Pada tahun 2018, kami dengan kuat mengonsolidasikan posisi kami - layanan manajemen layanan TI (ITSM) dan layanan TI masih terus beroperasi, meskipun pembicaraan terus-menerus tentang berapa lama mereka akan bertahan dalam revolusi digital. Memang, permintaan untuk layanan dukungan teknis meningkat - Laporan Dukungan Teknis dan Laporan Gaji
HDI (Help Desk Institute) untuk 2017 menunjukkan bahwa 55% layanan dukungan teknis mencatat peningkatan volume aplikasi selama setahun terakhir.
Di sisi lain, banyak perusahaan mencatat penurunan volume panggilan dukungan teknis tahun lalu (15%) dibandingkan dengan 2016 (10%). Faktor kunci yang berkontribusi terhadap penurunan jumlah aplikasi adalah dukungan teknis independen. Namun, HDI juga melaporkan bahwa tahun lalu biaya aplikasi naik menjadi $ 25, dibandingkan dengan $ 18 pada 2016. Ini bukan tujuan sebagian besar layanan TI. Untungnya, otomatisasi berdasarkan analitik dan pembelajaran mesin dapat meningkatkan proses dukungan dan produktivitas dengan mengurangi kesalahan dan meningkatkan kualitas dan kecepatan. Kadang-kadang ini melampaui kemampuan manusia, dan pembelajaran mesin dan analitik adalah landasan utama untuk layanan dukungan TI yang cerdas, mampu, dan operasional.
Artikel ini membahas secara lebih rinci bagaimana pembelajaran mesin dapat memecahkan banyak masalah layanan dukungan dan ITSM terkait dengan volume dan biaya aplikasi, dan bagaimana membuat layanan dukungan yang lebih cepat dan otomatis yang akan digunakan karyawan perusahaan dengan senang hati.
ITSM yang efektif melalui pembelajaran mesin dan analitik
Definisi favorit saya tentang pembelajaran mesin
berasal dari MathWorks :
“Pembelajaran mesin mengajarkan komputer untuk melakukan apa yang alami bagi manusia dan hewan untuk belajar dari pengalaman mereka sendiri. Algoritma pembelajaran mesin menggunakan metode komputasi untuk mempelajari informasi langsung dari data, tanpa mengandalkan persamaan yang telah ditentukan sebagai model. Algoritme secara adaptif meningkatkan efisiensinya sendiri karena jumlah sampel yang tersedia untuk studi meningkat. ”
Opsi berikut tersedia untuk beberapa alat ITSM berdasarkan pembelajaran mesin dan analitik Big Data:
- Dukungan melalui bot. Agen virtual dan chatbots dapat secara otomatis menawarkan berita, artikel, layanan, dan penawaran dukungan dari direktori data dan permintaan publik. Dukungan 24/7 seperti itu dalam bentuk program pelatihan pengguna akhir yang ditawarkan membantu menyelesaikan masalah dengan lebih cepat. Keuntungan utama bot adalah antarmuka pengguna yang ditingkatkan dan lebih sedikit panggilan masuk.
- Berita dan pemberitahuan pintar. Alat-alat ini memungkinkan Anda memberi tahu pengguna sebelumnya tentang potensi masalah. Selain itu, profesional TI dapat merekomendasikan solusi untuk menyelesaikan masalah dengan notifikasi pribadi yang memberikan informasi terkini dan berguna tentang masalah yang mungkin dihadapi pengguna akhir, serta tips tentang cara menghindarinya. Pengguna yang diinformasikan akan menghargai dukungan TI yang aktif, dan jumlah panggilan masuk akan berkurang.
- Pencarian cerdas. Ketika pengguna akhir mencari informasi atau layanan, sistem manajemen pengetahuan yang peka konteks dapat memberikan rekomendasi, artikel, dan tautan. Pengguna akhir biasanya melewatkan beberapa hasil, lebih memilih yang lain daripada mereka. Klik ini dan jumlah tampilan termasuk dalam kriteria "pembobotan" ketika mengindeks ulang konten dari waktu ke waktu, sehingga kemampuan pencarian disetel secara dinamis. Karena pengguna akhir memberikan umpan balik dalam bentuk suara "suka / tidak suka", ini juga memengaruhi peringkat konten yang dapat mereka dan pengguna lain temukan. Dalam hal manfaat, pengguna akhir dapat dengan cepat menemukan jawaban dan merasa cukup percaya diri, dan agen pendukung dapat memproses lebih banyak permintaan dan mencapai lebih banyak perjanjian kualitas layanan (SLA).
