У 2018 році ми міцно закріпили свої позиції – служби управління ІТ-послугами (ITSM) та служби ІТ-послуг досі продовжують свою діяльність, незважаючи на безперервні розмови про те, як довго вони ще протримаються в час цифрової революції. Справді, попит на служби техпідтримки зростає – у Звіті про технічну підтримку та Звіті про зарплати (Help Desk Institute) за 2017 рік зазначається, що 55% служб технічної підтримки відзначили збільшення обсягу заявок за останній рік.
З іншого боку, багато компаній відзначили зниження обсягу звернень на техпідтримку минулого року (15%) порівняно з 2016 роком (10%). Ключовим фактором, який сприяв зменшенню кількості заявок, виявилася самостійна технічна підтримка. Проте HDI також повідомляє, що торік вартість заявки зросла до 25 доларів США порівняно з 18 доларами США у 2016 році. Це не те, чого прагне більшість служб ІТ. На щастя, автоматизація, заснована на аналітиці та машинному навчанні, може покращити процеси та продуктивність служби підтримки за рахунок зменшення кількості помилок та підвищення якості та швидкості. Іноді це виходить за рамки людських можливостей, а машинне навчання та аналітика є ключовою основою для інтелектуальної, сприятливої та оперативної служби підтримки ІТ.
У цій статті детальніше розглядається те, як машинне навчання може вирішити багато проблем служби підтримки та ITSM, пов'язані з обсягами та вартістю заявок, і як створити швидшу та автоматизовану службу підтримки, яку із задоволенням будуть використовувати співробітники підприємства.
Ефективне ITSM за допомогою машинного навчання та аналітики
Моє улюблене визначення машинного навчання дає компанія :
«Машинне навчання вчить комп'ютери робити те, що є природним для людей і тварин – вчитися на власному досвіді. Алгоритми машинного навчання використовують обчислювальні методи вивчення інформації безпосередньо з даних, не покладаючись на заздалегідь певне рівняння як модель. Алгоритми адаптивно покращують власну ефективність зі збільшенням кількості вибірок, доступних вивчення».
Наведені нижче можливості доступні для деяких інструментів ITSM, заснованих на технологіях машинного навчання та аналітики великих даних:
- Підтримка через робота. Віртуальні агенти та чат-боти можуть автоматично пропонувати новини, статті, послуги та пропозиції підтримки з каталогів даних та публічних запитів. Така підтримка в режимі 24/7 у формі пропонованих програм для кінцевих користувачів допомагає вирішувати питання значно швидше. Ключовими перевагами бота є покращений інтерфейс користувача і менша кількість вхідних звернень.
- Смарт новини та повідомлення. Ці інструменти дозволяють заздалегідь повідомляти користувачів про потенційні проблеми. Крім того, ІТ-спеціалісти можуть порекомендувати обхідні шляхи вирішення проблем за допомогою персоналізованих повідомлень, які надають кінцевим користувачам актуальну та корисну інформацію про проблеми, з якими вони можуть зіткнутися, а також поради про те, як їх уникнути. Інформовані користувачі оцінять активну ІТ-підтримку, і кількість вхідних звернень знизиться.
- Смарт пошук. Коли користувачі шукають інформацію або послуги, контекстно-залежна система управління знаннями може надавати рекомендації, статті та посилання. Кінцеві користувачі зазвичай пропускають частину результатів, віддаючи перевагу іншим. Ці кліки та кількість переглядів включаються в критерії зважування при повторній індексації контенту з часом, тому можливості пошуку динамічно налаштовуються. Оскільки кінцеві користувачі надають зворотний зв'язок у формі голосування "лайк/дислайк", це також впливає на рейтинг контенту, який вони та інші користувачі можуть знайти. З точки зору переваг, кінцеві користувачі можуть швидко знаходити відповіді і почуватися цілком впевнено, а агенти служби підтримки мають можливість обробити більше заявок і досягти більшої кількості угод про якість послуг (SLA).
