Управувањето со ИТ услугите (ITSM) стана уште поефикасно со машинското учење

2018 година нè виде цврсто воспоставени - Управувањето со ИТ услуги (ITSM) и ИТ услугите сè уште работат, и покрај тековните разговори за тоа колку долго ќе ја преживеат дигиталната револуција. Навистина, побарувачката за услуги за техничка поддршка расте - во Извештајот за техничка поддршка и во Извештајот за плата HDI (Институт за помош) за 2017 година покажува дека 55% од шалтерите за помош пријавиле зголемување на обемот на билетите во текот на изминатата година.

Од друга страна, многу компании забележале намалување на обемот на повици за техничка поддршка минатата година (15%) во однос на 2016 година (10%). Клучниот фактор што придонесе за намалување на бројот на барања беше независната техничка поддршка. Сепак, HDI исто така известува дека таксата за апликација се зголемила на 25 долари минатата година, во однос на 18 долари во 2016 година. Ова не е она кон што се стремат повеќето одделенија за ИТ. За среќа, автоматизацијата напојувана со аналитика и машинско учење може да ги подобри процесите на бирото за помош и продуктивноста со намалување на грешките и подобрување на квалитетот и брзината. Понекогаш ова е надвор од човечките можности, а машинското учење и аналитиката се клучната основа за интелигентно, проактивно и одговорно биро за ИТ услуги.

Оваа статија детално разгледува како машинското учење може да реши многу од предизвиците на бирото за помош и ITSM поврзани со обемот и цената на билетите и како да се создаде побрз, поавтоматизиран сервис за помош што вработените во претпријатието уживаат да го користат.

Ефективен ITSM преку машинско учење и аналитика

Мојата омилена дефиниција за машинско учење доаѓа од компанијата MathWorks:

„Машинското учење ги учи компјутерите да го прават она што природно им доаѓа на луѓето и животните - учат од искуство. Алгоритмите за машинско учење користат пресметковни методи за да научат информации директно од податоци, без да се потпираат на претходно дефинирана равенка како модел. Алгоритмите адаптивно ги подобруваат сопствените перформанси како што се зголемува бројот на примероци достапни за проучување“.
Следниве способности се достапни за некои ITSM алатки засновани на машинско учење и аналитика на големи податоци:

