi luwih apik. Penting kanggo dicathet yen kabeh fitur cerdas sing diterangake ing artikel iki kasedhiya saiki.
Source: www.habr.com