Всесторонняя поддержка ПО и оборудования R-Keeper для Yum! Brands
Задачи
Для обработки инцидентов с ИТ-сервисами сотрудники ресторанов создают заявки через портал самообслуживания. Из-за сложности ИТ-систем в ресторанах сотрудники не всегда могут квалифицированно определить, к какой услуге и типу обращения относится их инцидент или запрос. Из-за этого каждая пятая заявка к ИТ-поддержке классифицируется неверно, что приводит к тому, что она попадает в неправильную группу обработки внутренней службы ИТ. Это увеличивает срок обработки заявок, или они вовсе теряются.Чтобы решить проблему некорректной классификации заявок, Yum! Brands обратилась к ICL Services — одной из ведущих ИТ-аутсорсинговых компаний мира.
В Yum! Brands была развернута ITSM-система на базе Omnitracker Clever Engine, но не было единой очереди и службы обработки заявок, которая бы модерировала весь входящий поток, правильно оформляла и назначала группы решений.
Сотрудники ресторанов сообщали о проблемах ИТ-службе центрального офиса Yum! Brands или внешним подрядчикам. Но пользователь, обратившийся напрямую к подрядчику, не всегда получал ответ вовремя или вовсе не дожидался его. Поэтому пользователям приходилось самим контролировать ход выполнения заявки.
Компания не успевала обрабатывать заявки своими силами, поэтому вывела ИТ-поддержку на аутсорс.
Цели
- Не менее 99% онлайн и телефонных заявок должны быть правильно оформлены и маршрутизированы
- Время классификации заявки — 15 минут
- Время приема звонка — до 30 секунд в 95% случаев
- Обратная связь о качестве решения заявок — в 20% случаев
Реализованное нами решение
ICL Services начала набирать команду для первой линии поддержки в ноябре 2018 года. Чтобы лучше понять оборудование и системы заказчика, сотрудники ICL Services дважды проходили сессии обучения. Два человека прошли обучение по кассовому ПО R-keeper. База знаний создавалась с нуля с учетом входной информации от заказчика. Всего было сформировано около 400 типов тикетов.
- С 18 декабря 2016 года шесть человек вышли на первую линию поддержки. Двое из них закрывали заявки в ночное время. Команда из 10 человек была сформирована за месяц в начале 2017 года и смогла обеспечить первую линию поддержки в режиме 24/7.
В январе при большой нагрузке и нехватке знаний были критические моменты: сотрудники заступали на четыре ночные смены подряд. Но уже в феврале проект работал без авралов.
«Мы держали прямой контакт с заказчиком практически 24 часа в сутки. Сотрудники Yum! Brands всегда оперативно отвечали на наши вопросы и просьбы. Сейчас мы всегда можем быстро решить проблему в чате, если необходимо — мы на связи даже в нерабочее время. Такую быструю и эффективную коммуникацию с заказчиком редко где увидишь», — отмечает сервис-менеджер ICL Services Алексей Хазов.
Если пользователь неверно определяет тип заявки, Service Desk ее переклассифицирует и дополнит— например, к обращению прикладывается скриншот экрана, уточняются номер кассы, время инцидента и данные с другого оборудования.
Первая линия оказывает поддержку по офисным программам, инцидентам с кассой, фискальными принтерами и кухонными панелями. Киоски самообслуживания, серверы, рабочие станции, ноутбуки и кассы подключены удаленно через DMWare. До того, как было настроено site-to-site подключение, были подняты виртуальные машины, а на них — VPN-соединение синфраструктурой заказчика.
Первая линия работает не только с заявками ресторанов, но и с заявками офисов. Если вопрос лежит не в зоне ответственности первой линии, заявка передается подрядчикам, поддерживающим оборудование, сеть или ПО в конкретном ресторане или офисе.
До внедрения Service Desk пользователю приходило сообщение с просьбой об оценке работы. Сейчас сотрудники первой линии выборочно обзванивают рестораны и просят проставить оценки на портале самообслуживания, благодаря этому оцениваются 25-30% заявок, тогда как ранее оценку получали около 8%.
«Мне понравилось, что коллеги практикуют проактивный подход. Они сами находят те аспекты сервиса, которые можно улучшить за счет более эффективного взаимодействия и внутренних процедур. Мы как заказчики, безусловно, приветствуем это. Несмотря на то, что какие-то задачи требуют дополнительных ресурсов, все они выполняются»,— отмечает сервис-менеджер Yum! Brands Russia Михаил Ларькин.
- Оперативная диагностика работы устройств (фискальных регистраторов, кассовых станций, прикассовых мониторов, киосков, VDU разного типа и всего подключённого к ним оборудования, мобильных официантов (HOT) на базе Ipod & Android устройств).
