머신러닝을 통해 ITSM(IT 서비스 관리)의 효율성이 더욱 향상되었습니다.

2018년에는 ITSM(IT 서비스 관리)과 IT 서비스가 디지털 혁명에서 얼마나 오래 살아남을지에 대한 지속적인 논의에도 불구하고 여전히 사업을 확고히 했습니다. 실제로 기술 지원 보고서 및 급여 보고서에서 기술 지원 서비스에 대한 수요가 증가하고 있습니다. HDI (헬프 데스크 연구소) 2017년 보고서에 따르면 헬프 데스크의 55%가 지난 한 해 동안 티켓 양이 증가했다고 보고했습니다.

반면, 많은 기업에서는 15년(2016%)에 비해 지난해 기술 지원 통화량이 10% 감소했다고 밝혔습니다. 요청 건수 감소에 기여한 주요 요인은 독립적인 기술 지원이었습니다. 그러나 HDI는 또한 신청 수수료가 25년 18달러에서 지난해 2016달러로 인상되었다고 보고했습니다. 이는 대부분의 IT 부서가 추구하는 것이 아닙니다. 다행스럽게도 분석 및 기계 학습을 기반으로 하는 자동화는 오류를 줄이고 품질과 속도를 향상시켜 헬프 데스크 프로세스와 생산성을 향상시킬 수 있습니다. 때로는 이것이 인간의 능력을 넘어서는 경우도 있으며, 기계 학습과 분석은 지능적이고 사전 대응적이며 대응력이 뛰어난 IT 서비스 데스크의 핵심 기반입니다.

이 문서에서는 기계 학습이 티켓 양 및 비용과 관련된 많은 헬프 데스크 및 ITSM 문제를 어떻게 해결할 수 있는지, 그리고 기업 직원이 즐겨 사용하는 더 빠르고 자동화된 헬프 데스크를 만드는 방법을 자세히 살펴봅니다.

기계 학습 및 분석을 통한 효과적인 ITSM

제가 가장 좋아하는 머신러닝 정의는 회사에서 나온 것입니다. 매스 웍스:

“머신러닝은 컴퓨터에게 인간과 동물에게 자연스러운 일, 즉 경험을 통해 배우는 방법을 가르칩니다. 기계 학습 알고리즘은 계산 방법을 사용하여 미리 정의된 방정식을 모델로 사용하지 않고 데이터에서 직접 정보를 학습합니다. 알고리즘은 연구에 사용할 수 있는 샘플 수가 증가함에 따라 자체 성능을 적응적으로 향상시킵니다."
기계 학습 및 빅 데이터 분석을 기반으로 하는 일부 ITSM 도구에는 다음 기능을 사용할 수 있습니다.

