RiskPredictor: predicciones y automatizaciones para tus procesos de TI
Aplicar la Inteligencia a las operaciones de TI es uno de nuestros objetivos y por eso continuamos desarrollando nuestra visión de Process Intelligence. En este caso, estamos trabajando para que nuestros clientes puedan avanzar hacia la optimización el rendimiento de los equipos que responden a los procesos de TI.
Hace unos días, hemos presentado nuestra 1º versión de RiskPredictor For Jira que tiene como objetivo implementar un modelo predictivo a las operaciones de TI.
Con nuestra solución, dotamos a los agentes de esa intuición que tienen los más seniors, poniéndola así a disposición de todos. También permite implementar acciones automáticas sobre los flujos, para ayudar a acelerar la respuesta y anticiparse a los problemas.
Los asistentes al evento TecnoFor #ITSMDay 2023 pudieron ver en directo la 1º demostración de la solución. Al poner una incidencia masiva “en proceso” se lanza al instante una regla que ejecuta una predicción para valorar la probabilidad de cumplimiento del SLA.
En segundos, el agente dispone de nueva y muy valiosa información sobre el nivel de riesgo de cumplir o no el SLA; se utiliza para ello la información de la incidencia involucrada y el histórico de casos similares para identificar el comportamiento, utilizando algoritmos de aprendizaje.
Al disponer de más información, las organizaciones mejorarán su respuesta a los usuarios y activarán nuevas reglas inteligentes que incorporen la experiencia de los expertos, guiando así a los agentes hacia respuestas proactivas y más eficientes para la organización.
La nueva información incorporada sobre sus tickets permitirá, entre otras cosas, disponer del tiempo de resolución previsto, cumplimiento de una fecha de compromiso, mantener el camino o variante y muchas predicciones más que ayuden a anticipar sus reacciones.
Los agentes tendrán muchas más armas para actuar y estarán más motivados para reaccionar y anticiparse.
¡Pero podemos hacer aún más! Al tener integrada la predicción en la plataforma de Atlassian, podemos orquestar nuevas reglas de negocio con AUTOMATION de Atlassian desde el minuto cero y utilizando mínimo código.
Esto permitirá que, además de predecir el comportamiento, se pongan en marcha acciones personalizadas basadas en reglas. ¿Cómo? Por ejemplo, realizar un escalado, poner en alerta a grupos relacionados, modificar la prioridad, notificar a un grupo de expertos y un largo etc.
Estas reglas NO tienen por qué alterar el diseño del flujo del proceso, pero ciertamente lo acelerará. Dichas reglas podrían ser 100% automáticas o manuales con la intervención de los agentes.
En el caso presentado en el TecnoFor #ITSMDay sobre la incidencia masiva, se predijo que no cumplirá el SLA. En base a los resultados obtenidos, se puede lanzar en segundos una regla que cambie la prioridad a HIGH e involucre en ese ticket al grupo de expertos de Nivel 2 de ese servicio.
Estas acciones se ejecutan en instantes, evitando las dudas y retrasos, haciendo fluir el ticket por el proceso como si estuviera siempre en manos de un experto.
Utilizamos un modelo predictivo basado en ML (Machine Learning) construido a partir del análisis de Process Mining construido justo a Inverbis Analytics, sobre los procesos de gestión de servicios (flujo de incidencias, peticiones, cambios, etc.). Hay que identificar el propósito de la predicción (por ejemplo, el riesgo de incumplimiento del SLA) y disponer de datos para su aprendizaje.
Los datos históricos son un gran activo y nos servirán para entrenar a los algoritmos inteligentes y así disponer de un modelo ML que nos permitirá predecir el comportamiento. Ahora si podremos archivar los tickets finalizados y liberar espacio además de mejorar el rendimiento.
Hoy en día, las implementaciones de los modelos predictivos se centran en crear cuadros de mando que, aunque son muy útiles, exigen que el usuario esté pendiente de ellos. ¿Qué sucede con este enfoque cuando hay cientos de tickets? Que se genera un cuello de botella para tomar decisiones o para que se distribuyan las acciones a los equipos.
Nosotros hemos dado un paso más con RiskPredictor For Jira, al integrar dichas predicciones sobre cada ticket, integrándolo directamente sobre la operación.
Con esta solución damos pasos hacia un nuevo enfoque de monitorización predictiva integrada en la operación.
Desde TecnoFor, seguimos trabajando para incorporar plantillas de predicciones y en la definición de una librería de reglas a aplicar en los procesos para ayudar a los clientes a simplificar su adopción y optimizar el rendimiento.
También estamos trabajando en incorporar nuevos algoritmos inteligentes para identificar qué reglas de negocio se deben lanzar para acelerar dichas resoluciones.
La solución en sí misma es un salto de calidad para las organizaciones, permitiendo que todos los agentes dispongan de mayor contexto con información vital para actuar como grandes expertos, aunque tengan un mal día.
La gestión de servicios está plagada de ticket de incidencias y peticiones en las que se puede aplicar la detección temprana. Esta ayudará a una gestión por excepción, basada en datos, para responder de manera proactiva tomando decisiones y realizando acciones concretas momentos antes de que la situación se convierta en crítica.
Con la plataforma de Atlassian, ya puedes incorporar automatizaciones inteligentes a tus procesos, combinándolas con Process Analytics For Jira y con RiskPredictor For Jira.
Puedes hacer esto hoy con TecnoFor, sin tener que invertir cientos de horas, sin introducir una gran complejidad ni realizar inversiones prohibitivas.
Bibliografía: https://web.inverbisanalytics.com/es/que-es-la-analitica-prescriptiva-y-como-usarla/
