IT სერვისების მენეჯმენტი (ITSM) კიდევ უფრო ეფექტური გახდა მანქანური სწავლით

2018 წელს ჩვენ მყარად ჩამოვყალიბდით - IT სერვისების მენეჯმენტი (ITSM) და IT სერვისები ჯერ კიდევ ბიზნესშია, მიუხედავად იმისა, რომ გრძელდება საუბარი იმაზე, თუ რამდენ ხანს გადარჩებიან ისინი ციფრულ რევოლუციას. მართლაც, იზრდება მოთხოვნა ტექნიკური დახმარების სერვისებზე - ტექნიკური დახმარების ანგარიშსა და ხელფასის ანგარიშში HDI (Help Desk Institute) 2017 წლის ანგარიში მიუთითებს, რომ დახმარების ცენტრების 55%-მა აღნიშნა ბილეთების მოცულობის ზრდა გასული წლის განმავლობაში.

მეორეს მხრივ, ბევრმა კომპანიამ აღნიშნა ტექნიკური მხარდაჭერაზე ზარების მოცულობის შემცირება გასულ წელს (15%) 2016 წელთან შედარებით (10%). მოთხოვნების რაოდენობის შემცირების მთავარი ფაქტორი დამოუკიდებელი ტექნიკური მხარდაჭერა იყო. თუმცა, HDI ასევე იტყობინება, რომ განაცხადის საფასური გასულ წელს გაიზარდა $25-მდე, 18 წელს $2016-დან. ეს არ არის ის, რისთვისაც IT დეპარტამენტების უმეტესობა ისწრაფვის. საბედნიეროდ, ანალიტიკით და მანქანური სწავლებით აღჭურვილი ავტომატიზაცია შეიძლება გააუმჯობესოს დახმარების პროცესები და პროდუქტიულობა შეცდომების შემცირებით და ხარისხისა და სიჩქარის გაუმჯობესებით. ზოგჯერ ეს სცილდება ადამიანის შესაძლებლობებს და მანქანათმცოდნეობა და ანალიტიკა არის ინტელექტუალური, პროაქტიული და პასუხისმგებელი IT სერვისის მთავარი საფუძველი.

ეს სტატია უფრო დეტალურად განიხილავს, თუ როგორ შეუძლია მანქანური სწავლება გადაჭრას დახმარების მაგიდასთან და ITSM-თან დაკავშირებული მრავალი გამოწვევა, რომელიც დაკავშირებულია ბილეთების მოცულობასთან და ღირებულებასთან, და როგორ შევქმნათ უფრო სწრაფი, უფრო ავტომატიზირებული დახმარების მაგიდა, რომლითაც სარგებლობენ საწარმოს თანამშრომლები.

ეფექტური ITSM მანქანური სწავლისა და ანალიტიკის მეშვეობით

მანქანათმცოდნეობის ჩემი საყვარელი განმარტება მოდის კომპანიისგან მათემატიკური სამუშაოები:

„მანქანური სწავლება ასწავლის კომპიუტერებს, გააკეთონ ის, რაც ბუნებრივად მოდის ადამიანებსა და ცხოველებს - ისწავლონ გამოცდილებიდან. მანქანათმცოდნეობის ალგორითმები იყენებენ გამოთვლით მეთოდებს ინფორმაციის შესასწავლად უშუალოდ მონაცემებიდან, წინასწარ განსაზღვრულ განტოლებაზე, როგორც მოდელის დაყრის გარეშე. ალგორითმები ადაპტაციურად აუმჯობესებენ საკუთარ შესრულებას, როდესაც იზრდება კვლევისთვის ხელმისაწვდომი ნიმუშების რაოდენობა.
შემდეგი შესაძლებლობები ხელმისაწვდომია ზოგიერთი ITSM ხელსაწყოსთვის, რომელიც დაფუძნებულია მანქანურ სწავლებაზე და დიდი მონაცემების ანალიტიკაზე:

