Applications d'entreprise similaires

  • Rversion finale: Yokohama
  • Mis à jour 30 janv. 2025
  • 6 minutes de lecture

    • Utilisez ce modèle pour recommander la catégorie d'application d'entreprise en fonction du nom et de la description des applications d'entreprise existantes.

    Avant de commencer

    Rôle requis : piwb_manager ou piwb_viewer

    Pourquoi et quand exécuter cette tâche

    Ce modèle de cas d'utilisation vous permet d'améliorer vos recommandations de catégorie d'application d'entreprise ITSM en fonction du nom et de la description des applications d'entreprise existantes. Le modèle fournit également un lien vers l'application de plateforme Intelligence prédictive et la documentation associée.

    Le cas d'utilisation utilise un modèle prédictif basé sur la similarité qui compare un incident entrant avec les incidents résolus passés pour une résolution plus intelligente. Des incidents actifs passés similaires sont affichés dans Assistant d'agent ainsi que dans le formulaire d'incident via la recherche connexe.
    Remarque :
    Les utilisateurs métiers devront valider les résultats de recherche d'incidents actifs similaires précédents. Au besoin, contactez Service et assistance client pour configurer des sources pour la recherche contextuelle.

    Lorsque le modèle de cas d'utilisation affiche l'étiquette Préformé, vous pouvez accéder directement à la section d'implémentation Test de vos modèles. Sinon, vous commencerez par créer un modèle d'apprentissage machine.

    Procédure

    1. Si vous avez démarré cette procédure directement à partir du module Créer à partir d'un modèle du produit Console Intelligence prédictive et cliqué sur le lien de la documentation du produit pour vous y rendre, ignorez cette étape.
      Sinon, accédez à Console Intelligence prédictive > Cas d'utilisation > Créer à partir d'un modèle.
    2. Sélectionnez le modèle Suggérer des incidents pertinents pour un incident.
      La fenêtre contextuelle Suggérer des incidents pertinents pour un incident s'ouvre avec un lien vers cette procédure et un lien vers le produit Intelligence prédictive de la plateforme et la documentation associée.
    3. Créez et formez un modèle prédictif d'apprentissage machine.
      La création d'un modèle implique les éléments suivants : création d'un corpus de mots, définition d'une règle de prédiction de similarité, définition de la fréquence de formation initiale et définition de la fréquence d'actualisation.
      1. Créez un corpus de mots.

        Lors de la création d'un corpus de mots sur le formulaire Contenu du corpus de mots, sélectionnez une table associée aux incidents, telle que Incident [incidents] dans le champ Table et définissez le délai qui décrit le mieux l'utilisation actuelle des mots dans le champ Filtre. Par exemple, si votre système informatique a subi un changement d'infrastructure important six mois plus tôt, utilisez uniquement les données des six derniers mois. Dans le champ Liste des champs, définissez uniquement les champs qui capturent le mieux les mots : Description, Brève description et Notes de résolution. La définition de ces mots est généralement suffisante, car la règle de prédiction est censée trouver des incidents en fonction de la brève description.

        La création du corpus de mots vous prépare pour l'étape suivante, en créant la règle de prédiction de similarité.

      2. Créez et formez une solution de similarité.
      3. Pour cette création de modèle initiale, indiquez l'étiquette de définition de solution de similarité Incidents similaires dans le champ Étiquette.
      4. Définissez le champ Fréquence de la formation sur Exécuter une fois.
        Vous pouvez réinitialiser cette configuration après avoir implémenté ce cas d'utilisation dans vos processus business et avoir surveillé ses performances dans le tableau de bord Console Intelligence prédictive.
      5. Définissez le champ Fréquence de mise à jour sur Toutes les 15 minutes.
        Ce paramètre définit la fréquence à laquelle les incidents passés sont actualisés dans la fenêtre de recherche.

        Si possible, et le cas échéant, utilisez un corpus de mots existant, créé pour un autre cas d'utilisation afin de réduire votre corpus global de mots et de faciliter la gestion de ces enregistrements. Dans le champ Table du formulaire de définition de similarité, sélectionnez uniquement les entrées de similarité qui seront disponibles au moment de la prédiction pour les incidents entrants. Vous pouvez sélectionner d'autres entrées dans le champ Table de test, le cas échéant, pour comparaison. Il est préférable de commencer par des champs similaires pour les champs Table et Table de test.

