Библиографическое описание:

Рогачева Е. В., Ломакин В. В. Интеллектуализация базы знаний систем Service Desk // Молодой ученый. — 2012. — №2. — С. 63-66.

Конкретным содержанием управления производственной деятельностью, кроме всего прочего, является получение в результате производства необходимого соотношения прибыли и затрат. Одной из статей затрат для предприятия является содержание информационно-технического подразделения.
Эффективность работы современного предприятия напрямую зависит от эффективности работы ИТ подразделения. Качество работы ИТ существенно влияет на работу бизнеса, т.к. при помощи ИТ поддерживаются основные бизнес процессы компании. Более того, от качества работы ИТ напрямую зависит конечная стоимость товаров и услуг предлагаемых компанией потребителю. Чем больше тратится на ИТ, тем выше стоимость конечной продукции, с одной стороны. С другой стороны, недофинансирование ИТ ведет к замедлению и нарушению бизнес процессов, что, в свою очередь, ведет к увеличению других издержек [10].
Основными задачами построения рабочего процесса в ИТ подразделении являются:
  • Использование информационных технологий компании в качестве инструмента, способствующего динамичному развитию и конкурентоспособности;
  • Определение состояния равновесия между стоимостью ИТ и качеством их работы;
  • Упорядочивание работы ИТ подразделения.

Со стороны управления, руководство любого предприятия напрямую заинтересовано в прозрачности деятельности каждого подразделения. Особенно актуален этот вопрос для служб ИТ-поддержки, поскольку, зачастую данная служба организационно не входит в различные структурные подразделения организации. Не секрет, что высокопрофессиональные специалисты редко придают большое значение своей компании. Использование единой системы контроля за деятельностью специалистов ИТ-служб позволила бы объективно оценить размер финансовых затрат на содержание ИТ-специалистов. А так же позволила бы создать актуальную картину состояния информационно-технической сферы на предприятии как то: состояние парка машин, обеспечение программными средствами, косвенно – уровень подготовки сотрудников компании.
Со стороны рядовых сотрудников предприятия, единая, обезличенная, ориентированная на обычных пользователей ПК система должна быть призвана для упрощения взаимодействия с ИТ-специалистами. Ведь основная задача ИТ-служб - обслуживание работников среднего и низшего звеньев, которые являются основными пользователями ИКТ.
Для ИТ-структуры, необходимость в такого рода системе обусловлена необходимостью стандартизации решения возникающих вопросов, нахождения эффективного пути их решения и минимизации времени на их устранение. В связи с тем, что сотрудникам данных служб зачастую приходится решать одни и те же вопросы, но в параллельном режиме, возникает необходимость использования уже найденных решений, тем самым, сокращая время выполнения и возможные простои обслуживаемых подразделений. Так же, существует необходимость разгрузки сотрудников служб информационных технологий, связанных с поиском типичных ошибок пользователей, связанных с настройкой прикладных программ.
Организовать единое пространство для взаимодействия пользователя и службы поддержки призваны так называемые системы Service Desk.
Согласно ITIL, процессы управления инцидентами и проблемами, а также Service Desk организуются для решения следующих задач:
  • Процесс управления инцидентами — восстановление согласованного уровня услуги в кратчайшие сроки с минимальным влиянием на бизнес-процессы. Регистрация и учет всех инцидентов.

  • Процесс управления проблемами — определение корневой причины возникающих инцидентов и предотвращение новых сбоев. Анализ инфраструктуры ИТ с целью определения и исправления "слабых мест".
  • Service Desk — единая точка контакта пользователей с ИТ-службой. Прием и регистрация всех обращений. Начальная поддержка пользователей. Диспетчеризация обращений внутри ИТ-службы. Обеспечение процедур по процессам, включая управление инцидентами и проблемами.

На рынке программных продуктов уже давно не являются новинкой всевозможные системы helpdesk, service desk, призванные решать все описанные выше проблемы и не только.
Среди русскоязычных систем следует выделить: HP OpenView Service desk, Naumen Service Desk, AstroSoft HelpDesk, SoftIntegro ИнфраМенеджер, FrontRange IT Service Management, Итилиум и др.
База знаний является важным сопроводительным инструментом для современных решений класса Service Desk.
В процессе создания и функционирования баз знаний систем Service Desk большое внимание уделяется качеству содержимого баз знаний. Международным альянсом Consortium for Service Innovation была разработана целая методология централизации знаний при организации работы служб технической поддержки. Ключевые принципы данной методологии таковы:
  • Статьи в базе знаний службы технической поддержки должны создаваться автоматически, в процессе обработки заявок пользователей;
  • База знаний должна модифицироваться непосредственно в процессе её использования специалистами службы;
  • База знаний должна хранить накопленный опыт за весь период работы системы;
  • Оценивать специалистов за их способность учиться и помогать учиться другим методами поощрения.
Однако, существующие базы знаний в подобных системах ориентированы на самостоятельную работу пользователей и технических специалистов с ней с использованием поисковых запросов. Каждый сотрудник имеет возможность решить свою проблему самостоятельно методом поиска решений среди накопленных.
Построение баз знаний в системах сводится к формированию общего хранилища написанных специалистами службы поддержки статей и инструкций. Использование таких баз знаний подразумевает под собой самостоятельный поиск ранее найденных решений с использованием двух сценариев поиска:
  1. Контекстный поиск;

  2. Поиск по тэгам.

