IT सेवा व्यवस्थापन (ITSM) मशीन लर्निंगसह आणखी कार्यक्षम बनले आहे

2018 ने आम्हाला दृढपणे प्रस्थापित पाहिले - IT सेवा व्यवस्थापन (ITSM) आणि IT सेवा डिजिटल क्रांतीमध्ये किती काळ टिकून राहतील याबद्दल सतत चर्चा असूनही अजूनही व्यवसायात आहेत. खरंच, तांत्रिक सहाय्य सेवांची मागणी वाढत आहे - तांत्रिक समर्थन अहवाल आणि वेतन अहवालात एचडीआय (हेल्प डेस्क इन्स्टिट्यूट) 2017 अहवाल सूचित करतो की 55% हेल्प डेस्कने गेल्या वर्षभरात तिकीटांच्या प्रमाणात वाढ नोंदवली आहे.

दुसरीकडे, अनेक कंपन्यांनी 15 (2016%) च्या तुलनेत गतवर्षी (10%) तांत्रिक सहाय्यासाठी कॉलच्या प्रमाणात घट नोंदवली. विनंत्यांची संख्या कमी करण्यात योगदान देणारा प्रमुख घटक स्वतंत्र तांत्रिक सहाय्य होता. तथापि, एचडीआयने असेही नोंदवले आहे की अर्ज फी गेल्या वर्षी $25 वर पोहोचली आहे, जी 18 मध्ये $2016 वरून वाढली आहे. बहुतेक आयटी विभाग यासाठी प्रयत्न करतात असे नाही. सुदैवाने, अॅनालिटिक्स आणि मशीन लर्निंगद्वारे समर्थित ऑटोमेशन त्रुटी कमी करून आणि गुणवत्ता आणि गती सुधारून मदत डेस्क प्रक्रिया आणि उत्पादकता सुधारू शकते. काहीवेळा हे मानवी क्षमतेच्या पलीकडे असते आणि मशीन लर्निंग आणि अॅनालिटिक्स हे बुद्धिमान, सक्रिय आणि प्रतिसाद देणारे IT सेवा डेस्कचा मुख्य पाया असतात.

हा लेख मशीन लर्निंग तिकिटाची मात्रा आणि किंमतीशी संबंधित अनेक हेल्प डेस्क आणि ITSM आव्हाने कशी सोडवू शकतो आणि एंटरप्राइझ कर्मचार्‍यांना आनंद देणारा जलद, अधिक स्वयंचलित हेल्प डेस्क कसा तयार करायचा यावर बारकाईने विचार करतो.

मशीन लर्निंग आणि अॅनालिटिक्सद्वारे प्रभावी ITSM

मशीन लर्निंगची माझी आवडती व्याख्या कंपनीकडून येते मॅथवर्क्स:

“मशीन लर्निंग संगणकांना मानव आणि प्राण्यांना जे नैसर्गिकरित्या येते ते करायला शिकवते—अनुभवातून शिका. मॉडेल म्हणून पूर्वनिर्धारित समीकरणावर अवलंबून न राहता, मशीन लर्निंग अल्गोरिदम थेट डेटावरून माहिती जाणून घेण्यासाठी संगणकीय पद्धती वापरतात. अभ्यासासाठी उपलब्ध नमुन्यांची संख्या वाढल्याने अल्गोरिदम अनुकूलपणे त्यांच्या स्वतःच्या कार्यप्रदर्शनात सुधारणा करतात.
मशीन लर्निंग आणि बिग डेटा अॅनालिटिक्सवर आधारित काही ITSM टूल्ससाठी खालील क्षमता उपलब्ध आहेत:

