Leta 2018 smo bili trdno uveljavljeni – IT Service Management (ITSM) in IT Services še vedno poslujejo, kljub nenehnim pogovorom o tem, kako dolgo bodo preživeli digitalno revolucijo. Dejansko povpraševanje po storitvah tehnične podpore narašča - v poročilu o tehnični podpori in poročilu o plačah Poročilo (Help Desk Institute) za leto 2017 navaja, da je 55 % služb za pomoč poročalo o povečanju števila prijav v zadnjem letu.
Po drugi strani pa je veliko podjetij lani zabeležilo zmanjšanje obsega klicev v tehnično podporo (15 %) v primerjavi z letom 2016 (10 %). Ključni dejavnik, ki je prispeval k zmanjšanju števila zahtevkov, je neodvisna tehnična podpora. Vendar pa HDI tudi poroča, da se je prijavnina lani zvišala na 25 USD z 18 USD leta 2016. To ni tisto, za kar si večina IT oddelkov prizadeva. Na srečo lahko avtomatizacija, ki jo poganjata analitika in strojno učenje, izboljša procese službe za pomoč in produktivnost z zmanjšanjem napak ter izboljšanjem kakovosti in hitrosti. Včasih to presega človeške zmožnosti, strojno učenje in analitika pa sta ključna temelja za inteligentno, proaktivno in odzivno službo za pomoč uporabnikom IT.
Ta članek podrobneje obravnava, kako lahko strojno učenje reši številne izzive službe za pomoč uporabnikom in ITSM, povezane z obsegom in ceno vstopnic, ter kako ustvariti hitrejšo in bolj avtomatizirano službo za pomoč uporabnikom, ki jo zaposleni v podjetjih radi uporabljajo.
Učinkovit ITSM s pomočjo strojnega učenja in analitike
Moja najljubša definicija strojnega učenja prihaja iz podjetja :
»Strojno učenje uči računalnike, da delajo tisto, kar je ljudem in živalim naravno – učijo se iz 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 lastno zmogljivost, ko se število vzorcev, ki so na voljo za preučevanje, povečuje.«
Naslednje zmogljivosti so na voljo za nekatera orodja ITSM, ki temeljijo na strojnem učenju in analizi velikih podatkov:
- Podpora prek bota. Virtualni agenti in chatboti lahko samodejno predlagajo novice, članke, storitve in ponudbe podpore iz podatkovnih katalogov in javnih zahtev. Ta podpora 24/7 v obliki programov za usposabljanje končnih uporabnikov pomaga reševati težave veliko hitreje. Ključni prednosti bota sta izboljšan uporabniški vmesnik in manj dohodnih klicev.
- Pametne novice in obvestila. Ta orodja omogočajo uporabnikom, da so proaktivno obveščeni o morebitnih težavah. Poleg tega lahko strokovnjaki za IT priporočijo rešitve za reševanje težav s prilagojenimi obvestili, ki končnim uporabnikom nudijo ustrezne in uporabne informacije o težavah, na katere lahko naletijo, ter nasvete, kako se jim izogniti. Obveščeni uporabniki bodo cenili proaktivno IT podporo, število dohodnih klicev pa bo zmanjšano.
- Pametno iskanje. Ko končni uporabniki iščejo informacije ali storitve, lahko sistem za upravljanje znanja, ki se zaveda konteksta, zagotovi priporočila, članke in povezave. Končni uporabniki navadno preskočijo nekatere rezultate v korist drugih. Ti kliki in ogledi so vključeni v merila "ponderiranja" pri ponovnem indeksiranju vsebine skozi čas, tako da se izkušnja iskanja dinamično prilagaja. Ker končni uporabniki zagotavljajo povratne informacije v obliki glasovanja z všečki/nevšečki, to vpliva tudi na razvrstitev vsebine, ki jo lahko najdejo oni in drugi uporabniki. Kar zadeva prednosti, lahko končni uporabniki hitro najdejo odgovore in se počutijo bolj samozavestni, agenti službe za pomoč pa lahko obravnavajo več prijav in dosežejo več sporazumov o storitvah (SLA).
