V letu 2018 smo trdno utrdili svoje pozicije – storitve upravljanja IT storitvami (ITSM) in storitve IT podpore še naprej delujejo, kljub nenehnim pogovorom o tem, kako dolgo bodo še vzdržale v dobi digitalne revolucije. Res je, da povpraševanje po storitvah tehnične podpore narašča – v Poročilu o tehnični podpori in Poročilu o plačah (Help Desk Institute) za leto 2017 navaja, da je 55 % služb tehnične podpore opazilo povečanje obsega vstopnih zahtevkov v zadnjem letu.
Po drugi strani pa je veliko podjetij poročalo o zmanjšanju obsega povpraševanj po tehnični podpori v prejšnjem letu (15 %) v primerjavi z letom 2016 (10 %). Ključni dejavnik, ki je prispeval k zmanjšanju števila zahtevkov, se je izkazal za samostojno tehnično podporo. Kljub temu HDI tudi poroča, da je v prejšnjem letu strošek zahtevka narastel na 25 ameriških dolarjev v primerjavi z 18 dolarji v letu 2016. To ni tisto, čemur si večina IT služb prizadeva. Na srečo lahko avtomatizacija, ki temelji na analitiki in strojnega učenja, izboljša procese in učinkovitost službe podpore z zmanjšanjem napak ter povečanjem kakovosti in hitrosti. Včasih to presega človeške zmožnosti, strojno učenje in analitika pa sta ključna osnova za inteligentno, dostopno in operativno IT podporo.
V tem članku podrobneje obravnavamo, kako lahko strojno učenje reši mnoge težave v službi podpore in ITSM, povezane s prostornino in stroški zahtevkov, ter kako ustvariti hitrejšo in avtomatizirano podporo, ki jo bodo s veseljem uporabljali zaposleni v podjetju.
Učinkovito ITSM prek strojnega učenja in analitike
Moja najljubša definicija strojnega učenja prihaja od podjetja :
„Strojno učenje uči računalnike, da delajo tisto, kar je naravno za ljudi in živali – učijo se iz lastnih izkušenj. Algoritmi strojnega učenja uporabljajo računalniške metode za učenje informacij neposredno iz podatkov, ne da bi se zanašali na vnaprej določeno enačbo kot model. Algoritmi prilagodljivo izboljšujejo svojo učinkovitost, ko se povečuje število vzorcev, ki so na voljo za učenje.“
Spodaj navedene funkcionalnosti so na voljo za nekatere ITSM orodja, ki temeljijo na tehnologijah strojnega učenja in analitiki velikih podatkov:
- Podpora prek bota. Virtualni agenti in klepetalni roboti lahko samodejno ponujajo novice, članke, storitve in ponudbe podpore iz podatkovnih katalogov in javnih poizvedb. Takšna podpora v obliki predlaganih učnih programov za končne uporabnike 24/7 pomaga rešiti težave bistveno hitreje. Ključne prednosti bota so izboljšan uporabniški vmesnik in manjše število vhodnih poizvedb.
- Pametne novice in obvestila. Ta orodja omogočajo pravočasno obveščanje uporabnikov o potencialnih težavah. Poleg tega lahko IT strokovnjaki priporočajo zaobidne rešitve težav z osebnimi obvestili, ki končnim uporabnikom zagotavljajo relevantne in koristne informacije o težavah, s katerimi se lahko srečajo, ter nasvete, kako se jim izogniti. Obveščeni uporabniki bodo visoko cenili aktivno IT podporo in število vhodnih poizvedb se bo zmanjšalo.
- Pametno iskanje. Ko končni uporabniki iščejo informacije ali storitve, lahko kontekstualno odvisen sistem upravljanja znanja ponudi priporočila, članke in povezave. Končni uporabniki običajno preskočijo del rezultatov, raje pa imajo druge. Ti kliki in število ogledov so vključeni v kriterije 'tehtanja' pri ponovni indeksaciji vsebine s časom, zato se možnosti iskanja dinamično prilagajajo. Ker končni uporabniki dajejo povratne informacije v obliki 'všeč mi je/ni mi všeč', to vpliva tudi na oceno vsebine, ki jo lahko najdejo oni in drugi uporabniki. Z vidika prednosti lahko končni uporabniki hitro najdejo odgovore in se počutijo povsem prepričani, medtem ko imajo agenti za podporo priložnost obdelati več zahtevkov in doseči več dogovorov o kakovosti storitev (SLA).
