Painel do Workbench de inteligência preditiva do ITSM

  • Versão de lançamento: Yokohama
  • Atualizado 30 de jan. de 2025
  • 5 min. de leitura
  • Workbench de inteligência preditiva do ITSM fornece o painel do Inteligência preditiva para incidentes para que você possa medir o valor do uso do aprendizado de máquina para automatizar seus processos de negócios de TI. Monitore modelos de caso de uso e exiba as estatísticas associadas. Demonstre de forma eficaz o valor comercial para as partes interessadas com exibições de painel.

    Importante:

    A partir da versão Yokohama, a Workbench de inteligência preditiva do ITSM atingirá o fim da vida útil (EOL) como parte do processo de descontinuação. Ele será totalmente descontinuado e não será mais implantado, aprimorado ou compatível com a versão Yokohama. Para obter a experiência mais recente para esta funcionalidade, você deve instalar o plug-in da aplicação Inteligência para tarefas do ITSM (com.snc.itsm_ml_task). Para obter mais informações, consulte Inteligência para tarefas do ITSM.

    Para ver os detalhes, consulte o artigo Processo de descontinuação [KB0867184] na Now Support Base de conhecimento.

    Saiba exatamente em que estágio seus fluxos de trabalho de modelo estão com comentários automatizados em indicadores específicos ServiceNow® Performance Analytics. Os comentários aparecem nos indicadores de Automação de rede real. Os comentários das fases do modelo incluem quando o modelo é integrado, quando uma integração é removida, quando um modelo existente é alterado para um novo modelo e quando a repetição de treinamento está concluída.

    Figura 1. Guia Valor comercial
    Guia de valor comercial do painel do Inteligência preditiva para incidentes
    Figura 2. Guia Modelos de monitoramento
    Guia de modelos de monitoramento do painel do Inteligência preditiva para incidentes

    Você pode exibir o gráfico Limite de automação de rede na guia Modelos de monitoramento. Este limite é um cálculo da diferença entre a automação de rede estimada e os valores insuficientes da propriedade de desempenho. Os limites são calculados diariamente e as notificações são enviadas para as partes interessadas quando os limites são violados.

    Exiba comentários automáticos no indicador de Automação de rede real em várias fases do monitoramento do modelo. Um comentário é gerado quando existe um dos seguintes critérios de modelo:
    • O modelo está integrado
    • A integração do modelo foi removida
    • O modelo existente foi alterado para um novo modelo
    • O modelo integrado foi retreinado
    Figura 3. Guia Estatísticas de modelo
    Guia de estatísticas de modelo do painel do Inteligência preditiva para incidentes

    Usuário final e funções

    Usuário final e objetivo Função necessária Benefícios
    Arquiteto de processo, proprietário de processo ou defensor de aprendizado de máquina:

    Visualize o desempenho das métricas operacionais e de automação.

    Comunique o valor do aprendizado de máquina às partes interessadas para aumentar os recursos de automação do Predictive Intelligence.

    Workbench de inteligência preditiva gerente ou visualizador

    [piwb_manager]

    [piwb_viewer]

    Capacidade de medir o valor do uso de inteligência preditiva para automatizar processos do ITSM.

    Indicadores

    Cobertura de previsão para incidente
    A pontuação deste indicador é calculada de acordo com a fórmula: se ([[Número de tentativas de previsões com base em Criado hoje para incidente]]==0){0}senão{[[Número de previsões aplicadas com base em Criado hoje para incidente]]/[[Número de tentativas de previsões com base em Criado hoje para incidente]]*100}.
    Número de resultados previstos com base no valor da data final do incidente
    O número de resultados previstos é baseado no valor da data final de um incidente. A pontuação é medida diariamente como unidade #.
    Automação de rede para incidente
    A pontuação para este indicador é calculada de acordo com a fórmula: [[Precisão de previsão para incidente]]*[[Cobertura de previsão para incidente]]/100.
    Número de previsões aplicadas com base em Criado hoje para Incidente
    O número de previsões aplicadas com base em Criado hoje para Incidente é medido diariamente como unidade #.
    Número de tentativas de previsões com base em Criado hoje para Incidente

    O número de tentativas de previsões com base em Criado hoje para Incidente é medido diariamente como unidade #.