• बॉट द्वारे समर्थन. व्हर्च्युअल एजंट आणि चॅटबॉट्स आपोआप बातम्या, लेख, सेवा आणि डेटा कॅटलॉग आणि सार्वजनिक विनंत्यांमधून सपोर्ट ऑफर सुचवू शकतात. अंतिम-वापरकर्ता प्रशिक्षण कार्यक्रमांच्या स्वरूपात हे 24/7 समर्थन समस्यांचे जलद निराकरण करण्यात मदत करते. बॉटचे मुख्य फायदे म्हणजे सुधारित वापरकर्ता इंटरफेस आणि कमी इनकमिंग कॉल.
• स्मार्ट बातम्या आणि सूचना. ही साधने वापरकर्त्यांना संभाव्य समस्यांबद्दल सक्रियपणे सूचित करण्याची परवानगी देतात. याव्यतिरिक्त, IT व्यावसायिक वैयक्तिकृत सूचनांद्वारे समस्यांचे निराकरण करण्यासाठी वर्कअराउंड्सची शिफारस करू शकतात जे अंतिम वापरकर्त्यांना त्यांना भेडसावणाऱ्या समस्यांबद्दल संबंधित आणि कृती करण्यायोग्य माहिती प्रदान करतात, तसेच ते कसे टाळायचे याबद्दल टिपा देतात. माहिती असलेले वापरकर्ते सक्रिय IT समर्थनाची प्रशंसा करतील आणि येणार्‍या विनंत्यांची संख्या कमी केली जाईल.
• स्मार्ट शोध. जेव्हा अंतिम वापरकर्ते माहिती किंवा सेवा शोधतात, तेव्हा संदर्भ-जागरूक ज्ञान व्यवस्थापन प्रणाली शिफारसी, लेख आणि दुवे प्रदान करू शकते. अंतिम वापरकर्ते इतरांच्या बाजूने काही परिणाम वगळतात. वेळोवेळी सामग्री पुन्हा अनुक्रमित करताना हे क्लिक आणि दृश्ये "वेटिंग" निकषांमध्ये समाविष्ट केली जातात, त्यामुळे शोध अनुभव गतिशीलपणे समायोजित केला जातो. अंतिम वापरकर्ते आवड/नापसंत मतदानाच्या स्वरूपात अभिप्राय देतात, ते आणि इतर वापरकर्ते शोधू शकणार्‍या सामग्रीच्या रँकिंगवर देखील परिणाम करतात. फायद्यांच्या बाबतीत, अंतिम वापरकर्ते त्वरीत उत्तरे शोधू शकतात आणि अधिक आत्मविश्वास अनुभवू शकतात आणि हेल्प डेस्क एजंट अधिक तिकिटे हाताळण्यास आणि अधिक सेवा स्तर करार (SLAs) प्राप्त करण्यास सक्षम आहेत.
• लोकप्रिय विषयांचे विश्लेषण. येथे, विश्लेषण क्षमता संरचित आणि असंरचित डेटा स्रोतांमध्ये नमुने ओळखतात. लोकप्रिय विषयांबद्दलची माहिती हीट मॅपच्या स्वरूपात ग्राफिक पद्धतीने प्रदर्शित केली जाते, जेथे विभागांचा आकार वापरकर्त्यांद्वारे मागणी असलेल्या विशिष्ट विषयांच्या किंवा कीवर्डच्या गटांच्या वारंवारतेशी संबंधित असतो. पुनरावृत्ती झालेल्या घटना त्वरित शोधल्या जातील, गटबद्ध आणि एकत्रितपणे सोडवल्या जातील. ट्रेंडिंग टॉपिक अॅनालिटिक्स सामान्य मूळ कारणासह घटना क्लस्टर देखील शोधते आणि मूळ समस्या ओळखण्यासाठी आणि त्याचे निराकरण करण्यासाठी वेळ लक्षणीयरीत्या कमी करते. तंत्रज्ञान आपोआप समान संवाद किंवा तत्सम समस्यांवर आधारित नॉलेज बेस लेख तयार करू शकते. कोणत्याही डेटामध्ये ट्रेंड शोधणे आयटी विभागाची क्रियाकलाप वाढवते, घटनांची पुनरावृत्ती रोखते आणि त्यामुळे आयटी खर्च कमी करताना अंतिम वापरकर्त्याचे समाधान वाढते.
