In 2018 zijn we stevig verankerd: IT Service Management (ITSM) en IT Services zijn nog steeds actief, ondanks voortdurende gesprekken over hoe lang ze de digitale revolutie zullen overleven. De vraag naar technische ondersteuningsdiensten groeit inderdaad – in het technische ondersteuningsrapport en het salarisrapport (Help Desk Institute) Uit een rapport uit 2017 blijkt dat 55% van de helpdesks het afgelopen jaar een toename in het ticketvolume heeft gemeld.
Aan de andere kant merkten veel bedrijven vorig jaar een daling op in het aantal oproepen voor technische ondersteuning (15%) vergeleken met 2016 (10%). De belangrijkste factor die heeft bijgedragen aan de vermindering van het aantal verzoeken was onafhankelijke technische ondersteuning. HDI meldt echter ook dat de aanmeldingskosten vorig jaar zijn gestegen naar $ 25, vergeleken met $ 18 in 2016. Dit is niet waar de meeste IT-afdelingen naar streven. Gelukkig kan automatisering, mogelijk gemaakt door analyses en machinaal leren, helpdeskprocessen en productiviteit verbeteren door het aantal fouten te verminderen en de kwaliteit en snelheid te verbeteren. Soms gaat dit de menselijke capaciteiten te boven, en machine learning en analytics vormen de belangrijkste basis voor een intelligente, proactieve en responsieve IT-helpdesk.
In dit artikel wordt dieper ingegaan op de manier waarop machinaal leren veel van de helpdesk- en ITSM-uitdagingen die verband houden met ticketvolume en -kosten kan oplossen, en hoe u een snellere, meer geautomatiseerde helpdesk kunt creëren waar bedrijfsmedewerkers graag gebruik van maken.
Effectieve ITSM door machine learning en analytics
Mijn favoriete definitie van machine learning komt van het bedrijf :
“Machine learning leert computers te doen wat voor mens en dier vanzelfsprekend is: leren uit ervaring. Machine learning-algoritmen gebruiken computationele methoden om informatie rechtstreeks uit gegevens te leren, zonder te vertrouwen op een vooraf gedefinieerde vergelijking als model. Algoritmen verbeteren adaptief hun eigen prestaties naarmate het aantal beschikbare monsters voor onderzoek toeneemt.”
De volgende mogelijkheden zijn beschikbaar voor sommige ITSM-tools op basis van machine learning en big data-analyse:
- Ondersteuning via bot. Virtuele agenten en chatbots kunnen automatisch nieuws, artikelen, diensten en ondersteuningsaanbiedingen voorstellen vanuit datacatalogi en openbare verzoeken. Deze 24/7 ondersteuning in de vorm van trainingsprogramma's voor eindgebruikers helpt problemen veel sneller op te lossen. De belangrijkste voordelen van de bot zijn een verbeterde gebruikersinterface en minder inkomende oproepen.
- Slim nieuws en meldingen. Met deze tools kunnen gebruikers proactief op de hoogte worden gesteld van mogelijke problemen. Bovendien kunnen IT-professionals oplossingen aanbevelen om problemen op te lossen via gepersonaliseerde meldingen die eindgebruikers voorzien van relevante en bruikbare informatie over problemen die ze kunnen tegenkomen, evenals tips over hoe ze te vermijden. Geïnformeerde gebruikers zullen proactieve IT-ondersteuning op prijs stellen en het aantal inkomende oproepen zal worden verminderd.
- Slim zoeken. Wanneer eindgebruikers naar informatie of diensten zoeken, kan een contextbewust kennismanagementsysteem aanbevelingen, artikelen en links bieden. Eindgebruikers hebben de neiging sommige resultaten over te slaan ten gunste van andere. Deze klikken en weergaven worden opgenomen in de 'wegingscriteria' bij het opnieuw indexeren van inhoud in de loop van de tijd, zodat de zoekervaring dynamisch wordt aangepast. Omdat eindgebruikers feedback geven in de vorm van like/dislike-stemmen, heeft dit ook invloed op de rangschikking van de inhoud die zij en andere gebruikers kunnen vinden. Wat de voordelen betreft, kunnen eindgebruikers snel antwoorden vinden en zich zelfverzekerder voelen, en kunnen helpdeskmedewerkers meer tickets afhandelen en meer serviceovereenkomsten (SLA's) afsluiten.
