زمان تقریبی مطالعه: 5 دقیقهما هم اکنون در سال 2018 به سر می بریم و مدیریت خدمات فناوری اطلاعات (ITSM) و پیشخوان خدمات IT نیز علی رغم بحث ها و سوالات پیرامون انقلاب دیجیتال، همچنان پابرجاست. در حقیقت، میزان تقاضا برای پیشخوان خدمات رو به رشد است و گزارش های جهانی حاکی از آن است که 55% سازمان های پشتیبانی، شاهد افزایش حجم تیکت ها در سال 2017 نسبت به سال گذشته بوده اند.
در سوی دیگر، سازمان های زیادی نیز شاهد کاهش 15 درصدی حجم تیکت ها نسبت به سال 2016 بودند که بزرگترین عامل این کاهش، کمک به حل مشکل افراد توسط خودشان بوده است. با این حال، در گزارش ها آمده است که هزینه تمام شده برای هر تیکت، از 18 دلار در سال 2016 به 25 دلار در سال 2017 افزایش پیدا کرده است که قطعاً خوشایند دپارتمان های IT نیست. خوشبختانه اتوماسیون و یادگیری ماشینی می تواند با کاهش خطاها و افزایش کیفیت و سرعت، فرآیند سرویس دهی را بهبود بخشد. یادگیری و تجزیه و تحلیل ماشینی، کلیدی اساسی برای یک پیشخوان خدمات IT هوشمند، پاسخگو و مسئول است که گاهی فراتر از توانایی های انسان عمل خواهد کرد.
این مقاله نگاهی عمیقتر خواهد داشت به اینکه یادگیری ماشینی چگونه می تواند مشکلاتی از ITSM در ارتباط با حجم تیکت ها و هزینه های آن را مرتفع سازد، و چگونگی ایجاد پیشخوان خدماتی سریعتر و خودکار که کارمندان با خوشنودی از آن استفاده کننده را بررسی می کند.
هوشمندی هرچه بیشتر ITSM با بهره گیری از آنالیز و یادگیری ماشینی
از منظر ما، بهترین تعریف یادگیری ماشینی را کمپانی MathWorks بیان می کند:
«یادگیری ماشینی به کامپیوترها می آموزد که آنچه که به طور طبیعی از انسان و حیوان بر می آید را انجام دهند: یادگیری از طریق تجربه. الگوریتم یادگیری ماشینی از روش های محاسباتی برای آموزش مفاهیم از طریق داده ها به صورت مستقیم و بدون اتکا به معادلات از پیش تعیین شده، استفاده می کند. با افزایش تعداد نمونه های موجود برای یادگیری، الگوریتم ها نیز به روزرسانی شده و عملکرد خود را بهبود می بخشند.»
بر اساس یادگیری ماشینی و تکنولوژی های آنالیز داده های بزرگ، قابلیت های زیر در برخی ابزارهای ITSM قابل دسترس است:
پشتیبانی با ربات: عوامل مجازی و ربات های گفتگو می توانند به صورت خودکار خبرها، مقالات، خدمات و بسته های پشتیبانی را از کاتالوگ دانش و درخواست های عمومی به مخاطبان پیشنهاد دهند. این پشتیبانی تمام وقت در قالب یادگیری از طریق پیشنهاداتی برای کاربران نهایی، کمک می کند تا اطمینان یابیم که مشکلات آن ها به طور محسوسی سریعتر حل می شود. تجربه کاربری بهتر و کاهش تعداد تیکت ها از مزایای اصلی این قابلیت به شمار می رود.
اخبار و اطلاعیه های هوشمند: این قابلیت، IT را قادر می سازد تا به طور فعال به کاربران در رابطه با خطاهای بالقوه ای که آن ها را تحت تاثیر قرار می دهد، آگاهی دهد. فناوری اطلاعات می تواند راه های پیشنهادی را از طریق اطلاعیه های شخصی به کاربران نهایی ارسال کند و با اطلاعاتی مفید و کارا در رابطه با خطای مربوطه و چگونگی اجتناب از آن، به آنها قدرت بخشد. بدین ترتیب، کاربران از این پشتیبانی پیشگیرانه سود خواهند برد و تیکت های کمتری نیز ثبت می شود.
جستجوی هوشمند: هنگامی که یک کاربر، برای یک سرویس یا اطلاعات، جستجویی انجام می دهد، سیستم مدیریت دانش می تواند توصیه ها، مقالات و لینک های مربوطه را ارائه نماید. کاربران به طور معمول، روی برخی نتایج کلیک نموده و از مابقی صرف نظر می کنند. تعداد این کلیک ها و نمایش ها، روی وزن معیارها اثر گذاشته و در بازنویسی مجدد محتوا در نظر گرفته می شود، بنابراین قابلیت جستجو، به صورت پویا عمل می کند. ثبت نظر مثبت یا منفی کاربران به محتوا نیز روی امتیاز مطالبی که کاربران می توانند پیدا کنند، تاثیرگذار خواهد بود. بدین ترتیب و بر اساس مزایای حاصل شده، کاربران نهایی با سرعت بیشتری به پاسخ های خود رسیده و احساس خودکفایی بیشتری خواهند داشت. کارشناسان پیشخوان خدمات نیز می توانند تیکت های بیشتری را با اولین برخورد حل کرده و به اهداف SLA دست پیدا کنند.
