2018. gadā mēs esam nostiprinājušies — IT pakalpojumu pārvaldība (ITSM) un IT pakalpojumi joprojām darbojas, lai gan tiek runāts par to, cik ilgi tie izdzīvos digitālajā revolūcijā. Patiešām, pieprasījums pēc tehniskā atbalsta pakalpojumiem pieaug - Tehniskā atbalsta pārskatā un Algu pārskatā (Help Desk Institute) 2017. gada pārskatā norādīts, ka 55% palīdzības dienestu ir ziņojuši par biļešu apjoma pieaugumu pēdējā gada laikā.
Savukārt daudzi uzņēmumi atzīmēja tehniskā atbalsta zvanu apjoma samazināšanos pērn (15%), salīdzinot ar 2016.gadu (10%). Galvenais faktors, kas veicināja pieprasījumu skaita samazināšanos, bija neatkarīgs tehniskais atbalsts. Tomēr HDI arī ziņo, ka pieteikuma maksa pagājušajā gadā pieauga līdz 25 USD, salīdzinot ar 18 USD 2016. gadā. Tas nav tas, uz ko lielākā daļa IT nodaļu cenšas. Par laimi, automatizācija, ko nodrošina analītika un mašīnmācīšanās, var uzlabot palīdzības dienesta procesus un produktivitāti, samazinot kļūdu skaitu un uzlabojot kvalitāti un ātrumu. Dažreiz tas ir ārpus cilvēka spēju robežām, un mašīnmācība un analītika ir galvenais pamats inteliģentam, proaktīvam un atsaucīgam IT pakalpojumu dienestam.
Šajā rakstā ir sīkāk aplūkots, kā mašīnmācīšanās var atrisināt daudzas palīdzības dienesta un ITSM problēmas, kas saistītas ar biļešu apjomu un izmaksām, un kā izveidot ātrāku, automatizētāku palīdzības dienestu, ko labprāt izmanto uzņēmuma darbinieki.
Efektīva ITSM, izmantojot mašīnmācīšanos un analīzi
Mana iecienītākā mašīnmācības definīcija nāk no uzņēmuma :
"Mašīnmācība māca datoriem darīt to, kas cilvēkiem un dzīvniekiem ir dabiski — mācīties no pieredzes. Mašīnmācīšanās algoritmi izmanto skaitļošanas metodes, lai uzzinātu informāciju tieši no datiem, nepaļaujoties uz iepriekš noteiktu vienādojumu kā modeli. Algoritmi adaptīvi uzlabo savu veiktspēju, palielinoties pētījumam pieejamo paraugu skaitam.
Dažiem ITSM rīkiem, kuru pamatā ir mašīnmācīšanās un lielo datu analītika, ir pieejamas tālāk norādītās iespējas.
- Atbalsts, izmantojot botu. Virtuālie aģenti un tērzēšanas roboti var automātiski ieteikt ziņas, rakstus, pakalpojumus un atbalsta piedāvājumus no datu katalogiem un publiskiem pieprasījumiem. Šis 24/7 atbalsts galalietotāju apmācības programmu veidā palīdz atrisināt problēmas daudz ātrāk. Bota galvenās priekšrocības ir uzlabots lietotāja interfeiss un mazāk ienākošo zvanu.
- Viedās ziņas un paziņojumi. Šie rīki ļauj lietotājiem proaktīvi informēt par iespējamām problēmām. Turklāt IT speciālisti var ieteikt risinājumus problēmu risināšanai, izmantojot personalizētus paziņojumus, kas sniedz galalietotājiem atbilstošu un praktisku informāciju par problēmām, ar kurām viņi var saskarties, kā arī padomus, kā no tām izvairīties. Informēti lietotāji novērtēs proaktīvu IT atbalstu, un tiks samazināts ienākošo pieprasījumu skaits.
- Viedā meklēšana. Kad galalietotāji meklē informāciju vai pakalpojumus, kontekstam atbilstoša zināšanu pārvaldības sistēma var sniegt ieteikumus, rakstus un saites. Galalietotāji mēdz izlaist dažus rezultātus par labu citiem. Šie klikšķi un skatījumi tiek iekļauti "svēršanas" kritērijos, laika gaitā atkārtoti indeksējot saturu, tāpēc meklēšanas pieredze tiek dinamiski pielāgota. Tā kā galalietotāji sniedz atsauksmes, balsojot ar Patīk/Nepatīk, tas ietekmē arī satura rangu, ko viņi un citi lietotāji var atrast. Runājot par priekšrocībām, galalietotāji var ātri atrast atbildes un justies pārliecinātāki, un palīdzības dienesta aģenti var apstrādāt vairāk biļešu un noslēgt vairāk pakalpojumu līmeņa līgumu (SLA).
