Në vitin 2018, ne forcuam pozitat tona – shërbimet e menaxhimit të shërbimeve të IT (ITSM) dhe shërbimet e mbështetjes së IT vazhdojnë aktivitetin e tyre, pavarësisht bisedave të vazhdueshme rreth sa kohë do të durojnë gjatë epokës së revolucionit digjital. Në të vërtetë, kërkesa për shërbime mbështetjeje po rritet – në Raportin mbi mbështetje teknike dhe Raportin mbi pagat HDI (Help Desk Institute) për vitin 2017, thuhet se 55% e shërbimeve të mbështetjes teknike raportuan një rritje të volumit të kërkesave në vitin e fundit. (Help Desk Institute) për vitin 2017 tregon se 55% e shërbimeve të mbështetjes teknike raportuan një rritje të volumit të kërkesave në vitin e fundit.
Nga ana tjetër, shumë kompani raportuan një rënie të volumit të kërkesave për mbështetje teknike vitin e kaluar (15%) krahasuar me vitin 2016 (10%). Një faktor kyç që ndihmoi në reduktimin e numrit të kërkesave ishte mbështetje teknike e pavarur. Megjithatë, HDI gjithashtu raporton se vitin e kaluar kostoja e një kërkese u rrit në 25 dollarë amerikane krahasuar me 18 dollarë amerikanë në vitin 2016. Kjo nuk është ajo që shumica e shërbimeve të IT duan. Fatmirësisht, automatizimi i bazuar në analitikë dhe mësim nga makinat mund të përmirësojë proceset dhe performancën e shërbimeve të mbështetjes duke reduktuar numrin e gabimeve dhe duke rritur cilësinë dhe shpejtësinë. Ndonjëherë, kjo kalon përtej mundësive njerëzore, dhe mësimi nga makinat dhe analitika janë baza kryesore për një shërbim mbështetjeje IT inteligjent, të këndshëm dhe efikas.
Ky artikull shqyrton më në detaje se si mësimi nga makinat mund të zgjidhë shumë probleme të shërbimeve të mbështetjes dhe ITSM që lidhen me volumet dhe kostot e kërkesave dhe si të krijoni një shërbim mbështetjeje më të shpejtë dhe të automatizuar që punonjësit e kompanisë do ta përdorin me kënaqësi.
ITSM efektiv përmes mësimit nga makinat dhe analitikës
Përkufizimi im i preferuar i mësimit nga makinat jepet nga kompania :
«Mësimi nga makinat i mëson kompjuterët të bëjnë atë që është natyrisht për njerëzit dhe kafshët – të mësojnë nga përvoja e tyre. Algoritmet e mësimit nga makinat përdorin metoda llogaritëse për të mësuar informacionin direkt nga të dhënat, pa u mbështetur në një ekuacion të përcaktuar paraprakisht si model. Algoritmet përmirësojnë në mënyrë adaptuese efikasitetin e tyre në përputhje me rritjen e numrit të mostrave që janë në dispozicion për të mësuar.»
Më poshtë janë disa mundësi që ofrohen për disa mjete ITSM të bazuara në teknologjitë e mësimit nga makinat dhe analitikës së të dhënave të mëdha:
- Mbështetje përmes bota. Agjentët virtualë dhe chatbotët mund të ofrojnë automatikisht lajme, artikuj, shërbime dhe oferta mbështetjeje nga kataloget e të dhënave dhe kërkesat publike. Kjo mbështetje 24/7 në formën e programeve të trajnimit të ofruara për përdoruesit finalë ndihmon në zgjidhjen e çështjeve në mënyrë shumë më të shpejtë. Avantazhet kryesore të botës janë ndërfaqja e përmirësuar e përdoruesit dhe numri më i vogël i kërkesave të hyrjes.
- Lajme dhe njoftime inteligjente. Këta mjete u lejojnë të paralajmërojnë përdoruesit për probleme të mundshme me kohë. Përveç kësaj, profesionistët e IT mund të rekomandojnë zgjidhje për problemet duke ofruar njoftime të personalizuara, të cilat i japin përdoruesve të fundit informacion të rëndësishëm dhe të dobishëm për çështjet me të cilat mund të përballen, si dhe këshilla për t'i shmangur ato. Përdoruesit e informuar do ta vlerësojnë mbështetje aktive të IT, dhe numri i kërkesave të hyrjes do të ulet.
- Kërkimi inteligjent. Kur përdoruesit e fundit kërkojnë informacion ose shërbime, një sistem menaxhimi njohurish i ndërlidhur mund të ofrojë rekomandime, artikuj dhe lidhje. Përdoruesit e fundit zakonisht kalojnë disa nga rezultatet, duke preferuar më shumë ato. Këto klikime dhe numri i shikimeve përfshihen në kriteret e ‘peshoj’ gjatë indeksimit të përmbajtjes me kalimin e kohës, prandaj mundësitë e kërkimit configurohen në mënyrë dinamike. Duke pasur parasysh reagimin e përdoruesve të fundit në formën e votimit ‘pëlqej’/’nuk pëlqej’, kjo gjithashtu ndikon në renditjen e përmbajtjes që ata dhe përdorues të tjerë mund ta gjejnë. Nga pikëpamja e përfitimeve, përdoruesit e fundit mund të gjejnë shpejt përgjigje dhe ndihen të sigurt, ndërsa agjentët e mbështetjes kanë mundësinë të trajtojnë më shumë kërkesa dhe të arrijnë më shumë marrëveshje për cilësinë e shërbimeve të ofruara (SLA).
