2018 menyaksikan kami kukuh - Pengurusan Perkhidmatan IT (ITSM) dan Perkhidmatan IT masih dalam perniagaan, walaupun perbincangan berterusan tentang berapa lama mereka akan bertahan dalam revolusi digital. Sesungguhnya, permintaan untuk perkhidmatan sokongan teknikal semakin meningkat - dalam Laporan Sokongan Teknikal dan Laporan Gaji Laporan (Institut Meja Bantuan) 2017 menunjukkan bahawa 55% meja bantuan telah melaporkan peningkatan dalam volum tiket sepanjang tahun lalu.
Sebaliknya, banyak syarikat mencatatkan penurunan dalam jumlah panggilan kepada sokongan teknikal tahun lepas (15%) berbanding 2016 (10%). Faktor utama yang menyumbang kepada pengurangan bilangan permintaan ialah sokongan teknikal bebas. Bagaimanapun, HDI juga melaporkan bahawa yuran permohonan meningkat kepada $25 tahun lepas, meningkat daripada $18 pada 2016. Ini bukan apa yang kebanyakan jabatan IT berusaha. Nasib baik, automasi yang dikuasakan oleh analitik dan pembelajaran mesin boleh meningkatkan proses meja bantuan dan produktiviti dengan mengurangkan ralat dan meningkatkan kualiti dan kelajuan. Kadang-kadang ini di luar kemampuan manusia, dan pembelajaran mesin serta analitik adalah asas utama untuk meja bantuan IT yang pintar, proaktif dan responsif.
Artikel ini melihat dengan lebih dekat cara pembelajaran mesin boleh menyelesaikan banyak meja bantuan dan cabaran ITSM yang berkaitan dengan volum dan kos tiket serta cara mencipta meja bantuan yang lebih pantas dan automatik yang dinikmati oleh pekerja perusahaan.
ITSM yang berkesan melalui pembelajaran mesin dan analitik
Takrif pembelajaran mesin kegemaran saya datang daripada syarikat :
“Pembelajaran mesin mengajar komputer untuk melakukan apa yang datang secara semula jadi kepada manusia dan haiwan—belajar daripada pengalaman. Algoritma pembelajaran mesin menggunakan kaedah pengiraan untuk mempelajari maklumat secara langsung daripada data, tanpa bergantung pada persamaan yang telah ditetapkan sebagai model. Algoritma secara adaptif meningkatkan prestasi mereka sendiri apabila bilangan sampel yang tersedia untuk kajian meningkat."
Keupayaan berikut tersedia untuk beberapa alatan ITSM berdasarkan pembelajaran mesin dan analitik data besar:
- Sokongan melalui bot. Ejen maya dan chatbot boleh mencadangkan berita, artikel, perkhidmatan dan tawaran sokongan secara automatik daripada katalog data dan permintaan awam. Sokongan 24/7 dalam bentuk program latihan pengguna akhir ini membantu menyelesaikan isu dengan lebih cepat. Faedah utama bot ialah antara muka pengguna yang dipertingkatkan dan lebih sedikit panggilan masuk.
- Berita dan pemberitahuan pintar. Alat ini membolehkan pengguna dimaklumkan secara proaktif tentang kemungkinan masalah. Selain itu, profesional IT boleh mengesyorkan penyelesaian untuk menyelesaikan isu melalui pemberitahuan diperibadikan yang memberikan pengguna akhir maklumat yang berkaitan dan boleh diambil tindakan tentang isu yang mungkin mereka hadapi, serta petua tentang cara mengelakkannya. Pengguna yang berpengetahuan akan menghargai sokongan IT yang proaktif dan bilangan panggilan masuk akan dikurangkan.
- Carian pintar. Apabila pengguna akhir mencari maklumat atau perkhidmatan, sistem pengurusan pengetahuan yang memahami konteks boleh memberikan pengesyoran, artikel dan pautan. Pengguna akhir cenderung untuk melangkau beberapa hasil yang memihak kepada yang lain. Klik dan paparan ini disertakan dalam kriteria "penimbangan" apabila mengindeks semula kandungan dari semasa ke semasa, jadi pengalaman carian dilaraskan secara dinamik. Memandangkan pengguna akhir memberikan maklum balas dalam bentuk undian suka/tidak suka, ia juga mempengaruhi kedudukan kandungan yang mereka dan pengguna lain boleh temui. Dari segi faedah, pengguna akhir boleh mencari jawapan dengan cepat dan berasa lebih yakin, dan ejen meja bantuan dapat mengendalikan lebih banyak tiket dan mencapai lebih banyak perjanjian tahap perkhidmatan (SLA).
