چکیده
دفاتر خدمات IT به بخش جدایی ناپذیر و اساسی اکوسیستم های درون سازمانی تبدیل شده است که منجر به اجرای خدمات نرم افزار و سخت افزار IT درون کمپانی شده است. روش های هوش تجارت با شفاف ساختن دانش ضمنی،تسریع فرآیندهای تجارت از طریق کل کمپانی و حفظ دانش کارکنان با تجربه در دوره بازنشستگی، پتانسیل بسیاری در پشتیابی از کارکنان خدمات کامپیوتری IT داشته است. در این مقاله، این مزایا را با نشان دادن اینکه چگونه تحلیلگران می توانند وظایف خدمات کامپیوتری را خودکار سازند، مکانیزم های هشدار زودهنگام را برای رویدادهای انباشته شده مقدور سازند و اشتراک دانش در میان کاربران خدمات کامپیوتری را افزایش دهند مورد بررسی قرار می دهد. بدین منظور، از ترکیبی از مدل سازی موضوع و تحلیل های پیش بینی کننده استفاده می کنیم که در مجموعه داده های گسترده ای از بلیط ها پشتیبانی از تامین کننده ی خودکار جهانی اعمال شده است. رویکرد ما موضوعات مربوطه را شناسایی کرده و این ها را به بلیط های خدمات کامپیوتری اختصاص می دهند، بنابراین دانش ضمنی را به قوانین رسمی و فرایندهای تجارت رمزگشایی می کند.
1. مقدمه
طی دهه های گذشته، خدمات فناوری اطلاعات (IT) به بخش اساسی عملیات شرکت تبدیل شده است (Iden و Eikebrokk،2013(. در نتیجه، عملیات کارآمد این خدمات نشان دهنده ی مولفه ضروری موفقیت شرکت است، که در پشتیبانی گسترده IT (یا خدمات کامپیوتری IT، دفتر خدمات IT) سازمان های تاسیس شده در کمپانی های با سایز بزرگ و متوسط منعکس شد. هدف کارکنان خدمات کامپیوتری پشتیبانی دیگر بخش ها در مورد مشکلات ناشی شده از معرفی و استفاده از محصولات نرم افزار و سخت افزار شرکت است.
Abstract
IT service desks have become an integral part of intra-enterprise ecosystems, keeping IT hardware and software services within the company running. Business Intelligence methods have an enormous potential to support IT helpdesk employees by making implicit knowledge explicit, accelerating business processes throughout the entire company, and retaining the knowledge of experienced employees upon retirement. In this paper, we investigate these benefits by showing how analytics can automate the assignment of helpdesk tasks, enable early warning mechanisms for accumulated incidents, and enhance knowledge sharing among helpdesk users. For this purpose, we use a combination of topic modeling and predictive analytics, which is applied to an extensive dataset of support tickets from a global automotive supplier. Our approach identifies relevant topics and assigns these to helpdesk tickets, thereby decoding implicit knowledge into formal rules and business processes.
1 Introduction
Over the past decades, Information Technology (IT) services have become an essential part of enterprise operations (Iden and Eikebrokk, 2013). Consequently, the efficient operation of these services represents a crucial component of corporate success, reflected in the vast IT support (or IT helpdesk, IT service desk) departments found at medium-sized and large companies. The purpose of service desk employees is to support other departments with problems arising from the introduction and use of hardware and enterprise software products.
چکیده
1. مقدمه
2. کارهای مرتبط
2.1. کاربردهای استخراج متن برای مدیریت دانش
2.2. مدیریت خدمات IT
2.3. هوش تجارت برای مدیریت رویداد IT
3.مجموعه داده ها و روش ها
3.1 مبنای داده بلیط
3.2 پیش پردازش
3.3 مدل سازی موضوع با استفاده از تخصیص پنهان دیریکله
3.4 اختصاص بلیط با تحلیلگر پیش بینی کننده
4. مطالعه موردی: بهبود مدیریت رویداد IT با هوش تجارت
4.1. شرح مطالعه موردی
4.2 رویکرد مبتنی بر فرآیند CRISP-DM
4.3 درک داده ها
4.4 نیازهای تجارت: گروه های خدمات و اختصاص بلیط
4.5 شناسایی موضوع بلیط
4.6 نتایج
5 بحث و مفاهیم مدیرانه
6 نتیجه گیری
Abstract
1 Introduction
2 Related Work
2.1 Applications of Text Mining for Knowledge Management
2.2 IT Service Management
2.3 Business Intelligence for IT Incident Management
3 Dataset and Methods
3.1 Ticket Database
3.2 Preprocessing
3.3 Topic Modeling using Latent Dirichlet Allocation
3.4 Ticket Assignment with Predictive Analytics
4 Case Study: Improving IT Incident Management with Business Intelligence
4.1 Description of Case Study
4.2 Approach Based on CRISP-DM Process
4.3 Data Understanding
4.4 Business Needs: Service Groups and Ticket Assignment
4.5 Topic Identification of Tickets
4.6 Results
5 Discussion and Managerial Implications
6 Conclusion