• მხარდაჭერა ბოტის საშუალებით. ვირტუალურ აგენტებსა და ჩატბოტებს შეუძლიათ ავტომატურად შემოგთავაზონ სიახლეები, სტატიები, სერვისები და მხარდაჭერის შეთავაზებები მონაცემთა კატალოგებიდან და საჯარო მოთხოვნებიდან. ეს 24/7 მხარდაჭერა საბოლოო მომხმარებლის სასწავლო პროგრამების სახით ეხმარება პრობლემების უფრო სწრაფად მოგვარებას. ბოტის მთავარი უპირატესობაა გაუმჯობესებული მომხმარებლის ინტერფეისი და ნაკლები შემომავალი ზარები.
• ჭკვიანი სიახლეები და შეტყობინებები. ეს ხელსაწყოები საშუალებას აძლევს მომხმარებლებს პროაქტიულად მიიღონ შეტყობინება პოტენციური პრობლემების შესახებ. გარდა ამისა, IT პროფესიონალებს შეუძლიათ რეკომენდაცია გაუწიონ პრობლემების გადასაჭრელად პერსონალიზებული შეტყობინებების მეშვეობით, რომლებიც საბოლოო მომხმარებლებს აწვდიან შესაბამის და ქმედითუნარიან ინფორმაციას იმ პრობლემების შესახებ, რომლებსაც ისინი შეიძლება წააწყდნენ, ასევე რჩევებს, თუ როგორ უნდა აიცილონ ისინი. ინფორმირებული მომხმარებლები დააფასებენ პროაქტიულ IT მხარდაჭერას და შემომავალი მოთხოვნების რაოდენობა შემცირდება.
• ჭკვიანი ძებნა. როდესაც საბოლოო მომხმარებლები ეძებენ ინფორმაციას ან სერვისებს, კონტექსტური ცოდნის მართვის სისტემას შეუძლია რეკომენდაციების, სტატიებისა და ბმულების მიწოდება. საბოლოო მომხმარებლები მიდრეკილნი არიან გამოტოვონ ზოგიერთი შედეგი სხვების სასარგებლოდ. ეს დაწკაპუნებები და ნახვები შედის „შეწონვის“ კრიტერიუმებში, როდესაც დროთა განმავლობაში ხელახლა ხდება შინაარსის ინდექსირება, ამიტომ ძიების გამოცდილება დინამიურად რეგულირდება. ვინაიდან საბოლოო მომხმარებლები აწვდიან უკუკავშირს კენჭისყრის მოწონების/არ მოწონების სახით, ეს ასევე გავლენას ახდენს იმ კონტენტის რეიტინგზე, რომელსაც მათ და სხვა მომხმარებლებს შეუძლიათ იპოვონ. უპირატესობების თვალსაზრისით, საბოლოო მომხმარებლებს შეუძლიათ სწრაფად იპოვონ პასუხები და თავი იგრძნონ უფრო თავდაჯერებულად, ხოლო დამხმარე სამსახურის აგენტებს შეუძლიათ უფრო მეტი ბილეთების დამუშავება და მეტი მომსახურების დონის შეთანხმების მიღწევა (SLAs).
• პოპულარული თემების ანალიტიკა. აქ, ანალიტიკური შესაძლებლობები იდენტიფიცირებს შაბლონებს სტრუქტურირებული და არასტრუქტურირებული მონაცემთა წყაროებში. ინფორმაცია პოპულარული თემების შესახებ გრაფიკულად არის გამოსახული სითბოს რუქის სახით, სადაც სეგმენტების ზომა შეესაბამება მომხმარებლების მიერ მოთხოვნილი გარკვეული თემების ან საკვანძო სიტყვების ჯგუფების სიხშირეს. განმეორებითი ინციდენტები მყისიერად გამოვლინდება, დაჯგუფდება და ერთად მოგვარდება. ტრენდული თემების ანალიტიკა ასევე აღმოაჩენს ინციდენტების კლასტერებს საერთო ძირეული მიზეზით და მნიშვნელოვნად ამცირებს ძირეული პრობლემის იდენტიფიცირებისა და გადაჭრის დროს. ტექნოლოგიას ასევე შეუძლია ავტომატურად შექმნას ცოდნის ბაზის სტატიები მსგავსი ურთიერთქმედების ან მსგავსი საკითხების საფუძველზე. ტენდენციების პოვნა ნებისმიერ მონაცემში ზრდის IT დეპარტამენტის აქტივობას, ხელს უშლის ინციდენტების განმეორებას და, შესაბამისად, ზრდის საბოლოო მომხმარებლის კმაყოფილებას და ამცირებს IT ხარჯებს.