- Analitika e temave popullore. Këtu, mundësitë analitike zbulojnë tendencat për burime të dhënash të strukturuara dhe të paestrukturuara. Informacioni për temat më të njohura paraqitet në mënyrë grafike si një hartë nxehtësie, ku madhësia e segmenteve përputhet me frekuencën e temave të caktuara apo grupeve të fjalëve kyçe që kërkohen nga përdoruesit. Raste të përsëritura do të zbulohen menjëherë, do të grupohen dhe do të zgjidhen së bashku. Analiza e temave të njohura gjithashtu zbulon grupe incidentesh me një shkak të përbashkët dhe ndihmon në zvogëlimin e kohës për identifikimin dhe zgjidhjen e problemit kryesor. Gjithashtu, teknologjia mund të krijojë automatikisht artikuj në bazën e njohurive, duke u mbështetur në ndërveprime të ngjashme ose probleme të ngjashme. Kërkimi i trendeve në të dhëna të ndryshme rrit aktivitetin e departamentit IT, parandalon përsëritjen e incidenteve dhe, si rezultat, rrit kënaqësinë e përdoruesve përfundimtarë duke reduktuar njëkohësisht shpenzimet për IT.
- Aplikimet Smart. Përdoruesit përfundimtarë presin që të dërgojnë një aplikim të jetë po aq e lehtë sa të shkruash një tweet, domethënë – një mesazh të shkurtër në gjuhën e natyrshme që përshkruan një problem ose kërkesë, i cili mund të dërgohet me email. Ose madje thjesht të bashkangjitni një fotografi të problematikës dhe ta dërgoni atë nga një pajisje mobile. Regjistrimi i aplikimeve smart e përshpejton procesin e krijimit të kërkesave, duke e mbushur automatikisht të gjithë fushat në bazë të asaj që ka shkruar përdoruesi përfundimtar ose skanimit të një imazhi, i përpunuar me një program për njohjen optike të karaktereve (OCR). Duke përdorur një grup të dhënash vëzhgimesh, teknologjia automatikisht e klasifikon dhe i drejton aplikimet agjentëve të shërbimit të mbështetjes. Agjentët mund të ridrejtojnë aplikimet në grupe të ndryshme mbështetjeje dhe mund të rregullojnë fushat e mbushura automatikisht nëse modeli i mësimit të makinerisë nuk është optimali për këtë rast. Sistemi mëson nga modelet e reja, duke e bërë më të lehtë për t'u përballur me problemet në të ardhmen. E gjithë kjo do të thotë se përdoruesit përfundimtarë mund të hapin aplikime lehtësisht dhe shpejt, gjë që çon në rritjen e kënaqësisë kur përdorin mjetet e punës. Kjo mundësi gjithashtu zvogëlon sasinë e punës manuale dhe gabimeve dhe ndihmon në shkurtimin e kohës dhe kostove për zgjidhjen.
- Email Smart. Ky mjet i ngjan aplikimeve smart. Përdoruesi përfundimtar mund të dërgojë një email në shërbimin e mbështetjes dhe të përshkruajë një problem në gjuhën e natyrshme. Mjeti i shërbimit të mbështetjes krijon një aplikim në bazë të përmbajtjes së email-it, si dhe përgjigjet automatikisht përdoruesit përfundimtar me lidhje për zgjidhjet e ofruara. Përdoruesit përfundimtarë janë të kënaqur, pasi hapja e aplikimeve dhe kërkesave është e lehtë dhe e përshtatshme, dhe agjentët IT kanë më pak punë manuale.
- Menaxhimi i Smart ndryshimeve. Mësimi i makinerisë gjithashtu mbështet analitikën moderne dhe menaxhimin e ndryshimeve. Duke marrë parasysh numrin e shpeshtë të ndryshimeve që kërkohen sot nga bizneset, sistemet inteligjente mund të ofrojnë agjentëve ose menaxherëve të ndryshimeve propozime që synojnë optimizimin e mjedisit dhe rritjen e përqindjes së ndryshimeve me sukses në të ardhmen. Agjentët mund të përshkruajnë ndryshimet e nevojshme në gjuhën e natyrshme, dhe mundësitë analitike do të kontrollojnë përmbajtjen për elementet e konfigurimit që preken. Të gjitha ndryshimet rregullohen, dhe indikatorët automatikë njoftojnë menaxherin e ndryshimeve nëse ka ndonjë problem me ndryshimin, siç janë rreziqet, planifikimi në dritare të paplanifikuara ose statusi 'i pa miratuar'. Avantazhi kryesor i menaxhimit të smart ndryshimeve është koha më e shpejtë e kthimit me numër më të vogël konfigurimesh, rregullimesh dhe, në fund, me më pak shpenzime monetare.
Në fund, mësimi i makinerisë dhe analiza transformojnë sistemet ITSM me supozime dhe rekomandime inteligjente për problemet me aplikimet dhe proceset e ndryshimeve, të cilat ndihmojnë agjentët dhe grupet mbështetëse IT të përshkruajnë, diagnostikojnë, parashikojnë dhe rekomandojnë se çfarë ndodhi, çfarë po ndodh dhe çfarë do të ndodhë. Përdoruesit përfundimtarë marrin vlerësime analitike proaktive, personale dhe dinamike dhe zgjidhje të shpejta. Shumë prej tyre bëhen automatikisht, dmth. pa ndërhyrjen e njeriut. Dhe për shkak se teknologjia mëson me kalimin e kohës, proceset bëhen gjithnjë e më të mira. E rëndësishme është të theksohet se të gjitha funksionet inteligjente të përshkruara në këtë artikull janë të disponueshme tashmë sot.
Burimi: habr.com