- Analyse van populaire onderwerpen. Hier identificeren analysemogelijkheden patronen in gestructureerde en ongestructureerde gegevensbronnen. Informatie over populaire onderwerpen wordt grafisch weergegeven in de vorm van een heatmap, waarbij de grootte van de segmenten overeenkomt met de frequentie van bepaalde onderwerpen of groepen trefwoorden waar gebruikers veel vraag naar hebben. Herhaalde incidenten worden onmiddellijk gedetecteerd, gegroepeerd en samen opgelost. Trending Topic Analytics detecteert ook incidentclusters met een gemeenschappelijke hoofdoorzaak en verkort aanzienlijk de tijd om het hoofdprobleem te identificeren en op te lossen. De technologie kan ook automatisch kennisbankartikelen creëren op basis van soortgelijke interacties of soortgelijke problemen. Het vinden van trends in welke gegevens dan ook verhoogt de activiteit van de IT-afdeling, voorkomt herhaling van incidenten en verhoogt daardoor de tevredenheid van de eindgebruikers, terwijl de IT-kosten worden verlaagd.
- Slimme toepassingen. Eindgebruikers verwachten dat het indienen van een ticket net zo eenvoudig is als het schrijven van een tweet: een kort bericht in natuurlijke taal waarin een probleem of verzoek wordt beschreven en dat via e-mail kan worden verzonden. Of voeg gewoon een foto van het probleem toe en stuur deze vanaf uw mobiele apparaat. Slimme ticketregistratie versnelt het ticketaanmaakproces door automatisch alle velden in te vullen op basis van wat de eindgebruiker heeft geschreven of een scan van een afbeelding die is verwerkt met behulp van optische tekenherkenningssoftware (OCR). Met behulp van een reeks observatiegegevens categoriseert en stuurt de technologie tickets automatisch naar de juiste helpdeskmedewerkers. Agenten kunnen tickets doorsturen naar verschillende ondersteuningsteams en kunnen automatisch ingevulde velden overschrijven als het machine learning-model voor een bepaald geval niet optimaal is. Het systeem leert van nieuwe patronen, waardoor het beter kan omgaan met problemen die zich in de toekomst voordoen. Dit alles betekent dat eindgebruikers snel en eenvoudig tickets kunnen openen, wat resulteert in een grotere tevredenheid bij het gebruik van werktools. Deze mogelijkheid vermindert ook het handmatige werk en de fouten en helpt de vergunningstijd en -kosten te verminderen.
- Slimme e-mail. Deze tool is vergelijkbaar met slimme bestellingen. De eindgebruiker kan een e-mail sturen naar het ondersteuningsteam en het probleem in natuurlijke taal beschrijven. De helpdesktool genereert een ticket op basis van de e-mailinhoud en reageert automatisch op de eindgebruiker met links naar voorgestelde oplossingen. Eindgebruikers zijn tevreden omdat het openen van tickets en aanvragen gemakkelijk en handig is, en IT-agenten minder handmatig werk hoeven te doen.
- Slim verandermanagement. Machine learning ondersteunt ook geavanceerde analyses en verandermanagement. Gezien het frequente aantal veranderingen dat bedrijven vandaag de dag nodig hebben, kunnen intelligente systemen veranderingsagenten of managers voorzien van suggesties gericht op het optimaliseren van de omgeving en het vergroten van het succespercentage van veranderingen in de toekomst. Agenten kunnen vereiste veranderingen in natuurlijke taal beschrijven, en analysemogelijkheden controleren de inhoud op getroffen configuratie-items. Alle wijzigingen worden gereguleerd en automatische indicatoren vertellen de wijzigingsmanager of er problemen zijn met de wijziging, zoals risico's, planning in een ongepland venster of de status 'niet goedgekeurd'. Het belangrijkste voordeel van slim verandermanagement is een snellere time-to-value met minder configuraties, aanpassingen en uiteindelijk minder geld.
Uiteindelijk transformeren machine learning en analytics ITSM-systemen met intelligente aannames en aanbevelingen over ticketproblemen en het veranderingsproces waarmee agenten en IT-ondersteuningsteams kunnen beschrijven, diagnosticeren, voorspellen en voorschrijven wat er is gebeurd, wat er gebeurt en wat er zal gebeuren. Eindgebruikers ontvangen proactieve, gepersonaliseerde en dynamische inzichten en snelle oplossingen. In dit geval gebeurt er veel automatisch, d.w.z. zonder menselijke tussenkomst. En naarmate de technologie in de loop van de tijd leert, worden processen alleen maar beter. Het is belangrijk op te merken dat alle slimme functies die in dit artikel worden beschreven, vanaf vandaag beschikbaar zijn.
Bron: www.habr.com