• ჭკვიანი აპლიკაციები. საბოლოო მომხმარებლები ელოდებათ, რომ ბილეთის გაგზავნა ისეთივე მარტივია, როგორც ტვიტის დაწერა - მოკლე, ბუნებრივ ენაზე შეტყობინება, რომელიც აღწერს საკითხს ან მოთხოვნას, რომელიც შეიძლება გაიგზავნოს ელექტრონული ფოსტით. ან თუნდაც უბრალოდ დაურთოთ პრობლემის ფოტო და გაგზავნეთ თქვენი მობილური მოწყობილობიდან. ჭკვიანი ბილეთის რეგისტრაცია აჩქარებს ბილეთის შექმნის პროცესს ყველა ველის ავტომატურად შევსებით, საბოლოო მომხმარებლის დაწერილის ან გამოსახულების სკანირების საფუძველზე, რომელიც დამუშავებულია სიმბოლოების ოპტიკური ამოცნობის (OCR) პროგრამული უზრუნველყოფის გამოყენებით. დაკვირვების მონაცემთა ნაკრების გამოყენებით, ტექნოლოგია ავტომატურად ახდენს ბილეთების კატეგორიზაციას და მარშრუტებს შესაბამის დახმარების აგენტებთან. აგენტებს შეუძლიათ გადაუგზავნონ ბილეთები სხვადასხვა მხარდაჭერის გუნდებს და შეუძლიათ ავტომატურად დასახლებული ველების გადაწერა, თუ მანქანური სწავლების მოდელი არ არის ოპტიმალური მოცემული შემთხვევისთვის. სისტემა სწავლობს ახალ შაბლონებს, რაც საშუალებას აძლევს მას უკეთ გაუმკლავდეს მომავალში წარმოქმნილ პრობლემებს. ეს ყველაფერი ნიშნავს, რომ საბოლოო მომხმარებლებს შეუძლიათ სწრაფად და მარტივად გახსნან ბილეთები, რაც გამოიწვევს სამუშაო ინსტრუმენტების გამოყენებისას კმაყოფილების გაზრდას. ეს შესაძლებლობა ასევე ამცირებს ხელით მუშაობას და შეცდომებს და ხელს უწყობს ნებართვის დროისა და ხარჯების შემცირებას.
• ჭკვიანი ელფოსტა. ეს ინსტრუმენტი ჭკვიანი შეკვეთების მსგავსია. საბოლოო მომხმარებელს შეუძლია გაუგზავნოს ელფოსტა მხარდაჭერის გუნდს და აღწეროს პრობლემა ბუნებრივ ენაზე. დახმარების სამაგიდო ინსტრუმენტი ქმნის ბილეთს ელ.ფოსტის შინაარსის საფუძველზე და ავტომატურად პასუხობს საბოლოო მომხმარებელს შემოთავაზებული გადაწყვეტილებების ბმულებით. საბოლოო მომხმარებლები კმაყოფილნი არიან, რადგან ბილეთების და მოთხოვნების გახსნა მარტივი და მოსახერხებელია, ხოლო IT აგენტებს ნაკლები ხელით სამუშაო აქვთ გასაკეთებელი.
• ჭკვიანი ცვლილებების მართვა. მანქანათმცოდნეობა ასევე მხარს უჭერს მოწინავე ანალიტიკას და ცვლილებების მართვას. იმ ცვლილებების ხშირი რაოდენობის გათვალისწინებით, რაც დღეს ბიზნესს სჭირდება, ინტელექტუალურ სისტემებს შეუძლიათ ცვლილებების აგენტებს ან მენეჯერებს შესთავაზონ წინადადებები, რომლებიც მიმართულია გარემოს ოპტიმიზაციისკენ და მომავალში ცვლილებების წარმატების მაჩვენებლის გაზრდაზე. აგენტებს შეუძლიათ აღწერონ საჭირო ცვლილებები ბუნებრივ ენაში და ანალიტიკის შესაძლებლობები შეამოწმებს კონტენტს დაზიანებული კონფიგურაციის ელემენტებისთვის. ყველა ცვლილება რეგულირდება და ავტომატური ინდიკატორები ეუბნებიან ცვლილების მენეჯერს, არის თუ არა რაიმე პრობლემა ცვლილებასთან დაკავშირებით, როგორიცაა რისკი, დაუგეგმავი ფანჯარაში დაგეგმვა ან სტატუსი „დაუმტკიცებელი“. ჭკვიანური ცვლილებების მენეჯმენტის მთავარი სარგებელი არის შეფასების უფრო სწრაფი დრო ნაკლები კონფიგურაციებით, პერსონალიზებით და, საბოლოოდ, ნაკლები დახარჯული ფულით.

საბოლოო ჯამში, მანქანათმცოდნეობა და ანალიტიკა გარდაქმნის ITSM სისტემებს ინტელექტუალური ვარაუდებითა და რეკომენდაციებით ბილეთების საკითხებისა და ცვლილების პროცესის შესახებ, რაც ეხმარება აგენტებსა და IT მხარდაჭერის გუნდებს აღწერონ, დიაგნოსტირება, პროგნოზირება და დანიშვნა, რაც მოხდა, რა ხდება და რა მოხდება. საბოლოო მომხმარებლები იღებენ პროაქტიულ, პერსონალიზებულ და დინამიურ შეხედულებებს და სწრაფ გადაწყვეტილებებს. ამ შემთხვევაში ბევრი კეთდება ავტომატურად, ე.ი. ადამიანის ჩარევის გარეშე. და რაც დროთა განმავლობაში ტექნოლოგია სწავლობს, პროცესები მხოლოდ უკეთესდება. მნიშვნელოვანია აღინიშნოს, რომ ამ სტატიაში აღწერილი ყველა ჭკვიანი ფუნქცია დღეს ხელმისაწვდომია.

წყარო: www.habr.com