2018 var vi väl etablerade - IT Service Management (ITSM) och IT-tjänster är fortfarande i branschen, trots pågående samtal om hur länge de kommer att överleva den digitala revolutionen. Faktum är att efterfrågan på tekniska supporttjänster växer - i den tekniska supportrapporten och lönerapporten (Help Desk Institute) 2017 års rapport visar att 55 % av helpdeskarna har rapporterat en ökning av biljettvolymen under det senaste året.
Å andra sidan noterade många företag en minskning av antalet samtal till teknisk support förra året (15 %) jämfört med 2016 (10 %). Den nyckelfaktor som bidrog till minskningen av antalet förfrågningar var oberoende teknisk support. Men HDI rapporterar också att ansökningsavgiften steg till $25 förra året, upp från $18 under 2016. Det är inte vad de flesta IT-avdelningar strävar efter. Lyckligtvis kan automatisering som drivs av analys och maskininlärning förbättra helpdesk-processer och produktivitet genom att minska fel och förbättra kvalitet och hastighet. Ibland är detta bortom mänskliga möjligheter, och maskininlärning och analys är nyckelgrunden för en intelligent, proaktiv och lyhörd IT-servicedesk.
Den här artikeln tar en närmare titt på hur maskininlärning kan lösa många av helpdesk- och ITSM-utmaningarna i samband med biljettvolym och kostnad, och hur man skapar en snabbare, mer automatiserad helpdesk som företagsanställda tycker om att använda.
Effektiv ITSM genom maskininlärning och analys
Min favoritdefinition av maskininlärning kommer från företaget :
"Maskininlärning lär datorer att göra det som är naturligt för människor och djur – lära sig av erfarenhet. Maskininlärningsalgoritmer använder beräkningsmetoder för att lära sig information direkt från data, utan att förlita sig på en fördefinierad ekvation som modell. Algoritmer förbättrar adaptivt sin egen prestation när antalet prover som är tillgängliga för studier ökar."
Följande funktioner är tillgängliga för vissa ITSM-verktyg baserade på maskininlärning och big data-analys:
- Support via bot. Virtuella agenter och chatbots kan automatiskt föreslå nyheter, artiklar, tjänster och supporterbjudanden från datakataloger och offentliga förfrågningar. Denna 24/7 support i form av utbildningsprogram för slutanvändare hjälper till att lösa problem mycket snabbare. De viktigaste fördelarna med boten är ett förbättrat användargränssnitt och färre inkommande samtal.
- Smarta nyheter och notiser. Dessa verktyg tillåter användare att proaktivt meddelas om potentiella problem. Dessutom kan IT-proffs rekommendera lösningar för att lösa problem genom personliga meddelanden som ger slutanvändare relevant och handlingsbar information om problem de kan stöta på, samt tips om hur man undviker dem. Informerade användare kommer att uppskatta proaktivt IT-stöd och antalet inkommande samtal kommer att minska.
- Smart sökning. När slutanvändare söker efter information eller tjänster kan ett sammanhangsmedvetet kunskapshanteringssystem ge rekommendationer, artiklar och länkar. Slutanvändare tenderar att hoppa över vissa resultat till förmån för andra. Dessa klick och visningar ingår i "viktningskriterierna" vid omindexering av innehåll över tid, så sökupplevelsen justeras dynamiskt. Eftersom slutanvändare ger feedback i form av att gilla/ogilla-rösta, påverkar det också rankningen av innehållet de och andra användare kan hitta. När det gäller fördelar kan slutanvändare hitta svar snabbt och känna sig säkrare, och helpdesk-agenter kan hantera fler biljetter och uppnå fler servicenivåavtal (SLA).