        Les conditions du champ Filtre déterminent la fenêtre de recherche pour les incidents résolus passés. Configurez les conditions de filtre à optimiser pour le meilleur ensemble d'incidents résolus à rechercher. Vous devez prendre en compte de nombreuses considérations, telles que le délai, l'emplacement, la catégorie qui correspond aux incidents, etc.

      6. Cliquez sur Soumettre et former pour créer votre enregistrement de solution de similarité et le former.
        Vous pouvez également cliquer sur Soumettre pour sauvegarder votre enregistrement de solution de similarité et revenir le former ultérieurement.
    4. Évaluez et affinez votre modèle.

      Si votre score de similarité est supérieur à 60 alors que les deux incidents n'ont pas la même apparence, vous pouvez créer un autre modèle, un autre corpus de mots ou les deux en changeant les entrées et les filtres. Gardez à l'esprit que la modification de la définition de la solution vous aidera à créer une nouvelle solution, mais elle annulera la solution précédente.

      Si vous souhaitez revenir à la définition de la solution précédente, vous devrez réinitialiser les paramètres et reformer la solution. Par conséquent, essayez d'abord de créer un nouveau modèle de similarité avant de créer un nouveau corpus de mots.

      Si vous souhaitez ajuster le score correspondant à votre solution de similarité, consultez Mettre à jour le seuil de votre score de similarité.

    5. Une fois que vous disposez d'un modèle satisfaisant, testez la prédiction de la solution de similarité.
      Vous pouvez fournir manuellement des entrées et sélectionner les valeurs de résultat de résultats les plus similaires.
    6. Après avoir testé le comportement, configurez la mise en page de l'expérience utilisateur pour afficher les résultats attribués et les actions exécutées sur les résultats.
      Vous pouvez configurer ces résultats et actions via l'interface utilisateur Espace de travail pour Assistant d'agent ou via la Now Platform pour Recherche contextuelle. Configurer les actions et le contexte de recherche via la configuration des tables et la mise en page de l’expérience utilisateur et de la carte via Recherche contextuelle > Configuration d'affichage des résultats de la recherche.
    7. Intégrez les modèles formés en les exportant en production.
      Remarque :
      Pour plus d'informations sur l'implémentation de l'intégration du cas d'utilisation formé, consultez Intégration et personnalisation de Console Intelligence prédictive.
    8. Surveillez les résultats de similarité et assurez-vous que les agents informatiques fournissent des commentaires utiles.

      L'expérience de Intelligence prédictive sur le système de base inclut un mécanisme de commentaire intégré pour discerner si les résultats de similarité sont utiles. Formez vos agents informatiques pour qu'ils fournissent des commentaires, en ligne et hors ligne, afin de capturer ces données pour le reporting futur. Étant donné qu'il s'agit d'un algorithme non supervisé, vous devrez peut-être recueillir des commentaires périodiques auprès des agents informatiques pour vérifier que le modèle de similarité fournit toujours des résultats satisfaisants. Ces commentaires sont la seule façon de déterminer si le modèle s'est décalé et nécessite une nouvelle formation. Assurez-vous qu'une partie de votre stratégie d'implémentation et d'intégration, ainsi que votre processus de gestion des changements, inclut la formation d'agents informatiques pour fournir des commentaires sur les résultats de similarité.

    9. Communiquez la valeur de Intelligence prédictive à vos personnes concernées en liant les indicateurs clés de performance (KPI) business aux mesures d'apprentissage machine.

      Sélectionnez un ou plusieurs KPI qui, selon vous, sont les plus bénéfiques pour vos agents informatiques. Créez un tableau de bord Analyse des performances affichant la tendance de ces KPI. Les « likes » que vous obtenez de vos agents informatiques via le mécanisme de commentaires vous aident à communiquer la valeur de Intelligence prédictive.

      Pour en savoir plus sur le tableau de bord Intelligence prédictive pour les incidents, consultez Console de l'intelligence prédictive d'ITSM.