- Analisis topik popular. Di sini, keupayaan analitik mengenal pasti corak merentas sumber data berstruktur dan tidak berstruktur. Maklumat tentang topik popular dipaparkan secara grafik dalam bentuk peta haba, di mana saiz segmen sepadan dengan kekerapan topik atau kumpulan kata kunci tertentu yang diminta oleh pengguna. Insiden berulang akan dikesan serta-merta, dikumpulkan dan diselesaikan bersama. Analitis Topik Arah Aliran juga mengesan kelompok insiden dengan punca yang sama dan mengurangkan masa untuk mengenal pasti dan menyelesaikan masalah punca dengan ketara. Teknologi ini juga boleh mencipta artikel asas pengetahuan secara automatik berdasarkan interaksi yang serupa atau isu yang serupa. Mencari arah aliran dalam mana-mana data meningkatkan aktiviti jabatan IT, menghalang kejadian berulang dan oleh itu meningkatkan kepuasan pengguna akhir sambil mengurangkan kos IT.
- Aplikasi pintar. Pengguna akhir menjangkakan bahawa menghantar tiket adalah semudah menulis Tweet—mesej bahasa yang ringkas dan semula jadi yang menerangkan isu atau permintaan yang boleh dihantar melalui e-mel. Atau malah hanya melampirkan foto masalah dan menghantarnya dari peranti mudah alih anda. Pendaftaran tiket pintar mempercepatkan proses penciptaan tiket dengan mengisi semua medan secara automatik berdasarkan apa yang ditulis oleh pengguna akhir atau imbasan imej yang diproses menggunakan perisian pengecaman aksara optik (OCR). Menggunakan satu set data pemerhatian, teknologi secara automatik mengkategorikan dan mengarahkan tiket kepada ejen meja bantuan yang sesuai. Ejen boleh memajukan tiket kepada pasukan sokongan yang berbeza dan boleh menulis ganti medan yang diisi secara automatik jika model pembelajaran mesin tidak optimum untuk kes tertentu. Sistem belajar daripada corak baharu, yang membolehkannya mengatasi masalah yang timbul pada masa hadapan dengan lebih baik. Semua ini bermakna pengguna akhir boleh membuka tiket dengan cepat dan mudah, menghasilkan peningkatan kepuasan apabila menggunakan alatan kerja. Keupayaan ini juga mengurangkan kerja dan ralat manual serta membantu mengurangkan masa dan kos yang dibenarkan.
- E-mel pintar. Alat ini serupa dengan pesanan pintar. Pengguna akhir boleh menghantar e-mel kepada pasukan sokongan dan menerangkan masalah dalam bahasa semula jadi. Alat meja bantuan menjana tiket berdasarkan kandungan e-mel dan bertindak balas secara automatik kepada pengguna akhir dengan pautan ke penyelesaian yang dicadangkan. Pengguna akhir berpuas hati kerana membuka tiket dan permintaan adalah mudah dan mudah, dan ejen IT mempunyai kurang kerja manual untuk dilakukan.
- Pengurusan perubahan yang bijak. Pembelajaran mesin juga menyokong analisis lanjutan dan pengurusan perubahan. Memandangkan bilangan perubahan yang kerap diperlukan oleh perniagaan hari ini, sistem pintar boleh menyediakan agen atau pengurus perubahan dengan cadangan yang bertujuan untuk mengoptimumkan persekitaran dan meningkatkan kadar kejayaan perubahan pada masa hadapan. Ejen boleh menerangkan perubahan yang diperlukan dalam bahasa semula jadi dan keupayaan analitik akan menyemak kandungan untuk item konfigurasi yang terjejas. Semua perubahan dikawal selia dan penunjuk automatik memberitahu pengurus perubahan jika terdapat sebarang masalah dengan perubahan, seperti risiko, penjadualan dalam tetingkap yang tidak dirancang atau status "tidak diluluskan". Faedah utama pengurusan perubahan pintar ialah masa yang lebih pantas untuk menilai dengan konfigurasi yang lebih sedikit, penyesuaian dan akhirnya lebih sedikit wang yang dibelanjakan.
Akhirnya, pembelajaran mesin dan analitis sedang mengubah sistem ITSM dengan andaian dan pengesyoran yang bijak tentang isu tiket dan proses perubahan yang membantu ejen dan pasukan sokongan IT menghuraikan, mendiagnosis, meramal dan menetapkan apa yang telah berlaku, apa yang sedang berlaku dan apa yang akan berlaku. Pengguna akhir menerima cerapan proaktif, diperibadikan dan dinamik serta penyelesaian pantas. Dalam kes ini, banyak yang dilakukan secara automatik, i.e. tanpa campur tangan manusia. Dan apabila teknologi belajar dari masa ke masa, proses menjadi lebih baik. Adalah penting untuk ambil perhatian bahawa semua ciri pintar yang diterangkan dalam artikel ini tersedia hari ini.
Sumber: www.habr.com
