Im Jahr 2018 haben wir unsere Positionen fest gefestigt - IT Services Management Services (ITSM) und IT Services werden weiterhin betrieben, obwohl weiterhin darüber gesprochen wird, wie lange sie in der digitalen Revolution dauern werden. Tatsächlich wächst die Nachfrage nach technischen Supportleistungen - der Technical Support Report und der
HDI Salary Report (Help Desk Institute) für 2017 zeigen, dass 55% der technischen Supportleistungen im vergangenen Jahr einen Anstieg des Antragsvolumens verzeichneten.
Andererseits verzeichneten viele Unternehmen im vergangenen Jahr einen Rückgang des Volumens an technischen Supportanrufen (15%) im Vergleich zu 2016 (10%). Ein Schlüsselfaktor für die Verringerung der Anzahl der Anträge war der unabhängige technische Support. HDI berichtet jedoch auch, dass die Anwendungskosten im letzten Jahr auf 25 USD gestiegen sind, verglichen mit 18 USD im Jahr 2016. Dies ist nicht das Ziel der meisten IT-Services. Glücklicherweise kann eine auf Analysen und maschinellem Lernen basierende Automatisierung die Supportprozesse und die Produktivität verbessern, indem Fehler reduziert und Qualität und Geschwindigkeit verbessert werden. Manchmal geht dies über die menschlichen Fähigkeiten hinaus, und maschinelles Lernen und Analysen sind eine wichtige Grundlage für einen intelligenten, leistungsfähigen und betriebsbereiten IT-Support.
In diesem Artikel wird ausführlicher erläutert, wie maschinelles Lernen viele der Probleme von Support-Services und ITSM im Zusammenhang mit dem Umfang und den Kosten von Anwendungen lösen kann und wie ein schnellerer und automatisierter Support-Service erstellt werden kann, den Mitarbeiter des Unternehmens gerne nutzen.
Effektives ITSM durch maschinelles Lernen und Analyse
Meine Lieblingsdefinition für maschinelles Lernen
stammt von MathWorks :
„Durch maschinelles Lernen lernen Computer, das zu tun, was für Menschen und Tiere selbstverständlich ist, um aus ihren eigenen Erfahrungen zu lernen. Algorithmen für maschinelles Lernen verwenden Berechnungsmethoden, um Informationen direkt aus Daten zu untersuchen, ohne sich auf eine vordefinierte Gleichung als Modell zu stützen. Die Algorithmen verbessern adaptiv ihre eigene Effizienz, wenn die Anzahl der für die Studie verfügbaren Proben zunimmt. “
Die folgenden Optionen stehen für einige ITSM-Tools zur Verfügung, die auf maschinellem Lernen und Big Data-Analyse basieren:
- Unterstützung durch den Bot. Virtuelle Agenten und Chatbots können automatisch Nachrichten, Artikel, Dienste und Supportangebote aus Datenverzeichnissen und öffentlichen Anfragen anbieten. Diese Unterstützung rund um die Uhr in Form von Schulungsprogrammen für Endbenutzer hilft, Probleme viel schneller zu lösen. Die Hauptvorteile des Bots sind eine verbesserte Benutzeroberfläche und weniger eingehende Anrufe.
- Intelligente Nachrichten und Benachrichtigungen. Mit diesen Tools können Sie Benutzer vor möglichen Problemen benachrichtigen. Darüber hinaus können IT-Experten Problemumgehungen zur Lösung von Problemen mit personalisierten Benachrichtigungen empfehlen, die Endbenutzern aktuelle und nützliche Informationen zu möglicherweise auftretenden Problemen sowie Tipps zur Vermeidung dieser Probleme bieten. Informierte Benutzer werden den aktiven IT-Support zu schätzen wissen und die Anzahl der eingehenden Anrufe wird abnehmen.
- Intelligente Suche. Wenn Endbenutzer Informationen oder Dienste suchen, kann ein kontextsensitives Wissensmanagementsystem Empfehlungen, Artikel und Links bereitstellen. Endbenutzer überspringen normalerweise einige der Ergebnisse und ziehen andere ihnen vor. Diese Klicks und die Anzahl der Ansichten sind in den Gewichtungskriterien enthalten, wenn Inhalte im Laufe der Zeit neu indiziert werden, sodass die Suchfunktionen dynamisch angepasst werden. Da Endbenutzer Feedback in Form einer „Gefällt mir / Nicht-Gefällt mir“ -Stimme geben, wirkt sich dies auch auf die Bewertung des Inhalts aus, den sie und andere Benutzer finden können. In Bezug auf die Vorteile können Endbenutzer schnell Antworten finden und sich sehr sicher fühlen, und Support-Mitarbeiter können mehr Anfragen bearbeiten und mehr Service Quality Agreements (SLAs) erzielen.