- Populāru tēmu analīze. Šeit analītikas iespējas identificē modeļus strukturētos un nestrukturētos datu avotos. Informācija par populārām tēmām tiek grafiski attēlota siltuma kartes veidā, kur segmentu lielums atbilst noteiktu lietotāju pieprasīto tēmu vai atslēgvārdu grupu biežumam. Atkārtoti incidenti tiks atklāti uzreiz, sagrupēti un kopīgi atrisināti. Trending Topic Analytics arī atklāj incidentu kopas ar kopīgu pamatcēloņu un ievērojami samazina laiku, lai identificētu un atrisinātu galveno problēmu. Šī tehnoloģija var arī automātiski izveidot zināšanu bāzes rakstus, pamatojoties uz līdzīgu mijiedarbību vai līdzīgām problēmām. Tendenču atrašana jebkuros datos palielina IT nodaļas aktivitāti, novērš incidentu atkārtošanos un tādējādi palielina galalietotāju apmierinātību, vienlaikus samazinot IT izmaksas.
- Viedās aplikācijas. Galalietotāji sagaida, ka biļetes iesniegšana ir tikpat vienkārša kā tvīta rakstīšana — īss, dabiskā valodā aprakstīts ziņojums, kurā aprakstīta problēma vai pieprasījums, ko var nosūtīt pa e-pastu. Vai pat vienkārši pievienojiet problēmas fotoattēlu un nosūtiet to no savas mobilās ierīces. Viedā biļešu reģistrācija paātrina biļešu izveides procesu, automātiski aizpildot visus laukus, pamatojoties uz galalietotāja rakstīto vai attēla skenēšanu, kas apstrādāts, izmantojot optiskās rakstzīmju atpazīšanas (OCR) programmatūru. Izmantojot novērošanas datu kopu, tehnoloģija automātiski kategorizē un novirza biļetes uz atbilstošiem palīdzības dienesta aģentiem. Aģenti var pārsūtīt biļetes dažādām atbalsta komandām un var pārrakstīt automātiski aizpildītos laukus, ja mašīnmācīšanās modelis nav optimāls konkrētajam gadījumam. Sistēma mācās no jauniem modeļiem, kas ļauj labāk tikt galā ar problēmām, kas rodas nākotnē. Tas viss nozīmē, ka galalietotāji var ātri un ērti atvērt biļetes, kā rezultātā palielinās gandarījums par darba rīku izmantošanu. Šī iespēja arī samazina manuālo darbu un kļūdas, kā arī palīdz samazināt atļauju piešķiršanas laiku un izmaksas.
- Viedais e-pasts. Šis rīks ir līdzīgs viedajiem pasūtījumiem. Gala lietotājs var nosūtīt e-pastu atbalsta komandai un aprakstīt problēmu dabiskā valodā. Palīdzības dienesta rīks ģenerē biļeti, pamatojoties uz e-pasta saturu, un automātiski atbild gala lietotājam ar saitēm uz ieteiktajiem risinājumiem. Galalietotāji ir apmierināti, jo biļešu un pieprasījumu atvēršana ir vienkārša un ērta, un IT aģentiem ir mazāk roku darba.
- Gudra pārmaiņu vadība. Mašīnmācīšanās atbalsta arī progresīvu analīzi un izmaiņu pārvaldību. Ņemot vērā biežo izmaiņu skaitu, kas mūsdienās ir nepieciešamas uzņēmumiem, viedās sistēmas var sniegt izmaiņu aģentiem vai vadītājiem ieteikumus, kuru mērķis ir optimizēt vidi un palielināt izmaiņu veiksmes līmeni nākotnē. Aģenti var aprakstīt nepieciešamās izmaiņas dabiskā valodā, un analītikas iespējas pārbaudīs ietekmēto konfigurācijas vienumu saturu. Visas izmaiņas tiek regulētas, un automātiskie indikatori informē izmaiņu pārvaldnieku, ja ar izmaiņām ir kādas problēmas, piemēram, risks, plānošana neplānotā logā vai statuss “nav apstiprināts”. Viedās izmaiņu pārvaldības galvenais ieguvums ir ātrāks laiks, lai novērtētu, izmantojot mazāk konfigurāciju, pielāgojumu un galu galā mazāk iztērēto līdzekļu.
Galu galā mašīnmācīšanās un analītika pārveido ITSM sistēmas ar viediem pieņēmumiem un ieteikumiem par biļešu problēmām un izmaiņu procesu, kas palīdz aģentiem un IT atbalsta komandām aprakstīt, diagnosticēt, paredzēt un noteikt, kas ir noticis, kas notiek un kas notiks. Galalietotāji saņem proaktīvus, personalizētus un dinamiskus ieskatus un ātrus risinājumus. Šajā gadījumā daudz kas tiek darīts automātiski, t.i. bez cilvēka iejaukšanās. Tā kā tehnoloģija laika gaitā mācās, procesi kļūst tikai labāki. Ir svarīgi atzīmēt, ka visas šajā rakstā aprakstītās viedās funkcijas ir pieejamas jau šodien.
Avots: www.habr.com