- Помощь полевым инженерам в настройке ремонтируемых девайсов, подтверждение работоспособности вводимых устройств с последующей настройкой прикладного ПО, подтверждение качества работ, проводимых полевыми инженерами и работоспособности всех функций комплекса после ремонта.
- Восстановление работоспособности вышеперечисленных устройств и установленных на них ОС, ПО RK7 удалённо, за исключением случаев физического повреждения компонентов.
- Участие в пилотных проектах по внедрению новых технологий в области ресторанного ПО.
- Консультируют сотрудников ресторана по вопросам работы с R-Keeper и ESP.
- Мониторинг работы ПО R-Keeper для дальнейшей оптимизация процесса.
Результаты
- Первую линию поддержки сейчас обеспечивают 10 специалистов ICL Services.
- С момента внедрения ServiceDesk обработано около 100 тыс. обращений.
- Ежемесячно обрабатывается 7 тыс. заявок.
- 17% из них — на первой линии поддержки.
Предоставленные услуги
Машинное обучение для Yum! Brands
Цели
- С помощью системы уменьшить затраты на предобработку заявок и классификацию
- Увеличить корректность назначения заявок и скорость работы
Реализованное нами решение
- Идея об инновациях и автоматизации была сформулирована в 2018 году. Было выделено два направления в зоне «искусственный интеллект»: чат боты и автоматическая классификация заявок. После анализа рынка было решено развивать автоматическую классификацию и взяться за разработку силами специалистов ICL Services.
К запуску и разработке проекта подключилась команда, которая в течение месяца выросла до 6-7 человек. Было выбрано несколько алгоритмов и началось обучение искусственного интеллекта на выборке заявок из ITSM системы заказчика. По истечении нескольких месяцев первая версия робота была готова и запущена в тестирование. Мы договорились о входных параметрах – робот классифицирует те заявки, где он уверен в правильности на 98% и выше.
К тому моменту, когда тестирование было окончено, сотрудники ICL Services встретились с представителями заказчика, продемонстрировали первые результаты и договорились о запуске робота в продакшн.
В июне 2018 робот приступил к самостоятельной работе: классификация заявок, первичная обработка и назначение на 2, 3 линию поддержки.
От старта до уверенной самостоятельной обработки прошло 6 месяцев, но первые результаты были уже спустя 2-3 месяца.
В августе 2018 результативность робота составила порядка 16%, то есть 16% входящего потока заявок классифицируются роботом без участия человека. Ещё в 20% случаев – робот оставлял подсказки по классификации заявок и подсказки, если нужна была дополнительная информация от пользователя.
К марту 2019 года точность классификации запросов возросла до 26%.
Кроме этого, был разработан еще один RPA помощник – он работает по задачам user administration в одной из бизнес систем заказчика. - В процессе выполнения робот взаимодействует:
- С ITSM системой, в которой находится запрос на создание учетной записи;
- С Excel файлом, который выступает в качестве хранилища служебной информации;
- С браузером. Робот проверяет наличие уже открытого браузера и работает в нём, чтобы не плодить новые окна;
- До автоматизации сотруднику Сервис Деск требовалось ~ 10 минут на тикет по заведению/изменению пользовательских аккаунтов;
- После замещения сотрудника Сервис Деск роботом, робот выполняет свою задачу за 2 минуты, что составляет 80% экономии времени.
В итоге пользователи со стороны Заказчика быстрее получают квалифицированную поддержку от Сервис Деск, благодаря чему сокращается время простоя бизнеса и сотрудники заказчика фокусируются на профильных активностях.
Договорные SLA достигаются меньшими ресурсами, что позволяет оптимизировать распределение сил проекта для его непрерывного улучшения. Высвобожденные человеко-часы позволяют нам развивать себя и Заказчика за счет дополнительной аналитики и фокуса на развитие (высвободили порядка 950 человеко – часов в год)
Продукты и технологии
- Windows 7, VMWare vSphere, Python 3, TensorFlow, Keras, fastText, Ansible, OmniTracker
Результаты
- Уменьшение времени на классификацию. В ручном режиме это 120 – 300 секунд, при работе робота — это менее 21 секунды.
- Снижение нагрузки на команду Сервис Деска: 25% объема искусственный интеллект обрабатывает полностью сам.
- Для ещё в 15-20% заявок робот подсказывает агентам путь наиболее эффективного решения и подсвечивает проблемные моменты, которые не позволяют выполнить автоматическое назначение. Если в заявке есть недостаток информации (например: не приложен скриншот, нет согласующего лица) робот в служебном поле оставляет комментарий для сотрудника тех поддержки. Это в свою очередь, помогает еще больше улучшить точность назначения и качество отработки по заявкам.
- Точность классификации увеличилась в целом по проекту. Алгоритмы на основе машинного обучения (далее МО) не делают ошибок, свойственных человеку.