- Analisis topik populer. Di sini, kemampuan analitik mengungkapkan pola untuk sumber data terstruktur dan tidak terstruktur. Informasi tentang topik populer ditampilkan secara grafis dalam bentuk peta panas, di mana ukuran segmen sesuai dengan frekuensi topik atau kelompok kata kunci tertentu yang diminta oleh pengguna. Insiden berulang akan terdeteksi secara instan, dikelompokkan dan diselesaikan bersama. Analisis topik populer juga mendeteksi kelompok kejadian dengan akar penyebab yang sama dan secara signifikan mengurangi waktu untuk mengidentifikasi dan menyelesaikan masalah utama. Teknologi ini juga dapat secara otomatis membuat artikel berbasis pengetahuan berdasarkan interaksi yang sama atau masalah serupa. Menemukan tren dalam data apa pun meningkatkan aktivitas departemen TI, mencegah terulangnya insiden dan, karenanya, meningkatkan kepuasan pengguna akhir sekaligus mengurangi biaya TI.
- Aplikasi cerdas. Pengguna akhir berharap bahwa mengirimkan aplikasi tidak lebih sulit daripada menulis tweet, yaitu pesan singkat dalam bahasa alami yang menjelaskan masalah atau permintaan yang dapat dikirim melalui email. Atau bahkan hanya melampirkan foto masalah dan mengirimkannya dari perangkat seluler Anda. Mendaftarkan aplikasi pintar mempercepat proses membuat panggilan dengan secara otomatis mengisi semua bidang berdasarkan apa yang ditulis pengguna akhir atau pemindaian gambar yang diproses menggunakan program optical character recognition (OCR). Menggunakan seperangkat data pengamatan, teknologi secara otomatis mengklasifikasikan dan menangani permintaan kepada agen pendukung yang sesuai. Agen dapat mengarahkan aplikasi ke berbagai kelompok pendukung dan dapat menimpa bidang yang diisi secara otomatis jika model pembelajaran mesin tidak optimal untuk kasus ini. Sistem belajar dari templat baru, yang memungkinkan Anda untuk lebih baik mengatasi masalah yang muncul di masa depan. Semua ini berarti bahwa pengguna akhir dapat dengan mudah dan cepat membuka aplikasi, yang mengarah pada peningkatan kepuasan saat menggunakan work tool. Fitur ini juga mengurangi pekerjaan manual dan kesalahan dan membantu mengurangi biaya waktu dan resolusi.
- Email cerdas. Alat ini menyerupai aplikasi pintar. Pengguna akhir dapat mengirim surat untuk mendukung dan menjelaskan masalah dalam bahasa alami. Alat layanan dukungan membuat aplikasi berdasarkan konten email, dan juga secara otomatis menanggapi pengguna akhir dengan tautan ke solusi yang diusulkan. Pengguna akhir puas karena membuka aplikasi dan pertanyaan mudah dan nyaman, dan agen TI memiliki pekerjaan manual yang lebih sedikit.
- Manajemen perubahan yang cerdas. Pembelajaran mesin juga mendukung analitik modern dan manajemen perubahan. Mempertimbangkan banyaknya perubahan yang dibutuhkan perusahaan saat ini, sistem cerdas dapat memberi agen atau manajer perubahan proposal yang bertujuan untuk mengoptimalkan lingkungan dan meningkatkan persentase perubahan yang berhasil di masa depan. Agen dapat menjelaskan perubahan yang diperlukan dalam bahasa alami, dan kemampuan analitik akan memeriksa konten untuk keberadaan elemen konfigurasi yang terpengaruh. Semua perubahan diatur, dan indikator otomatis menginformasikan manajer perubahan jika ada masalah dengan perubahan, seperti risiko, perencanaan di jendela yang tidak direncanakan atau statusnya "tidak disetujui". Keuntungan utama dari manajemen perubahan cerdas adalah waktu pengembalian yang lebih cepat dengan konfigurasi, pengaturan, dan, pada akhirnya, lebih sedikit uang.
Pada akhirnya, pembelajaran mesin dan analitik mengubah sistem ITSM dengan asumsi dan rekomendasi cerdas tentang masalah aplikasi dan proses perubahan yang membantu agen dan kelompok pendukung TI menggambarkan, mendiagnosis, memprediksi, dan meresepkan apa yang terjadi, apa yang terjadi dan apa yang terjadi. Pengguna akhir menerima evaluasi analitik proaktif, pribadi, dan dinamis dan solusi cepat. Namun, banyak yang dilakukan secara otomatis, mis. tanpa campur tangan manusia. Dan seiring teknologi belajar dari waktu ke waktu, proses hanya menjadi lebih baik. Penting untuk dicatat bahwa semua fitur pintar yang dijelaskan dalam artikel ini tersedia hari ini.