Однако, согласно исследованиям IBM, лишь 5% инцидентов решаются инициаторами самостоятельно на основе работы с существующей базой знаний без привлечения специалистов.
Данный подход является неэффективным, поскольку любой сотрудник, столкнувшийся с технической проблемной ситуацией при выполнении прямых обязанностей, справедливо ожидает оперативного решения своей проблемы специализированной службой.
Этому способствуют несколько существующих проблем.
Во-первых, устройство и работа компьютера лишь поверхностно знакомы пользователю, что является причиной отсутствия комплексных знаний. Во-вторых, компьютерная техника, программное обеспечение стоят дорого, пользователь боится произвести новую или непонятную ему операцию из-за возможности выхода из строя техники. В-третьих, искомые решения в базе знаний определяются вызвавшей их проблемой. Которая, в свою очередь, была описана таким же пользователем. Вряд ли два разных сотрудника могут одинаково описать одну и ту же проблему. Отсутствие четко описанной и структурированной проблемы не позволяет другим пользователям найти уже имеющееся решение.
В связи с чем становится актуальным изучение, диагностика, хранение результатов исправления и методов решений, прогнозирование возникающих проблем, что приводит к необходимости реализации интеллектуальной системы позволяющей минимизировать ошибочное описание проблемы конечным пользователем и максимально быстро подбирать подходящее решение данной проблемы, которые могли бы устраняться пользователем самостоятельно без отвлечения ИТ-специалистов от более сложных задач или с помощью специалистов ИТ-служб, помощь которым могла бы оказать данная интеллектуальная система на основе накопленной базы знаний.
Определение оптимальных параметров ввода, обучения и поиска ИИС позволит сократить время ожидания решения проблемы конечного пользователя.
При создании подобной системы необходимо учитывать следующие факторы:
          1. Нормализация ввода заявки пользователей о произошедшем инциденте с жесткими параметрами ввода позволит составить более верную карту поиска решения;
          2. Сведения об оборудовании и установленном программном обеспечении обновляются как при изменении состояния программного и аппаратного обеспечения, так и при формировании заявки;
          3. Сбор сведений об оборудовании пользователя позволяет диагностировать проблему на уровне технической поддержки;
          4. По нормализованным введенным данным и первичным ответам возможно первичное обучение системы распознавания на основе нейрокомпьютерных сетей;
          5. Необходимо вести учет закупаемых расходных материалов и запчастей для определения возможности выполнения заявки имеющимися в наличии средствами;
          6. Необходимость в экспертной оценке решений для выявления наиболее верных и быстрых решений возникающих заявок;
          7. Постоянное обучение нейрокомпьютерных сетей при появлении новых решений и экспертной оценки;
          8. Определение необходимости привлечения сотрудника ИТ-подразделения для решения и выбор экспертного решения конечному пользователю системы или сотруднику ИТ-служб.
При оптимальном учете данных факторов возможно значительное сокращение трудозатрат на ИТ поддержку предприятия.
Анализ существующих методов обработки информации и метаалгоритмов решения задач показал, что вышеперечисленным требованиям достаточно хорошо удовлетворяют нейроинформационные технологии, базирующиеся на искусственных нейронных сетях.
Для возможности использования нейрокомпьютерных сетей для поиска существующего решения инцидента необходимо структурировать описание инцидента, в связи с чем пользователю необходимо будет пройти некоторые шаги для более точного определения и структурирования проблемной области. Для этих целей необходимо использование шаблонов ввода заявки.
Для более точной характеристики инцидента в обязательном порядке база знаний должна содержать следующие сведения о пользователе: список установленного ПО, полную информацию о сетевых настройках и месте расположения ПК пользователя, полное описание составных частей ПК пользователя и периферических устройств используемых пользователем, включая сетевые периферийные устройства.
Выполнение инцидентов в обязательном порядке дополняет и обновляет информацию в карточке пользователя, с регистрацией даты и времени его обращений.
Для хранения данных введенных пользователем во время регистрации инцидента база знаний должна содержать следующие таблицы:
  • Справочник глобальных групп (ПО, ТО);
  • Справочник выполняемых действий;
  • Справочник локальных групп (ПО и ТО), подчиненный справочнику глобальных групп;
  • Группа справочников, содержащую список ПО (в дальнейшем справочник ПО);
  • Группа справочников, содержащую список ТО (в дальнейшем справочник ТО);
  • Группа таблиц документов регистрации инцидента с хранением текстового описания введенного пользователем;
  • Справочник тегов (слов, необходимых для автоматической обработки текстового сообщения). Каждый тег должен обладать уникальным индексным номером, необходимым для составления входного вектора;
  • Группа таблиц документов-шаблонов инцидента не имеющего аналогов в базе знаний (подробное описание инцидента ответственным сотрудником ИТ службы) – формирование обучающей выборки;
  • Таблица расчетных весов синапсов обученной нейрокомпьютерной сети;
  • Группа таблиц документов, содержащих решение инцидента пользователя.
Ниже перечислены шаги, необходимые для построения базы знаний, основанной на использовании нейросетевых технологий:
  1. Построение базы данных с целью стандартизации ввода заявки и последующим использованием данных для нейрокомпьютерной сети;