• Поддршка преку бот. Виртуелните агенти и четботите можат автоматски да предлагаат вести, написи, услуги и понуди за поддршка од каталози на податоци и јавни барања. Оваа 24/7 поддршка во форма на програми за обука на крајните корисници помага многу побрзо да се решат проблемите. Клучните придобивки на ботот се подобрен кориснички интерфејс и помалку дојдовни повици.
• Паметни вести и известувања. Овие алатки им овозможуваат на корисниците проактивно да бидат известени за потенцијалните проблеми. Дополнително, ИТ професионалците можат да препорачаат решенија за решавање на проблемите преку персонализирани известувања кои на крајните корисници им обезбедуваат релевантни и функционални информации за проблемите со кои може да се сретнат, како и совети како да ги избегнат. Информираните корисници ќе ја ценат проактивната ИТ поддршка и бројот на дојдовни барања ќе се намали.
• Паметно пребарување. Кога крајните корисници бараат информации или услуги, систем за управување со знаење кој е свесен за контекстот може да обезбеди препораки, написи и врски. Крајните корисници имаат тенденција да прескокнуваат некои резултати во корист на другите. Овие кликови и прегледи се вклучени во критериумите за „пондерирање“ при реиндексирање на содржината со текот на времето, така што искуството за пребарување е динамично приспособено. Бидејќи крајните корисници даваат повратни информации во форма на гласање за допаѓање/не ми се допаѓа, тоа исто така влијае на рангирањето на содржината што тие и другите корисници можат да ги најдат. Во однос на придобивките, крајните корисници можат брзо да ги најдат одговорите и да се чувствуваат посигурни, а агентите за помош се способни да се справат со повеќе билети и да постигнат повеќе договори за ниво на услуга (SLA).
• Анализа на популарни теми. Овде, аналитичките способности идентификуваат шеми низ структурирани и неструктурирани извори на податоци. Информациите за популарните теми графички се прикажуваат во форма на топлинска мапа, каде што големината на сегментите одговара на зачестеноста на одредени теми или групи клучни зборови што ги бараат корисниците. Повторените инциденти ќе бидат веднаш откриени, групирани и решени заедно. Анализата на теми во тренд, исто така, открива кластери на инциденти со заедничка основна причина и значително го намалува времето за идентификување и решавање на основниот проблем. Технологијата исто така може автоматски да креира статии за база на знаење врз основа на слични интеракции или слични прашања. Пронаоѓањето трендови во какви било податоци ја зголемува активноста на одделот за ИТ, спречува повторување на инциденти и затоа го зголемува задоволството на крајните корисници, а истовремено ги намалува трошоците за ИТ.
• Паметни апликации. Крајните корисници очекуваат дека поднесувањето билет е исто толку лесно како и пишувањето твит - кратка порака на природен јазик што опишува проблем или барање што може да се испрати преку е-пошта. Или дури само прикачете фотографија од проблемот и испратете ја од вашиот мобилен уред. Паметната регистрација на билети го забрзува процесот на креирање билети со автоматско пополнување на сите полиња врз основа на она што го напишал крајниот корисник или скенирање на слика обработена со помош на софтвер за оптичко препознавање знаци (OCR). Користејќи збир на податоци за набљудување, технологијата автоматски ги категоризира и насочува билетите до соодветните агенти за помош. Агентите можат да препраќаат билети до различни тимови за поддршка и можат да ги презапишат автоматски пополнетите полиња доколку моделот за машинско учење не е оптимален за даден случај. Системот учи од новите модели, што му овозможува подобро да се справи со проблемите што ќе се појават во иднина. Сето ова значи дека крајните корисници можат брзо и лесно да отвораат билети, што резултира со зголемено задоволство при користењето на работните алатки. Оваа способност, исто така, ја намалува мануелната работа и грешките и помага да се намалат времето и трошоците за дозволување.
• Паметна е-пошта. Оваа алатка е слична на паметните нарачки. Крајниот корисник може да испрати е-пошта до тимот за поддршка и да го опише проблемот на природен јазик. Алатката за помош генерира билет врз основа на содржината на е-поштата и автоматски му одговара на крајниот корисник со линкови до предложените решенија. Крајните корисници се задоволни бидејќи отворањето билети и барања е лесно и практично, а ИТ агентите имаат помалку рачна работа.
• Паметно управување со промени. Машинското учење поддржува и напредна аналитика и управување со промени. Со оглед на честиот број на промени што ги бараат бизнисите денес, интелигентните системи можат да им обезбедат на агентите или менаџерите за промени предлози насочени кон оптимизирање на околината и зголемување на стапката на успех на промените во иднина. Агентите можат да ги опишат потребните промени на природниот јазик, а способностите за аналитика ќе ја проверат содржината за засегнатите конфигурациски ставки. Сите промени се регулирани, а автоматските индикатори му кажуваат на менаџерот за промени дали има некакви проблеми со промената, како што се ризик, распоред во непланиран прозорец или статус „не е одобрен“. Клучната придобивка од паметното управување со промени е побрзото време за вреднување со помалку конфигурации, прилагодувања и на крајот помалку потрошени пари.

На крајот на краиштата, машинското учење и аналитиката ги трансформираат системите ITSM со интелигентни претпоставки и препораки за проблемите со билетите и процесот на промена што им помага на агентите и тимовите за ИТ поддршка да опишат, дијагностицираат, предвидат и пропишуваат што се случило, што се случува и што ќе се случи. Крајните корисници добиваат проактивни, персонализирани и динамични увиди и брзи решенија. Во овој случај, многу се прави автоматски, т.е. без човечка интервенција. И како што технологијата учи со текот на времето, процесите само се подобруваат. Важно е да се напомене дека сите паметни функции опишани во овој напис се достапни денес.

Извор: www.habr.com