تیکتینگ هوشمند: امروزه کاربران نهایی انتظار دارند که ثبت تیکت از طریق نوشتن یک توئیت که به صورت خیلی خلاصه بیانگر مشکل یا خواسته باشد و ممکن است از طریق ایمیل ارسال شود نیز ممکن باشد. یا حتی فقط یک تصویر از مشکل مربوطه که از طریق موبایل ارسال شود.
سیستم تیکتینگ هوشمند با پر کردن فیلد های تیکت بر اساس آنچه کاربر نوشته یا شناخت شخصیت وی با اسکن OCR تصویر، به روند تیکت ها سرعت بیشتری می بخشد. سپس فناوری به صورت خودکار و با استفاده از مجموعه مشاهدات، تیکت را به دپارتمان و پشتیبان مربوطه ارجاع می دهد. سپس کارشناسان می توانند تیکت را به دپارتمان پشتیبانی دیگری ارجاع داده یا در صورتی که یادگیری ماشینی در تکمیل خودکار فیلدها اشتباه داشته، آن ها را دوباره تکمیل کنند. این سیستم از الگوهای جدید یاد گرفته و بهترین عملکرد را برای موقعیت بعدی به کار می گیرد. در نتیجه تمام آنچه گفته شد، کاربران نهایی قادر خواهند بود که به سرعت و سهولت هرچه بیشتر، تیکت ثبت کنند که در نهایت به بهبود رضایتمندی از ابزارهای محل کار منجر خواهد شد. این قابلیت همچنین موجب کاهش کار دستی و خطاها و همچنین کاهش زمان و هزینه می شود.
ایمیل هوشمند: این قابلیت، مشابه تیکتینگ هوشمند است. کاربر نهایی می تواند به پیشخوان خدمات ایمیل فرستاده و مشکل خود را شرح دهد. سپس ابزار پیشخوان خدمات بر اساس محتوای ایمیل، تیکت ثبت کرده و همچنین به صورت خودکار در پاسخ ایمیل، راهکارهای پیشنهادی را برای او ارسال می کند. در نتیجه کاربر نهایی تجربه بهتری خواهد داشت و از کارهای دستی کارشناسان IT نیز کاسته می شود.
مدیریت تغییر هوشمند: یادگیری ماشینی همچنین از تجزیه و تحلیل و مدیریت تغییر نیز پشتیبانی می کند. با توجه به تعداد روزافزون تغییراتی که امروزه کسب و کارها با آن سر و کار دارند، سیستم های هوشمند می توانند از کارشناسان یا مدیران تغییر با پیشنهاداتی که موجب بهینه سازی محیط و افزایش درصد موفقیت می شود، حمایت کنند. کارشناسان می توانند آنچه نیاز به تغییر دارد را شرح دهند و قابلیت تجزیه و تحلیل با بررسی متن، موارد پیکربندی که در این تغییر، تحت تاثیر قرار می گیرد را در می یابد.
تغییرات، برنامه ریزی شده و شاخص خودکار به مدیریت اطلاع داده می شود که با این تغییر مشکلاتی مانند ریسک، زمان بندی برای مسائل پیش بینی نشده وجود دارد یا خیر، تا او تایید کند. مزیت کلیدی مدیریت تغییر هوشمند، سرعت عمل است که با پیکربندی و تنظیمات و در نهایت صرف هزینه کمتر، ارزشمند خواهد بود.
در پایان، تجزیه و تحلیل و یادگیری ماشینی، سیستم های ITSM را از طریق مفروضات هوشمندانه و توصیه هایی در رابطه با مشکلات تیکتینگ و روند تغییر، دگرگون می کند که کارشناسان و تیم های پشتیبانی IT را کمک می کند که بتوانند آنچه در گذشته، حال و آینده اتفاق می افتد را شرح داده، بشناسند، پیش بینی کرده و در رابطه با آن تصمیم بگیرند. کاربران نهایی نیز بینشی پیشگیرانه، شخصی و پویا به دست می آورند. بسیاری از این امور به صورت خودکار و بدون دخالت انسان صورت می گیرد و با یادگیری ماشینی در طول زمان، فرآیندها قطعا بهتر خواهند شد.
قابل ذکر است که تمامی امکانات هوشمندی که در این مقاله شرح داده شد، امروزه در دسترس هستند.
منبع: وب سایت itsm.tools
ترجمه و بازنویسی: گروه فناوری پرند