• 봇을 통해 지원합니다. 가상 에이전트와 챗봇은 데이터 카탈로그 및 공개 요청을 통해 뉴스, 기사, 서비스 및 지원 제안을 자동으로 제안할 수 있습니다. 최종 사용자 교육 프로그램 형태의 연중무휴 지원은 문제를 훨씬 빠르게 해결하는 데 도움이 됩니다. 봇의 주요 이점은 향상된 사용자 인터페이스와 수신 통화 감소입니다.
• 스마트 뉴스 및 알림. 이러한 도구를 사용하면 사용자는 잠재적인 문제를 사전에 알 수 있습니다. 또한 IT 전문가는 최종 사용자에게 발생할 수 있는 문제에 대한 관련 있고 실행 가능한 정보와 이를 방지하는 방법에 대한 팁을 제공하는 맞춤형 알림을 통해 문제 해결을 위한 해결 방법을 권장할 수 있습니다. 정보를 갖춘 사용자는 적극적인 IT 지원을 높이 평가할 것이며 수신 통화 수가 줄어들 것입니다.
• 스마트 검색. 최종 사용자가 정보나 서비스를 검색할 때 상황 인식 지식 관리 시스템은 권장 사항, 기사 및 링크를 제공할 수 있습니다. 최종 사용자는 다른 결과를 위해 일부 결과를 건너뛰는 경향이 있습니다. 이러한 클릭수와 조회수는 시간이 지남에 따라 콘텐츠를 다시 색인화할 때 "가중치" 기준에 포함되므로 검색 환경이 동적으로 조정됩니다. 최종 사용자는 좋아요/싫어요 투표 형식으로 피드백을 제공하므로 최종 사용자와 다른 사용자가 찾을 수 있는 콘텐츠의 순위에도 영향을 미칩니다. 이점 측면에서 최종 사용자는 답변을 빠르게 찾고 자신감을 가질 수 있으며, 헬프 데스크 상담원은 더 많은 티켓을 처리하고 더 많은 서비스 수준 계약(SLA)을 달성할 수 있습니다.
• 인기 주제 분석. 여기에서 분석 기능은 구조화된 데이터 소스와 구조화되지 않은 데이터 소스 전반에서 패턴을 식별합니다. 인기 있는 주제에 대한 정보는 히트맵 형태로 그래픽으로 표시됩니다. 여기서 세그먼트의 크기는 사용자가 요구하는 특정 주제 또는 키워드 그룹의 빈도에 해당합니다. 반복되는 사건은 즉시 감지되어 그룹화되어 함께 해결됩니다. 또한 Trending Topic Analytics는 공통된 근본 ​​원인이 있는 사건 클러스터를 감지하고 근본 문제를 식별하고 해결하는 데 소요되는 시간을 크게 단축합니다. 또한 이 기술은 유사한 상호 작용이나 유사한 문제를 기반으로 지식 기반 문서를 자동으로 생성할 수도 있습니다. 모든 데이터에서 추세를 찾으면 IT 부서 활동이 증가하고 사고 재발을 방지하여 IT 비용을 절감하는 동시에 최종 사용자 만족도를 높일 수 있습니다.
• 스마트 애플리케이션. 최종 사용자는 티켓 제출이 이메일을 통해 보낼 수 있는 문제나 요청을 설명하는 짧고 자연스러운 언어 메시지인 트윗을 작성하는 것만큼 쉽다고 기대합니다. 아니면 문제의 사진을 첨부하여 모바일 장치에서 보낼 수도 있습니다. 스마트 티켓 등록은 최종 사용자가 작성한 내용이나 광학 문자 인식(OCR) 소프트웨어를 사용하여 처리된 이미지 스캔을 기반으로 모든 필드를 자동으로 채워 티켓 생성 프로세스의 속도를 높입니다. 일련의 관찰 데이터를 사용하여 기술은 자동으로 티켓을 분류하고 적절한 헬프 데스크 상담원에게 라우팅합니다. 상담원은 티켓을 다른 지원 팀에 전달할 수 있으며 기계 학습 모델이 특정 사례에 최적이 아닌 경우 자동으로 채워진 필드를 덮어쓸 수 있습니다. 시스템은 새로운 패턴을 학습하여 미래에 발생할 수 있는 문제에 더 잘 대처할 수 있습니다. 이는 최종 사용자가 티켓을 빠르고 쉽게 열 수 있어 작업 도구 사용 시 만족도가 높아진다는 것을 의미합니다. 이 기능은 또한 수동 작업과 오류를 줄이고 허용 시간과 비용을 줄이는 데 도움이 됩니다.
• 스마트 이메일. 이 도구는 스마트 주문과 유사합니다. 최종 사용자는 지원 팀에 이메일을 보내고 문제를 자연어로 설명할 수 있습니다. 헬프 데스크 도구는 이메일 콘텐츠를 기반으로 티켓을 생성하고 제안된 솔루션에 대한 링크를 포함하여 최종 사용자에게 자동으로 응답합니다. 티켓과 요청을 개설하는 것이 쉽고 편리하고 IT 상담원이 수행해야 하는 수동 작업이 줄어들기 때문에 최종 사용자는 만족합니다.
• 스마트한 변화 관리. 기계 학습은 고급 분석 및 변경 관리도 지원합니다. 오늘날 기업이 요구하는 빈번한 변화를 고려할 때 지능형 시스템은 변화 에이전트 또는 관리자에게 환경을 최적화하고 미래의 변화 성공률을 높이는 것을 목표로 하는 제안을 제공할 수 있습니다. 에이전트는 필요한 변경 사항을 자연어로 설명할 수 있으며 분석 기능은 영향을 받는 구성 항목의 콘텐츠를 확인합니다. 모든 변경 사항은 규제되며 자동 표시기는 변경에 위험, 계획되지 않은 일정 예약, "승인되지 않음" 상태 등 변경에 문제가 있는지 여부를 변경 관리자에게 알려줍니다. 스마트 변경 관리의 주요 이점은 더 적은 수의 구성, 사용자 정의 및 궁극적으로 더 적은 비용으로 가치 실현 시간을 단축할 수 있다는 것입니다.

궁극적으로 기계 학습 및 분석은 상담원과 IT 지원 팀이 발생한 일과 앞으로 일어날 일을 설명, 진단, 예측 및 처방하는 데 도움이 되는 티켓 문제와 변경 프로세스에 대한 지능적인 가정과 권장 사항을 통해 ITSM 시스템을 변화시키고 있습니다. 최종 사용자는 사전 예방적이고 개인화된 동적 통찰력과 빠른 솔루션을 받습니다. 이 경우 많은 작업이 자동으로 수행됩니다. 인간의 개입 없이. 그리고 시간이 지남에 따라 기술이 학습됨에 따라 프로세스는 더욱 향상됩니다. 이 문서에 설명된 모든 스마트 기능을 현재 사용할 수 있다는 점을 기억하는 것이 중요합니다.

출처 : habr.com