- Analitika priljubljenih tem. Analitične možnosti tukaj razkrivajo vzorce iz strukturiranih in nestrukturiranih virov podatkov. Informacije o priljubljenih temah so grafično prikazane v obliki toplotne karte, kjer velikost segmentov ustreza pogostosti določenih tem ali skupin ključnih besed, ki jih uporabniki iščejo. ponavljajoči se incidenti bodo takoj odkriti, skupini in rešeni skupaj. Analitika priljubljenih tem prav tako odkriva incidentne grozde s skupnimi vzroki in znatno skrajša čas, potreben za identifikacijo in rešitev temeljnega problema. Tehnologija lahko tudi samodejno ustvari članke v bazi znanja, ki temeljijo na podobnih interakcijah ali težavah. Iskanje trendov v vseh podatkih povečuje aktivnost IT oddelka, preprečuje ponavljanje incidentov in tako povečuje zadovoljstvo končnih uporabnikov ob hkratnem zmanjšanju stroškov IT.
- Pametne prijave. Konecni uporabniki pričakujejo, da bo oddaja vloge enostavnejša od pisanja tvita, in sicer – kratko sporočilo v naravnem jeziku, ki opisuje težavo ali zahtevo, kar je mogoče poslati po elektronski pošti. Ali še bolje, preprosto priložiti fotografijo težave in jo poslati z mobilne naprave. Registracija pametne vloge pospeši postopek ustvarjanja zahtevka, saj samodejno izpolni vse podatke na podlagi tega, kar je napisal konecni uporabnik ali skeniranega dela slike, obdelanega s programom za optično prepoznavanje znakov (OCR). S pomočjo nabora podatkov opazovanj tehnologija samodejno razvršča in naslavlja zahtevke na ustrezne agente za podporo. Agenti lahko preusmerijo zahtevke različnim podporanim skupinam in lahko ponovno napišejo samodejno izpolnjena polja, če model strojnega učenja ni bil optimalen za ta primer. Sistem se uči na novih predlogah, kar omogoča boljše obvladovanje nastajajočih težav v prihodnje. Vse to pomeni, da lahko konecni uporabniki enostavno in hitro odpirajo zahtevke, kar povečuje zadovoljstvo pri uporabi delovnih orodij. Ta možnost tudi zmanjšuje obseg ročnega dela in napake ter pripomore k skrajšanju časa in stroškov reševanja.
- Pametni e-poštni sistem. Ta orodje spominja na pametne vloge. Konecni uporabnik lahko pošlje e-pošto v podporo in opiše težavo v naravnem jeziku. Orodje za podporo ustvari vlogo na podlagi vsebine e-pošte in samodejno odgovori konecnemu uporabniku s povezavami na predlagane rešitve. Konecni uporabniki so zadovoljni, saj je odpiranje vlog in zahtev enostavno in udobno, IT agenti pa imajo manj ročnega dela.
- Pametno upravljanje sprememb. Strojno učenje podpira sodobno analitiko in upravljanje sprememb. Glede na pogostost sprememb, ki jih danes potrebujejo podjetja, lahko inteligentni sistemi agentom ali managerjem za spremembe nudijo predloge, usmerjene v optimizacijo okolja in povečanje uspešnosti sprememb v prihodnosti. Agenti lahko spremembe opisujejo v naravnem jeziku, analitične zmogljivosti pa preverjajo vsebine glede prizadetih elementov konfiguracije. Vse spremembe so regulirane, avtomatski indikatorji pa obveščajo managerja sprememb, ali obstajajo težave s spremembo, kot so tveganje, načrtovanje v nenajavljenem oknu ali status „ni odobreno“. Ključna prednost pametnega upravljanja sprememb je hitrejši čas vračila naložb z manj konfiguracijami, nastavitvami in na koncu tudi manjšimi denarnimi stroški.
Na koncu strojno učenje in analitika preoblikujeta sisteme ITSM s pomočjo inteligentnih domnev in priporočil o težavah z zahtevki ter procesom sprememb, ki pomagajo agentom in IT podpornim skupinam opisovati, diagnosticirati, napovedovati in predpisovati, kaj se je zgodilo, kaj se dogaja in kaj se bo zgodilo. Končni uporabniki prejemajo proaktivne, personalizirane in dinamične analitične ocene ter hitre rešitve. Pri tem se veliko dela izvaja avtomatsko, tj. brez človeškega posredovanja. In ker se tehnologija s časom uči, procesi postajajo le še boljši. Pomembno je omeniti, da so vse opisane inteligentne funkcije že danes na voljo.
Izvor: habr.com
