Управљање ИТ услугама (ИТСМ) постало је још ефикасније уз машинско учење

У 2018. смо били чврсто успостављени – управљање ИТ услугама (ИТСМ) и ИТ услуге су и даље у послу, упркос текућим причама о томе колико ће дуго преживети дигиталну револуцију. Заиста, потражња за услугама техничке подршке расте – у Извештају о техничкој подршци и Извештају о платама ХДИ (Хелп Деск Институте) Извештај за 2017. показује да је 55% служби за помоћ пријавило повећање обима карата током прошле године.

С друге стране, многе компаније су прошле године забележиле пад обима позива за техничку подршку (15%) у односу на 2016. годину (10%). Кључни фактор који је допринео смањењу броја захтева била је независна техничка подршка. Међутим, ХДИ такође извештава да је накнада за пријаву порасла на 25 долара прошле године, са 18 долара у 2016. Ово није оно чему већина ИТ одељења тежи. На срећу, аутоматизација заснована на аналитици и машинском учењу може побољшати процесе и продуктивност службе за помоћ тако што ће смањити грешке и побољшати квалитет и брзину. Понекад ово превазилази људске могућности, а машинско учење и аналитика су кључна основа за интелигентну, проактивну и брзу ИТ службу за помоћ.

Овај чланак детаљније разматра како машинско учење може да реши многе изазове у служби за помоћ и ИТСМ повезане са обимом карата и ценом, и како да креирате бржу, аутоматизованију службу за помоћ коју запослени у предузећу радо користе.

Ефикасан ИТСМ кроз машинско учење и аналитику

Моја омиљена дефиниција машинског учења долази од компаније МатхВоркс:

„Машинско учење учи рачунаре да раде оно што је природно за људе и животиње – уче из искуства. Алгоритми машинског учења користе рачунарске методе за учење информација директно из података, без ослањања на унапред дефинисану једначину као модел. Алгоритми адаптивно побољшавају сопствене перформансе како се повећава број узорака доступних за проучавање."
Следеће могућности су доступне за неке ИТСМ алате засноване на машинском учењу и аналитици великих података:

• Подршка преко бота. Виртуелни агенти и цхат ботови могу аутоматски да предлажу вести, чланке, услуге и понуде подршке из каталога података и јавних захтева. Ова 24/7 подршка у облику програма обуке за крајње кориснике помаже у решавању проблема много брже. Кључне предности бота су побољшани кориснички интерфејс и мање долазних позива.
• Паметне вести и обавештења. Ови алати омогућавају корисницима да буду проактивно обавештени о потенцијалним проблемима. Поред тога, ИТ професионалци могу да препоруче решења за решавање проблема путем персонализованих обавештења која крајњим корисницима пружају релевантне и корисне информације о проблемима на које могу да наиђу, као и савете како да их избегну. Информисани корисници ће ценити проактивну ИТ подршку и број долазних позива ће бити смањен.
• Паметна претрага. Када крајњи корисници траже информације или услуге, систем управљања знањем који је свестан контекста може да пружи препоруке, чланке и везе. Крајњи корисници имају тенденцију да прескоче неке резултате у корист других. Ови кликови и прикази су укључени у критеријуме „пондерисања“ приликом поновног индексирања садржаја током времена, тако да се искуство претраге динамички прилагођава. Како крајњи корисници дају повратне информације у облику гласања за свиђање/недопадање, то такође утиче на рангирање садржаја који они и други корисници могу пронаћи. Што се тиче предности, крајњи корисници могу брзо да пронађу одговоре и осећају се самопоузданије, а агенти службе за помоћ су у могућности да обрађују више карата и постигну више споразума о нивоу услуге (СЛА).
• Аналитика популарних тема. Овде, аналитичке могућности идентификују обрасце у структурираним и неструктурираним изворима података. Информације о популарним темама су графички приказане у облику топлотне мапе, где величина сегмената одговара учесталости одређених тема или група кључних речи које корисници траже. Поновљени инциденти ће бити одмах откривени, груписани и заједно решени. Аналитика тема у тренду такође открива кластере инцидената са заједничким основним узроком и значајно смањује време за идентификацију и решавање основног проблема. Технологија такође може аутоматски да креира чланке базе знања на основу сличних интеракција или сличних проблема. Проналажење трендова у било којим подацима повећава активност ИТ одељења, спречава понављање инцидената и стога повећава задовољство крајњих корисника уз смањење ИТ трошкова.
• Паметне апликације. Крајњи корисници очекују да је слање тикета једноставно као писање твита—кратке поруке на природном језику која описује проблем или захтев који се може послати путем е-поште. Или чак само приложите фотографију проблема и пошаљите је са свог мобилног уређаја. Паметна регистрација улазница убрзава процес креирања тикета аутоматским попуњавањем свих поља на основу онога што је крајњи корисник написао или скенирања слике обрађене помоћу софтвера за оптичко препознавање знакова (ОЦР). Користећи скуп података посматрања, технологија аутоматски категоризује и усмерава карте одговарајућим агентима за помоћ. Агенти могу да проследе карте различитим тимовима за подршку и могу да пребришу аутоматски попуњена поља ако модел машинског учења није оптималан за дати случај. Систем учи из нових образаца, што му омогућава да се боље носи са проблемима који се јављају у будућности. Све ово значи да крајњи корисници могу брзо и лако да отворе тикете, што резултира повећаним задовољством коришћењем алата за рад. Ова могућност такође смањује ручни рад и грешке и помаже у смањењу времена и трошкова за издавање дозвола.
• Паметна е-пошта. Овај алат је сличан паметним поруџбинама. Крајњи корисник може послати е-пошту тиму за подршку и описати проблем на природном језику. Алат за подршку генерише тикет на основу садржаја е-поште и аутоматски одговара крајњем кориснику линковима до предложених решења. Крајњи корисници су задовољни јер је отварање карата и захтева једноставно и згодно, а ИТ агенти имају мање ручног посла.
• Паметно управљање променама. Машинско учење такође подржава напредну аналитику и управљање променама. С обзиром на чест број промена које предузећа захтевају данас, интелигентни системи могу да дају агентима промена или менаџерима сугестије које имају за циљ оптимизацију окружења и повећање стопе успеха промена у будућности. Агенти могу да опишу потребне промене на природном језику, а аналитичке могућности ће проверити садржај конфигурационих ставки на које утиче. Све промене су регулисане, а аутоматски индикатори говоре менаџеру промена да ли постоје проблеми са променом, као што су ризик, заказивање у непланираном прозору или статус „није одобрено“. Кључна предност паметног управљања променама је брже време за вредновање уз мање конфигурација, прилагођавања и на крају мање потрошеног новца.

На крају, машинско учење и аналитика трансформишу ИТСМ системе са интелигентним претпоставкама и препорукама о проблемима са улазницама и процесу промене који помажу агентима и тимовима за ИТ подршку да опишу, дијагностикују, предвиде и пропишу шта се догодило, шта се дешава и шта ће се догодити. Крајњи корисници добијају проактивне, персонализоване и динамичне увиде и брза решења. У овом случају се много тога ради аутоматски, тј. без људске интервенције. А како технологија временом учи, процеси постају само бољи. Важно је напоменути да су све паметне функције описане у овом чланку доступне данас.

Извор: ввв.хабр.цом