- Аналітика найпопулярніших тем. Тут аналітичні можливості виявляють закономірності для структурованих та неструктурованих джерел даних. Інформація про популярні теми графічно відображається у вигляді теплокарти, де розмір сегментів відповідає частоті певних тем чи груп ключових слів, які користуються користувачами. Інциденти, що повторюються, будуть виявлені миттєво, згруповані і дозволені разом. Аналітика популярних тем також виявляє інцидентні кластери із загальною першопричиною та значно скорочує час на виявлення та вирішення основної проблеми. Також технологія може автоматично створювати статті в базі знань, що базуються на схожих взаємодіях або схожих проблемах. Пошук трендів у будь-яких даних збільшує активність ІТ-відділу, запобігає повторенню інцидентів і, отже, підвищує задоволеність кінцевих користувачів за одночасного зниження витрат на ІТ.
- Смарт заявки. Кінцеві користувачі очікують, що надіслати заявку не складніше, ніж написати твіт, а саме – коротке повідомлення природною мовою, що описує проблему або запит, яке може бути надіслано електронною поштою. Або навіть просто прикріпити фотографію неполадки та надіслати її з мобільного пристрою. Реєстрація смарт заявки прискорює процес створення звернення, автоматично заповнюючи всі поля на основі того, що написав кінцевий користувач або скана зображення, обробленого за допомогою оптичного розпізнавання символів (OCR). Використовуючи набір даних спостережень, технологія автоматично класифікує та адресує заявки відповідним агентам служби підтримки. Агенти можуть переадресовувати заявки різним групам підтримки і можуть перезаписувати автоматично заповнені поля, якщо модель машинного навчання не виявилася оптимальною для цього випадку. Система навчається на нових шаблонах, що дозволяє краще справлятися з проблемами, що виникають надалі. Це означає, що кінцеві користувачі можуть легко і швидко відкривати заявки, що призводить до підвищення задоволеності при використанні робочих інструментів. Ця можливість також зменшує обсяг ручної роботи та помилки та допомагає скоротити час та витрати на дозвіл.
- Smart email. Цей інструмент нагадує смарт заявки. Кінцевий користувач може надіслати листа до служби підтримки та описати проблему природною мовою. Інструмент служби підтримки створює заявку на основі вмісту електронної пошти, а також автоматично відповідає кінцевому користувачеві з посиланнями на запропоновані рішення. Кінцеві користувачі залишаються задоволені, оскільки відкривати заявки та запити легко та зручно, а у ІТ-агентів менше ручної роботи.
- Смарт управління змінами. Машинне навчання також підтримує сучасну аналітику та управління змінами. Враховуючи часту кількість змін, які сьогодні потрібні підприємствам, інтелектуальні системи можуть надавати агентам або менеджерам щодо змін пропозиції, спрямовані на оптимізацію середовища та збільшення відсотка успішних змін у майбутньому. Агенти можуть описувати необхідні зміни природною мовою, а аналітичні можливості перевірятимуть контент на наявність порушених елементів конфігурації. Усі зміни регламентуються, а автоматичні індикатори повідомляють менеджеру змін, чи є якісь проблеми зі зміною, такі як ризик, планування у незапланованому вікні чи статус «не затверджено». Ключова перевага смарт управління змінами – це швидший час окупності з меншою кількістю конфігурацій, налаштувань і, зрештою, меншими грошовими витратами.
Зрештою, машинне навчання та аналітика перетворять системи ITSM за допомогою інтелектуальних припущень та рекомендацій про проблеми із заявками та процес змін, які допомагають агентам та групам підтримки ІТ описувати, діагностувати, прогнозувати та наказувати, що сталося, що відбувається і що відбудеться. Кінцеві користувачі отримують попереджувальні, персональні та динамічні аналітичні оцінки та швидкі рішення. У цьому багато робиться автоматично, тобто. без участі людини. І оскільки технологія навчається з часом, процеси стають лише кращими. Важливо, що всі інтелектуальні функції, описані у цій статті, доступні вже сьогодні.
Джерело: habr.com