- Analys av populära ämnen. Här identifierar analysfunktioner mönster över strukturerade och ostrukturerade datakällor. Information om populära ämnen visas grafiskt i form av en värmekarta, där storleken på segmenten motsvarar frekvensen av vissa ämnen eller grupper av sökord som efterfrågas av användare. Upprepade incidenter kommer att upptäckas omedelbart, grupperas och lösas tillsammans. Trending Topic Analytics upptäcker också incidentkluster med en gemensam grundorsak och minskar avsevärt tiden för att identifiera och lösa rotproblemet. Tekniken kan också automatiskt skapa kunskapsbasartiklar baserade på liknande interaktioner eller liknande problem. Att hitta trender i någon data ökar IT-avdelningens aktivitet, förhindrar att incidenter upprepas och ökar därför slutanvändarnas tillfredsställelse samtidigt som IT-kostnaderna minskar.
- Smarta applikationer. Slutanvändare förväntar sig att det är lika enkelt att skicka in en biljett som att skriva en tweet – ett kort meddelande på naturligt språk som beskriver ett problem eller en begäran som kan skickas via e-post. Eller till och med bara bifoga ett foto av problemet och skicka det från din mobila enhet. Smart biljettregistrering påskyndar processen för att skapa biljett genom att automatiskt fylla i alla fält baserat på vad slutanvändaren skrev eller en skanning av en bild som bearbetats med programvara för optisk teckenigenkänning (OCR). Med hjälp av en uppsättning observationsdata kategoriserar och dirigerar tekniken automatiskt biljetter till lämpliga helpdesk-agenter. Agenter kan vidarebefordra biljetter till olika supportteam och kan skriva över automatiskt ifyllda fält om maskininlärningsmodellen inte är optimal för ett givet fall. Systemet lär sig av nya mönster, vilket gör att det bättre kan hantera problem som uppstår i framtiden. Allt detta gör att slutanvändare kan öppna biljetter snabbt och enkelt, vilket resulterar i ökad tillfredsställelse när de använder arbetsredskap. Denna förmåga minskar också manuellt arbete och fel och hjälper till att minska tid och kostnader.
- Smart mejl. Detta verktyg liknar smarta beställningar. Slutanvändaren kan skicka ett e-postmeddelande till supportteamet och beskriva problemet på naturligt språk. Helpdesk-verktyget genererar en biljett baserat på e-postinnehållet och svarar automatiskt till slutanvändaren med länkar till föreslagna lösningar. Slutanvändare är nöjda eftersom det är enkelt och bekvämt att öppna biljetter och förfrågningar, och IT-agenter har mindre manuellt arbete att göra.
- Smart förändringshantering. Maskininlärning stöder även avancerad analys och förändringshantering. Med tanke på det frekventa antalet förändringar som företag kräver idag, kan intelligenta system ge förändringsagenter eller chefer förslag som syftar till att optimera miljön och öka framgångsfrekvensen för förändringar i framtiden. Agenter kan beskriva nödvändiga ändringar i naturligt språk, och analysfunktioner kommer att kontrollera innehållet för berörda konfigurationsobjekt. Alla ändringar är reglerade och automatiska indikatorer talar om för ändringsansvarig om det finns några problem med ändringen, såsom risk, schemaläggning i ett oplanerat fönster eller "ej godkänd" status. Den viktigaste fördelen med smart förändringshantering är snabbare tid att värdera med färre konfigurationer, anpassningar och i slutändan mindre pengar spenderade.
I slutändan förvandlar maskininlärning och analys ITSM-system med intelligenta antaganden och rekommendationer om biljettproblem och förändringsprocessen som hjälper agenter och IT-supportteam att beskriva, diagnostisera, förutsäga och föreskriva vad som har hänt, vad som händer och vad som kommer att hända. Slutanvändare får proaktiva, personliga och dynamiska insikter och snabba lösningar. I det här fallet görs mycket automatiskt, d.v.s. utan mänsklig inblandning. Och när tekniken lär sig över tid, blir processer bara bättre. Det är viktigt att notera att alla smarta funktioner som beskrivs i den här artikeln är tillgängliga idag.
Källa: will.com