- Analyse beliebter Themen. Hier zeigen Analysefunktionen Muster für strukturierte und unstrukturierte Datenquellen. Informationen zu beliebten Themen werden grafisch in Form einer Heatmap angezeigt, wobei die Größe der Segmente der Häufigkeit bestimmter Themen oder Gruppen von Schlüsselwörtern entspricht, die von Benutzern angefordert werden. Wiederkehrende Vorfälle werden sofort erkannt, gruppiert und zusammengefasst. Die Analyse beliebter Themen erkennt auch Ereigniscluster mit einer gemeinsamen Grundursache und verkürzt die Zeit zum Erkennen und Lösen des Hauptproblems erheblich. Die Technologie kann auch automatisch Wissensdatenbankartikel erstellen, die auf ähnlichen Interaktionen oder ähnlichen Problemen basieren. Das Auffinden von Trends in Daten erhöht die Aktivität der IT-Abteilung, verhindert das Wiederauftreten von Vorfällen und erhöht daher die Zufriedenheit der Endbenutzer bei gleichzeitiger Reduzierung der IT-Kosten.
- Intelligente Anwendung. Endbenutzer erwarten, dass das Einreichen eines Antrags nicht schwieriger ist als das Schreiben eines Tweets, nämlich einer Kurznachricht in natürlicher Sprache, die ein Problem oder eine Anfrage beschreibt, die per E-Mail gesendet werden kann. Oder hängen Sie einfach ein Foto des Problems an und senden Sie es von Ihrem mobilen Gerät. Das Registrieren einer intelligenten Anwendung beschleunigt das Erstellen eines Anrufs, indem automatisch alle Felder ausgefüllt werden, basierend auf dem, was der Endbenutzer geschrieben hat, oder dem Scannen des Bilds, das mit dem Programm zur optischen Zeichenerkennung (OCR) verarbeitet wurde. Mithilfe einer Reihe von Beobachtungsdaten klassifiziert die Technologie Anfragen automatisch und adressiert sie an die entsprechenden Support-Mitarbeiter. Agenten können Anwendungen an verschiedene Support-Gruppen umleiten und automatisch ausgefüllte Felder überschreiben, wenn das Modell des maschinellen Lernens für diesen Fall nicht optimal ist. Das System lernt aus neuen Vorlagen, mit denen Sie aufkommende Probleme in Zukunft besser bewältigen können. All dies bedeutet, dass Endbenutzer Anwendungen einfach und schnell öffnen können, was zu einer erhöhten Zufriedenheit bei der Verwendung von Arbeitswerkzeugen führt. Diese Funktion reduziert auch manuelle Arbeit und Fehler und hilft, Zeit und Lösungskosten zu reduzieren.
- Intelligente E-Mail. Dieses Tool ähnelt einer intelligenten Anwendung. Der Endbenutzer kann einen Brief senden, um das Problem in einer natürlichen Sprache zu unterstützen und zu beschreiben. Das Support-Service-Tool erstellt eine Anwendung basierend auf dem Inhalt der E-Mail und antwortet dem Endbenutzer automatisch mit Links zu den vorgeschlagenen Lösungen. Endbenutzer sind zufrieden, da das Öffnen von Anwendungen und Anfragen einfach und bequem ist und IT-Agenten weniger manuelle Arbeit haben.
- Intelligentes Änderungsmanagement. Maschinelles Lernen unterstützt auch moderne Analysen und Änderungsmanagement. Angesichts der häufigen Anzahl von Änderungen, die Unternehmen heute benötigen, können intelligente Systeme Agenten oder Änderungsmanagern Vorschläge zur Optimierung der Umgebung und zur Erhöhung des Prozentsatzes erfolgreicher Änderungen in der Zukunft unterbreiten. Agenten können die erforderlichen Änderungen in einer natürlichen Sprache beschreiben, und Analysefunktionen überprüfen den Inhalt auf das Vorhandensein betroffener Konfigurationselemente. Alle Änderungen werden reguliert, und automatische Anzeigen informieren den Änderungsmanager, wenn Probleme mit der Änderung auftreten, z. B. Risiko, Planung in einem ungeplanten Fenster oder der Status „nicht genehmigt“. Der Hauptvorteil des intelligenten Änderungsmanagements ist eine schnellere Amortisationszeit mit weniger Konfigurationen, Einstellungen und letztendlich weniger Geld.
Letztendlich transformieren maschinelles Lernen und Analysen ITSM-Systeme mit intelligenten Annahmen und Empfehlungen zu Anwendungsproblemen und dem Änderungsprozess, mit denen Agenten und IT-Support-Gruppen beschreiben, diagnostizieren, vorhersagen und vorschreiben können, was passiert ist, was passiert und was passiert. Endbenutzer erhalten proaktive, persönliche und dynamische analytische Bewertungen und schnelle Lösungen. Es wird jedoch viel automatisch getan, d.h. ohne menschliches Eingreifen. Und wenn die Technologie im Laufe der Zeit lernt, werden die Prozesse nur noch besser. Es ist wichtig zu beachten, dass alle in diesem Artikel beschriebenen intelligenten Funktionen heute verfügbar sind.