• स्मार्ट अनुप्रयोग. अंतिम वापरकर्त्यांची अपेक्षा आहे की तिकीट सबमिट करणे हे ट्विट लिहिण्याइतके सोपे आहे—एखादी समस्या किंवा विनंतीचे वर्णन करणारा एक लहान, नैसर्गिक भाषेचा संदेश जो ईमेलद्वारे पाठविला जाऊ शकतो. किंवा फक्त समस्येचा फोटो संलग्न करा आणि तुमच्या मोबाइल डिव्हाइसवरून पाठवा. स्मार्ट तिकीट नोंदणी अंतिम वापरकर्त्याने काय लिहिले किंवा ऑप्टिकल कॅरेक्टर रेकग्निशन (OCR) सॉफ्टवेअर वापरून प्रक्रिया केलेल्या प्रतिमेच्या स्कॅनवर आधारित सर्व फील्ड स्वयंचलितपणे पॉप्युलेट करून तिकीट निर्मिती प्रक्रियेला गती देते. निरीक्षणात्मक डेटाचा एक संच वापरून, तंत्रज्ञान आपोआप वर्गीकरण करते आणि योग्य हेल्प डेस्क एजंटना तिकिटांचे रूट करते. एजंट वेगवेगळ्या सपोर्ट टीमला तिकिटे फॉरवर्ड करू शकतात आणि दिलेल्या केससाठी मशीन लर्निंग मॉडेल इष्टतम नसल्यास आपोआप पॉप्युलेट फील्ड ओव्हरराइट करू शकतात. प्रणाली नवीन नमुन्यांमधून शिकते, ज्यामुळे भविष्यात उद्भवणार्‍या समस्यांना अधिक चांगल्या प्रकारे तोंड देता येते. या सर्वांचा अर्थ असा आहे की अंतिम वापरकर्ते त्वरीत आणि सहज तिकिटे उघडू शकतात, परिणामी कार्य साधने वापरताना समाधान वाढते. ही क्षमता मॅन्युअल काम आणि त्रुटी देखील कमी करते आणि परवानगी देणारा वेळ आणि खर्च कमी करण्यात मदत करते.
• स्मार्ट ईमेल. हे साधन स्मार्ट ऑर्डरसारखेच आहे. अंतिम वापरकर्ता समर्थन कार्यसंघाला ईमेल पाठवू शकतो आणि नैसर्गिक भाषेत समस्येचे वर्णन करू शकतो. हेल्प डेस्क टूल ईमेल सामग्रीवर आधारित तिकीट व्युत्पन्न करते आणि अंतिम वापरकर्त्यास सुचवलेल्या उपायांच्या लिंकसह स्वयंचलितपणे प्रतिसाद देते. अंतिम वापरकर्ते समाधानी आहेत कारण तिकिटे आणि विनंत्या उघडणे सोपे आणि सोयीस्कर आहे आणि आयटी एजंटना कमी हाताने काम करावे लागते.
• स्मार्ट बदल व्यवस्थापन. मशीन लर्निंग प्रगत विश्लेषण आणि बदल व्यवस्थापनास देखील समर्थन देते. व्यवसायांना आज आवश्‍यक असलेल्या वारंवार बदलांची संख्या लक्षात घेता, बुद्धिमान प्रणाली बदल एजंट्स किंवा व्यवस्थापकांना पर्यावरण अनुकूल करण्याच्या आणि भविष्यात बदलांच्या यशाचा दर वाढवण्याच्या उद्देशाने सूचना देऊ शकतात. एजंट नैसर्गिक भाषेतील आवश्यक बदलांचे वर्णन करू शकतात आणि विश्लेषण क्षमता प्रभावित कॉन्फिगरेशन आयटमसाठी सामग्री तपासतील. सर्व बदलांचे नियमन केले जाते आणि जोखीम, अनियोजित विंडोमध्ये शेड्यूल करणे किंवा "मंजूर नाही" स्थिती यासारख्या बदलांमध्ये काही समस्या असल्यास स्वयंचलित निर्देशक बदल व्यवस्थापकाला सांगतात. स्मार्ट चेंज मॅनेजमेंटचा महत्त्वाचा फायदा म्हणजे कमी कॉन्फिगरेशन, सानुकूलने आणि शेवटी कमी पैसे खर्च करून अधिक जलद वेळ मिळणे.

शेवटी, मशीन लर्निंग आणि अॅनालिटिक्स ITSM सिस्टीममध्ये बुद्धीमान गृहितके आणि तिकिट समस्यांबद्दल शिफारसी आणि बदल प्रक्रिया बदलत आहेत जी एजंट आणि IT सपोर्ट टीमना काय घडले आहे, काय घडत आहे आणि काय होईल याचे वर्णन, निदान, अंदाज आणि विहित करण्यात मदत करते. अंतिम वापरकर्त्यांना सक्रिय, वैयक्तिकृत आणि डायनॅमिक अंतर्दृष्टी आणि द्रुत उपाय प्राप्त होतात. या प्रकरणात, बरेच काही स्वयंचलितपणे केले जाते, म्हणजे. मानवी हस्तक्षेपाशिवाय. आणि जसजसे तंत्रज्ञान कालांतराने शिकत जाते, तसतसे प्रक्रिया अधिक चांगल्या होतात. हे लक्षात घेणे महत्त्वाचे आहे की या लेखात वर्णन केलेली सर्व स्मार्ट वैशिष्ट्ये आज उपलब्ध आहेत.

स्त्रोत: www.habr.com