Анализ требований: Определено требование: Основная функция справочной службы – это обрабатывать инциденты и запросы на обслуживание. Помощь столам стремиться обеспечить быстрое исправление для выпущений пользователей, обрабатывая запрос через его жизненный цикл и возвращая службу к его нормальному состоянию как можно скорее. Сюжеты Helpks Чаще всего предлагают базовые возможности управления инцидентом и проблем с SLA, возможностями самообслуживания и базой знаний. Это позволяет конечным пользователям собрать билеты и получать поддержку. Предлагаемые модули: • Инцидент/Запрос/Управление задачами O Управляйте жизненным циклом инцидентов или запросов на обслуживание, поднятые конечными пользователями. Изменить управление Уровень обслуживания Уровень мониторинга и управления Услуги по каталогу Услуги и возможности самообслуживания I. Разрешить пользователям разрешать общие проблемы самостоятельно и уменьшить рабочую нагрузку справки. Управление активами I. Управляйте любой документацией, включая скриншоты и т. Д. Отчетность Опрос конечного пользователя Инцидент/Запрос/Управление проблем Управляйте жизненным циклом инцидентов или запросов на обслуживание, поднятые конечными пользователями. Изменить Управление обслуживаниями Уровень мониторинга и управленческого мониторинга и управленческого обслуживания База знаний и возможности самообслуживания I. Разрешить пользователям разрешать общие проблемы самостоятельно и уменьшить рабочую нагрузку справки. Управление активами I. Управляйте любой документацией, включая скриншоты и т. Д. Отчетность Освобождения конечных пользователей Ключевые соображения для службы поддержки решения DAY добавляет стоимость, помогая организации лучше управлять опытом клиентов. Вот несколько ключевых соображений при разработке решения: • Автоматизация I. Создание билета II. Автоматическая эскалация на основе типов билетов и SLA автоматически назначает билеты на техники IV. Автоматизированная служба сброса пароля v. Автоматизация рабочего процесса VI. Автоматические уведомления для зарубевщиков и техников безопасности I. Разрешения на основе ролей II. Безопасная связь с шифрованием данных III. Аудит журналы одиночной точки контакта I. Система билета на IT-поддержку сходится все входящие связи и преобразует службу поддержки на одну точку контакта для всех запросов/запросов клиентов. Централизация I. Все данные, запросы, запросы и билеты и билеты централизованы в одном месте, что облегчает доступ и управлять им. Эффективность я. При четко определенных рабочих процессах и процессах программное обеспечение поддержки службы поддержки помогает устранить резервные задачи и повысить эффективность. Непрерывность I. С правильными инструментами и подкреплением из существующих билетов команды продуктов могут минимизировать прерывания услуг. SLA Management I. Позволяет пользователям устанавливать, отслеживать и управлять SLA, чтобы убедиться, что услуги предоставляются вовремя. Прозрачность я. Защитники и инженеры могут просматривать точный, текущий статус их запросов и билетов. Управление рисками I. Инженеры могут назначать, анализировать и управлять рисками, связанными с инцидентом, проблемой или изменением. Приоритеты запросов я. Любой входящий инцидент или запрос на обслуживание будет назначен соответствующие уровни приоритетов и соответственно обработаны. Самообслуживание я. Конечные пользователи могут получить доступ к решениям общих проблем, чтобы исправить проблемы. Отчетность и метрики I. Разрешить заинтересованным сторонам определить и отслеживать важные ключевые показатели эффективности (KPI) и генерируют отчеты для оценки общей справочной службы здравоохранения. III. Автоматически назначать билеты на техники IV. Автоматизированная служба сброса пароля v. Автоматизация рабочего процесса VI. Автоматические уведомления для зарубевщиков и техников безопасности I. Разрешения на основе ролей II. Безопасная связь с шифрованием данных III. Аудит журналы одиночной точки контакта I. Система билета на IT-поддержку сходится все входящие связи и преобразует службу поддержки на одну точку контакта для всех запросов/запросов клиентов. Централизация I. Все данные, запросы, запросы и билеты и билеты централизованы в одном месте, что облегчает доступ и управлять им. Эффективность я. При четко определенных рабочих процессах и процессах программное обеспечение поддержки службы поддержки помогает устранить резервные задачи и повысить эффективность. Непрерывность I. С правильными инструментами и подкреплением из существующих билетов команды продуктов могут минимизировать прерывания услуг. SLA Management I. Позволяет пользователям устанавливать, отслеживать и управлять SLA, чтобы убедиться, что услуги предоставляются вовремя. Прозрачность я. Защитники и инженеры могут просматривать точный, текущий статус их запросов и билетов. Управление рисками I. Инженеры могут назначать, анализировать и управлять рисками, связанными с инцидентом, проблемой или изменением. Приоритеты запросов