    O objetivo deste indicador é maximizar a qualidade das previsões.

    Precisão de previsão para incidente
    A pontuação deste indicador é calculada de acordo com a fórmula: se ([[Número de resultados previstos com base no valor da data final do incidente]]==0){0}senão{[[Número de previsões bem-sucedidas não ignoradas com base no valor da data final do incidente]]/[[Número de resultados previstos com base no valor da data final do incidente]]*100}.
    Automação de rede estimada
    Automação de rede estimada medida diariamente como unidade %.
    Número de previsões bem-sucedidas não ignoradas com base no valor da data final do incidente

    Número de previsões bem-sucedidas não ignoradas com base no valor da data final é medido diariamente como unidade #. É a contagem na fonte de dados MLPredictorResults.FinalValueDate.Incident, que está usando a tabela: ml_predictor_results.

    Número de previsões para incidentes

    O número de previsões para incidentes é medido diariamente como unidade #. É a contagem da fonte de dados MLPredictorResults.CreatedToday.Incident, que está usando a tabela: ml_predictor_results.

    Detalhamentos

    Caso de uso.

    Visualizações de dados

    Título Tipo Tabela de origem Descrição
    Previsões ignoradas Pontuação única
    Ícone de pontuação única
    sn_piwb_itsm_conte_dbv_ml_predictor_results % de precisão estimada.

    Precisão estimada medida como unidade %, com base nos dados em que o modelo foi treinado.

    Previsões ignoradas Linha
    Ícone de Linha
    sn_piwb_itsm_conte_dbv_ml_predictor_results Previsões ignoradas (num).

    Número de ___, devido à baixa confiança.

    Distribuição de classe - Dados de treinamento Barra

    Ícone de barra

    sn_piwb_itsm_conte_dbv_ml_classes Previsões ignoradas (linha).
    % de precisão estimada Pontuação única
    Ícone de pontuação única
    sn_piwb_itsm_conte_dbv_ml_solutions Prevista corretamente (num).

    Número de ___, comparando o valor inicial previsto com o valor do registro final.

    Classes excluídas devido à baixa distribuição Pontuação única
    Ícone de pontuação única
    sn_piwb_itsm_conte_dbv_ml_excluded_classes Prevista corretamente (linha).
    Distribuição de classe - Real Barra

    Ícone de barra

    sn_piwb_itsm_conte_dbv_ml_predictor_results Prevista incorretamente (num).

    Número de ___, comparando o valor inicial previsto com o valor do registro final.

    Prevista corretamente Pontuação única
    Ícone de pontuação única
    sn_piwb_itsm_conte_dbv_ml_predictor_results Prevista incorretamente (linha).
    Prevista corretamente Linha
    Ícone de Linha
    sn_piwb_itsm_conte_dbv_ml_predictor_results Distribuição de classe, Dados de treinamento.

    Distribuição de classes em dados em que a solução foi treinada.

    Prevista incorretamente Pontuação única
    Ícone de pontuação única
    sn_piwb_itsm_conte_dbv_ml_predictor_results Distribuição de classe, Real.

    Distribuição atual de classes em dados dinâmicos.

    Prevista incorretamente Linha
    Ícone de Linha
    sn_piwb_itsm_conte_dbv_ml_predictor_results Classes previstas.

    Número de valores que o modelo pode retornar como uma previsão.

    Classes de previsão Pontuação única
    Ícone de pontuação única
    sn_piwb_itsm_conte_dbv_ml_classes Classes excluídas devidas.

    Número de valores que o modelo não tinha confiança suficiente para retornar como uma previsão, devido à falta de dados.

    Nota:
    Com relação às tabelas de origem, todos os indicadores e relatórios são construídos a partir de exibições de bancos de dados adicionados recentemente, combinando plataforma ServiceNow tabelas Inteligência preditiva com tabelas Workbench de inteligência preditiva de casos de uso. Com essas novas exibições, você pode filtrar os dados da plataforma por caso de uso para entender melhor o impacto nas métricas. Todas as exibições de banco de dados para este aplicativo de conteúdo têm um prefixo de sn_piwb_itsm_conte_dbv.