- Analitika priljubljenih tem. Tukaj analitične zmogljivosti identificirajo vzorce v strukturiranih in nestrukturiranih virih podatkov. Podatki o priljubljenih temah so grafično prikazani v obliki toplotnega zemljevida, kjer velikost segmentov ustreza pogostosti določenih tem ali skupin ključnih besed po povpraševanju uporabnikov. Ponavljajoči se incidenti bodo takoj zaznani, združeni in rešeni skupaj. Trending Topic Analytics zazna tudi grozde incidentov s skupnim temeljnim vzrokom in znatno skrajša čas za identifikacijo in rešitev glavne težave. Tehnologija lahko tudi samodejno ustvari članke v bazi znanja na podlagi podobnih interakcij ali podobnih težav. Iskanje trendov v poljubnih podatkih poveča aktivnost IT oddelka, prepreči ponovitev incidentov in tako poveča zadovoljstvo končnih uporabnikov, hkrati pa zmanjša stroške IT.
- Pametne aplikacije. Končni uporabniki pričakujejo, da je oddaja vstopnice tako enostavna kot pisanje tvita – kratko sporočilo v naravnem jeziku, ki opisuje težavo ali zahtevo in se lahko pošlje po e-pošti. Ali celo samo priložite fotografijo težave in jo pošljite s svoje mobilne naprave. Registracija pametne vstopnice pospeši postopek ustvarjanja vstopnice s samodejno izpolnitvijo vseh polj na podlagi zapisa končnega uporabnika ali skeniranja slike, obdelane s programsko opremo za optično prepoznavanje znakov (OCR). Z uporabo nabora opazovalnih podatkov tehnologija samodejno kategorizira in usmerja vstopnice do ustreznih agentov službe za pomoč uporabnikom. Agenti lahko posredujejo vstopnice različnim skupinam za podporo in lahko prepišejo samodejno izpolnjena polja, če model strojnega učenja ni optimalen za dani primer. Sistem se uči iz novih vzorcev, kar mu omogoča, da se bolje spopada s težavami, ki se pojavljajo v prihodnosti. Vse to pomeni, da lahko končni uporabniki hitro in enostavno odprejo vstopnice, kar ima za posledico večje zadovoljstvo pri uporabi delovnih orodij. Ta zmožnost tudi zmanjša ročno delo in napake ter pomaga skrajšati čas in stroške izdaje dovoljenj.
- Pametna e-pošta. To orodje je podobno pametnim naročilom. Končni uporabnik lahko pošlje e-pošto ekipi za podporo in opiše težavo v naravnem jeziku. Orodje za pomoč uporabnikom ustvari prijavo na podlagi vsebine e-pošte in samodejno odgovori končnemu uporabniku s povezavami do predlaganih rešitev. Končni uporabniki so zadovoljni, saj je odpiranje vstopnic in zahtev enostavno in priročno, IT agenti pa imajo manj ročnega dela.
- Pametno upravljanje sprememb. Strojno učenje podpira tudi napredno analitiko in upravljanje sprememb. Glede na pogosto število sprememb, ki jih danes potrebujejo podjetja, lahko inteligentni sistemi povzročiteljem sprememb ali menedžerjem zagotovijo predloge za optimizacijo okolja in povečanje stopnje uspešnosti sprememb v prihodnosti. Agenti lahko opišejo zahtevane spremembe v naravnem jeziku, analitične zmogljivosti pa bodo preverile vsebino za prizadete konfiguracijske elemente. Vse spremembe so regulirane, samodejni indikatorji pa povejo upravitelju sprememb, če obstajajo kakršne koli težave s spremembo, kot so tveganje, razporejanje v nenačrtovanem oknu ali status »ni odobreno«. Ključna prednost pametnega upravljanja sprememb je hitrejši čas za pridobitev vrednosti z manj konfiguracijami, prilagoditvami in na koncu manj porabljenega denarja.
Navsezadnje strojno učenje in analitika preoblikujeta sisteme ITSM z inteligentnimi predpostavkami in priporočili o težavah z vozovnicami in procesu sprememb, ki agentom in skupinam za podporo IT pomagajo opisati, diagnosticirati, napovedati in predpisati, kaj se je zgodilo, kaj se dogaja in kaj se bo zgodilo. Končni uporabniki prejmejo proaktivne, prilagojene in dinamične vpoglede ter hitre rešitve. V tem primeru se veliko naredi samodejno, tj. brez človekovega posredovanja. In ker se tehnologija sčasoma uči, postajajo procesi le boljši. Pomembno je omeniti, da so vse pametne funkcije, opisane v tem članku, na voljo danes.
Vir: www.habr.com