я. Любой входящий инцидент или запрос на обслуживание будет назначен соответствующие уровни приоритетов и соответственно обработаны. Самообслуживание я. Конечные пользователи могут получить доступ к решениям общих проблем, чтобы исправить проблемы. Отчетность и метрики I. Разрешить заинтересованным сторонам определить и отслеживать важные ключевые показатели эффективности (KPI) и генерируют отчеты для оценки общей справочной службы здравоохранения. Решение Подход Ручное назначение билетов и управление создает неэффективность и добавляет задержки для выдачи разрешений. Итак, мы подумали о решении этой проблемы с помощью машинного обучения и создания платформы, которая автоматически присваивает билет в наиболее подходящие команды или инженеры, а также обладает способностью учиться и улучшаться со временем. Модель: Multinomial Naive Bayes Classification Model будет наилучшим образом подходящим для классификации билетов. Naive Bayes – это семейство алгоритмов, основанных на применении теоремы Байеса с предположением, что каждая особенность не зависит от других, чтобы предсказать категорию данного образца. Они являются вероятностными классификаторами, поэтому рассчитают вероятность каждой категории, используя теорему Bayes, и категория с наибольшей вероятностью будет выводиться. У нас есть другие альтернативы при работе с проблемами NLP, такие как поддержка векторных машин (SVM) и нейронных сетей. Однако простая конструкция Naive Bayes Classifiers делает его очень привлекательным для таких классификаторов. Более того, они были продемонстрированы быть быстрыми, надежными и точными в ряде приложений NLP. Мы выполним следующие очень распространенные, но важные этапы предварительной обработки данных: A. строчные и удаление слов стоп – преобразовать все описание ввода в нижний регистр и снимите слов стоп-памяти, поскольку они не добавляют никакого значения к категоризации B. Лемматизирующие слова – эти группы вместе разные разрывы одинаковых слов, как организовать, организуют, организацию и т. Д. C. N-граммы – использование N-граммов, мы можем подсчитать последовательность слов, а не подсчитать отдельные слова
Модель классификации Naive Bayes Bayes будет наилучшим образом подходящим для классификации билетов. Naive Bayes – это семейство алгоритмов, основанных на применении теоремы Байеса с предположение, что каждая особенность не зависит от других, чтобы предсказать категория данного образца. Они являются вероятностными классификаторами, поэтому рассчитают Вероятность каждой категории, используя теорему Bayes и категорию с самым высоким вероятность будет выведена. У нас есть другие альтернативы при работе с проблемами NLP, такие как вектор поддержки Машина (SVM) и нейронные сети. Тем не менее, простой дизайн Naive Bayes Classifiers делает его очень привлекательным для таких классификаторов. Более того, они были продемонстрированы, чтобы быть Быстрый, надежный и точный в ряде приложений NLP. Мы провели следующие очень распространенные, но решающие шаги предварительной обработки данных: A. Нижняя регистрация и удаление стоп-слов – Преобразование всего описания ввода в нижний регистр и удалите слов стоп, так как они не добавляют никакого значения для категоризация B. Лемматизирующие слова – эти группы вместе различные невыполнения одинаковых слов Как организовать, организует, организация и т. Д. C. N-граммы – использование N-граммов, мы можем подсчитать последовательность слов вместо Подсчет одного слова Этот учебник поможет узнать подробную информацию об этом процессе создания модели ML: https://towardsdatascience.com/real-Time-it-support-ticket-classification-with-aws- лямбда-и-модель-переподготовка-e4cb53814e9
Основные решения с NLP и ML могут быть как выше.
Диаграмма базовых услуг
Образец – первичные решения структуры
AWS Архитектура для поддержки Решения [Высокий уровень] Каждый сервис [Micro] будет реализован с помощью Lambda • Основные меню могут иметь следующие услуги: i. База знаний или Self Services или Chatbot II. Жить Чат III. Свяжитесь с нами IV. Мои билеты A. Beget B. Назначение билетов v. Живая поддержка A. Несколько каналов Поддержка B. Интеграция C. Приложение файлов D. Многоязычная поддержка Если требуется E. Customization
Предлагаемая ядро IT-структура должна быть в AWS • Централизованная база данных конечных деталей пользователей, билетов, истории рабочей станции и инструментов разрешения. • История всех билетов и действий, выполненных на них, наряду с деталями техники. • Репозиторий решений в базе знаний. • Автоматизированные рабочие процессы и процессы. • Уведомления о реальном времени о запросах и билетах. • Мультиуровень организованной помощи в зоне архитектуры. • Отслеживание и измерение KPI. Структура ядра это будет следовать
ЗАМЕТКА: Мы должны проанализировать текущие системы билетов, приложений (мобильных, веб), чтобы понять возможность для интеграции.
Оригинал: “https://dev.to/dhirajpatra/how-to-create-a-machine-learning-based-help-desk-system-with-aws-2paf”