  2. Построение входного вектора нейрокомпьютерной сети.

Входной вектор нейрокомпьютерной сети строится на информации введенной пользователем при описании инцидента, а именно, определение глобальной группы, определение локальной группы, определение ПО, и используемые теги при конкретизации заявки.
  1. Обучение нейрокомпьютерной сети.

При обучении нейрокомпьютерной сети необходимо использовать шаблон, составленный на основании заявки, специалистом службы ИТ и занесенным в таблицу «документ-шаблон». Результирующим вектором (выходным) являются данные таблицы базы знаний, содержащей решение данного инцидента.

На основании этих документов проводится обучение нейрокомпьютерной сети (расчет коэффициентов связи нейронов). Данные расчетные коэффициенты после обучения сохраняются в таблице базы знаний.

Обученная нейрокомпьютерная сеть позволит находить при существовании шаблона единственное конкурентное решение инцидента или множество решений для выбора верного специалистом ИТ-службы, сокращая время на его устранение за счет исключения дополнительного изучения типичных существующих инцидентов.
У процесса «Управление инцидентами» как и у любого другого процесса есть свои параметры (метрики), по которым контролируется качество этого процесса. Метриками в частности являются:
  • Общее количество инцидентов;
  • Среднее фактическое время, затраченное на разрешение инцидентов / поиск обходного решения;
  • Процент инцидентов, обработанных в рамках согласованного времени реакции (SLA);
  • Средние затраты на инцидент;
  • Процент инцидентов, закрытых без передачи на другие уровни поддержки;
  • Количество и процент инцидентов, разрешенных удаленно, без посещения.
Внедрение самообучающейся базы знаний позволит улучшить качество предоставляемых сервисов в разрезе данных метрик счет быстрого поиска ранее найденных решений.

Литература:

  1. Алехин 3. Service Desk цели, возможности, реализации // Открытые системы, №5-6, 2001, стр. 43-48.
  2. Белоус Сергей // http://www.itsmportal.com.ua/art002.html Service Desk, управление инцидентами и мониторинг ИТ-инфраструктуры
  3. Гаврилова Т.А., Черевинская К.Р. Извлечение и структурирование знаний для экспертных систем. - М.: Радио и связь, 1992.
  4. Гаврилова ТА., Хорошевский В.Ф., 2000. Базы знаний интеллектуальных систем / Учебник для вузов. – СПб, Изд-во “Питер”, 2000.
  5. Георгий Ованесян Кто поможет Service desk? http://www.cio-world.ru/
  6. Горбань А.Н. Обучение нейронных сетей. М.: СП Пара Граф, 1991
  7. Круглов, В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия —Телеком: Грааль. 2001
  8. Менеджмент: век ХХ- век ХХI / Под ред. О.С. Виханского, А.И. Наумова. - М.: Экономистъ, 2006.
  9. Принципы организации ИТ подразделения компании // http://www.it-partner.ru/Article/View/90

  10. Ренат Багиров ИТ-менеджмент начинается с Service Desk http://www.outsourcing.ru/content/rus/167/1677-article.asp
  11. Сергей Лямуков Управление знаниями в Service Desk Открытые системы , № 01, 2010

  12. Управление инцидентами // http://www.i-teco.ru
  13. http://inframanager.ru/product/Service_Desk/knowledge_base/
  14. http://www.akelon.com
  15. http://www.antel.biz/ITIL/
  16. http://www.aiportal.ru/

  17. http://www.helpdesks.ru/helpdesk-comparison.htm

Обсуждение

Социальные комментарии Cackle