- LSF i TICKETING ©

LSF  i Ticketing ©

Obiettivi e Visione 

LSF i Ticketing nasce come Servizio a valore aggiunto per l’Intelligent Automation in ambito ITSM per introdurre fattori di miglioramento nelle varie fasi del processo di gestione delle segnalazioni, attraverso la combinazione di varie Tecniche AI - Semantica, Analisi Linguistica, Machine Learning, Soft Computing. 
Negli anni è evoluto a Sistema Avanzato per l'erogazione di servizi a valore aggiunto in ambito Customer Service. 
Le funzionalità ed i servizi offerti sono particolarmente utili sia per l’Operatore, al fine di accelerare e rendere più precisa la sua analisi, sia per l’end User al fine di supportare la Self-Resolution.
Inoltre, esse costituiscono una base importante per abilitare capacità di Analisi Predittiva e Manutenzione Preventiva ( incluse Anomaly Detection and Cause Rooting Analysis) in relazione al sistema oggetto del Ticket Management, consentendo tra l’altro di estrarre conoscenza “nascosta”. 
Particolarmente indicato per l’integrazione con sistemi esistenti (es. BMC Remedy, ServiceNow) per estenderne le potenzialità grazie alla sua Architettura Modulare e leggera, orientata a Servizi , che ne facilita appunto l’integrazione seamless e non invasiva on top di Sistemi Legacy, come pure lo start-up, la manutenzione e l’aggiornamento della Base di Conoscenza.
 


Aspetti distintivi specifici 
  
Anomaly Detection & Cause Rooting attraverso la realizzazione di strumenti per il riconoscimento di fenomeni anomali e l’individuazione dei loro motivi di origine.

Manutenzione preventiva e proattiva grazie al monitoraggio di opportuni indicatori sulla base del comportamento di serie storiche e, soprattutto, alla capacità di far emergere e osservare fenomeni latenti che possono consentire la predizione di situazioni critiche.

Supporto all’operatore e all’utente per la classificazione e risoluzione di tickets mediante la ricerca di materiale (manuali, guide, etc.) o ticket simili precedentemente risolti, e grazie a una classificazione più precisa dei ticket, funzionali sia alla Self Resolution, che alla loro risoluzione o re-instradamento da parte dell’operatore.


Caso di successo

Segnaliamo a tal proposito il caso di una PoC realizzata per ENEL articolata su due attività la prima di tipo supervisionato la seconda di tipo non supervisionato. 
  • Classificazione Automatica dei ticket 
Consente di ricondurre gli interventi risolutivi, mediante l’analisi testuale del ticket, a classi/casistiche predefinite, organizzate in una apposita Tassonomia, supportando così sia gli Operatori di 1° livello che quelli di 2° livello.

  • Clustering & Knowledge Discovery
Attraverso una attività non supervisionata di Clustering il sistema è in grado di formare gruppi omogenei di Ticket sulla base delle tematiche comuni trattate, indipendentemente dalla classificazione esistente. Ad ogni Cluster il Sistema associa la classe di problemi trattati; ogni Ticket può comparire in più Cluster.
Tali Cluster possono essere utilizzati in fase di analisi per dedurre informazioni e favorire l’estrazione di conoscenza «nascosta» o far emergere nuovi aspetti, non compresi nella struttura di classificazione. Questo offre anche un importante supporto alla validazione, manutenzione ed evoluzione


Share by: