ICL Services
Задать вопрос экспертам 8-800-333-98-70
Новости
2 Апреля 2019
Новости

Управление ИТ-услугами (ITSM) стало еще эффективнее благодаря средствам машинного обучения

В 2018 году мы прочно закрепили свои позиции — службы управления ИТ-услугами (ITSM) и службы ИТ-услуг до сих пор продолжают свою деятельность, несмотря на непрекращающиеся разговоры о том, как долго они еще продержатся в пору цифровой революции. Действительно, спрос на службы техподдержки растет — в Отчете о технической поддержке и Отчете о зарплатах HDI (Help Desk Institute) за 2017 год указывается, что 55% служб технической поддержки отметили увеличение объема заявок за последний год.

С другой стороны, многие компании отметили снижение объема обращений в техподдержку в прошлом году (15%) по сравнению с 2016 годом (10%). Ключевым фактором, способствовавшим уменьшению количества заявок, оказалась самостоятельная техническая поддержка. Тем не менее, HDI также сообщает, что в прошлом году стоимость заявки выросла до 25 долларов США по сравнению с 18 долларами США в 2016 году. Это не то, к чему стремится большинство служб ИТ. К счастью, автоматизация, основанная на аналитике и машинном обучении, может улучшить процессы и производительность службы поддержки за счет уменьшения количества ошибок и повышения качества и скорости. Иногда это выходит за рамки человеческих возможностей, а машинное обучение и аналитика являются ключевой основой для интеллектуальной, располагающей и оперативной службы поддержки ИТ.

В этой статье более подробно рассматривается то, как машинное обучение может решить многие проблемы службы поддержки и ITSM, связанные с объемами и стоимостью заявок, и как создать более быструю и автоматизированную службу поддержки, которую с удовольствием будут использовать сотрудники предприятия.

Эффективное ITSM посредством машинного обучения и аналитики

Мое любимое определение машинного обучения дает компания MathWorks:

«Машинное обучение учит компьютеры делать то, что естественно для людей и животных — учиться на собственном опыте. Алгоритмы машинного обучения используют вычислительные методы для изучения информации непосредственно из данных, не полагаясь на заранее определенное уравнение в качестве модели. Алгоритмы адаптивно улучшают собственную эффективность по мере увеличения числа выборок, доступных для изучения». Приведенные ниже возможности доступны для некоторых инструментов ITSM, основанных на технологиях машинного обучения и аналитике больших данных:

  • Поддержка через бота. Виртуальные агенты и чат-боты могут автоматически предлагать новости, статьи, услуги и предложения поддержки из каталогов данных и публичных запросов. Такая поддержка в режиме 24/7 в форме предлагаемых обучающих программ для конечных пользователей помогает решать вопросы значительно быстрее. Ключевыми преимуществами бота являются улучшенный пользовательский интерфейс и меньшее количество входящих обращений.
  • Смарт новости и уведомления. Эти инструменты позволяют заблаговременно уведомлять пользователей о потенциальных проблемах. Кроме того, ИТ-специалисты могут порекомендовать обходные пути решения проблем с помощью персонализированных уведомлений, которые предоставляют конечным пользователям актуальную и полезную информацию о проблемах, с которыми они могут столкнуться, а также советы о том, как их избежать. Информированные пользователи высоко оценят активную ИТ-поддержку, и количество входящих обращений снизится.
  • Смарт поиск. Когда конечные пользователи ищут информацию или услуги, контекстно-зависимая система управления знаниями может предоставлять рекомендации, статьи и ссылки. Конечные пользователи обычно пропускают часть результатов, предпочитая им другие. Эти клики и количество просмотров включаются в критерии «взвешивания» при повторной индексации контента с течением времени, поэтому возможности поиска динамически настраиваются. Поскольку конечные пользователи предоставляют обратную связь в форме голосования «лайк/дислайк», это также влияет на рейтинг контента, который они и другие пользователи могут найти. С точки зрения преимуществ, конечные пользователи могут быстро находить ответы и чувствовать себя вполне уверено, а агенты службы поддержки имеют возможность обработать больше заявок и достичь большего количества соглашений о качестве предоставляемых услуг (SLA).
  • Аналитика популярных тем. Здесь аналитические возможности выявляют закономерности для структурированных и неструктурированных источников данных. Информация о популярных темах графически отображается в виде теплокарты, где размер сегментов соответствует частоте определенных тем или групп ключевых слов, востребованных пользователями. Повторяющиеся инциденты будут обнаружены мгновенно, сгруппированы и разрешены вместе. Аналитика популярных тем также обнаруживает инцидентные кластеры с общей первопричиной и значительно сокращает время на выявление и решение основной проблемы. Также технология может автоматически создавать статьи в базе знаний, основанные на похожих взаимодействиях или похожих проблемах. Поиск трендов в любых данных увеличивает активность ИТ-отдела, предотвращает повторение инцидентов и, следовательно, повышает удовлетворенность конечных пользователей при одновременном снижении затрат на ИТ.

Полный материал эксперта можно прочитать на Habr.


Поделиться:

Новости по теме

    Свяжитесь с нами

    Контакты Пресс-службы
    Телефон 8 (800) 333-98-70

    pr@icl-services.com

    Будьте в курсе новостей

    Подпишитесь на рассылку и будьте в курсе наших последних новостей

    Подписаться на рассылку
    Адрес подписки успешно добавлен! Ok
    Читайте нас на
    На сайтах icl-services.com используются cookie-файлы. Оставаясь на сайте, вы даете свое согласие на использование нами cookie-файлов. Если, прочитав данное сообщение, вы не согласны, просим вас покинуть сайт.