Endringer og utvikling innen tradisjonell IT-drift i den kognitive tidsalderen

Share this post:

Digitale avbrudd har medført endringer i et raskt tempo, der nye muligheter og teknologiskifter har oppstått. Klienter – og klientene til disse – forbruker IT-tjenester i et raskt tempo, noe som igjen medfører at systemene må være tilgjengelige døgnet rundt, 365 dager i året.

Det kan derfor bli en utfordring å administrere systemer og tilhørende verktøy og løsninger samtidig som man skal utnytte stadig økende mengder data og datakilder.

Sosiale mediers evne til å umiddelbart informere kunder om tjenesteavbrudd gjør utfordringen enda større for selskapene. Dette kan raskt få negativ innvirkning på kundetilfredsheten og selskapets renommé hvis det ikke håndteres på riktig måte. Det er likevel mange selskaper som fortsatt overvåker egen drift på en tradisjonell måte, der reaksjonen kommer etter at problemet er oppdaget.

Denne tilnærmingsmetoden medfører hasteløsninger som ikke lenger er akseptable, ettersom skaden allerede er skjedd. Etterhvert som dataalderen gir vei for en kunnskapsbasert økonomi der kontekst er avgjørende for utviklingen av ny kunnskap, krever vi løsninger som gjør at vi kan oppdage potensielle problemer – før de oppstår.

Gjenopprettelse av hendelser kan realiseres med automatisering som et ledd i en forbedrings- og stabiliseringsprosess. Automatisering har imidlertid tradisjonelt sett vært deterministisk og reaktivt. Mennesker har evnen til å tolke data, gjenkjenne mønstre, forutsi utfall og bruke kognisjon og fornuft til å bestemme riktig handlingsforløp. Hvordan kan vi utnytte disse menneskelige egenskapene?

Fremveksten av kognitiv teknologi og maskinlæring har ikke bare gjort det mulig å utnytte store mengder data, der enorme mengder data gjøres om til nyttig informasjon, men har også introdusert muligheten til å bruke probabilistisk tenkning til å bestemme det neste hendelsesforløpet. Kunnskap kan genereres gjennom kognitive analyser og maskinlæring, der maskinen automatisk lærer fra data og skaper relasjoner og korrelasjoner på tvers av enheter og datakilder. Dette gjør at vi kan stille pålitelige prognoser om potensielle problemer.

Når de ansatte blir oppmerksomme på symptomer eller adferdsendringer, kan de handle før tjenesteavbruddet oppstår. Denne evnen representerer et grunnleggende skifte innen adferd: Vi har tidligere målt driftsytelse ved hjelp av MTTD (Mean Time To Detect, gjennomsnittlig tid for oppdagelse av problemet) og MTTR (Mean Time To Repair, gjennomsnittlig reparasjonstid) for å måle hvor raskt tjenesten kan gjenopprettes. Selv om disse beregningene fortsatt er uhyre viktige for oss, må vi sette dem inn i en større sammenheng med beregninger som MTBF (Mean Time Before Failure, gjennomsnittlig tid før svikt) og MTBF (Mean Time Between Failures, gjennomsnittlig tid mellom svikt) for å understreke overgangen fra hasteløsninger til forebygging.

Det er nå mulig å bruke analytisk kunnskap til å autonomt forutsi potensiell svikt og unngå hendelser. IBMs driftsanalytiske, prediktive kunnskap kan evaluere millioner av matematiske modeller på under ett minutt, samt utføre billioner av automatiske kalkulasjoner basert på denne kunnskapen. Dette skjer uten at driften påvirkes, slik at de ansatte kan fokusere på viktigere arbeidsoppgaver og prosjekter. Finn ut mer om denne løsningen i videoen nedenfor.

Vi må ha evnen til å forstå hva den avanserte analysen avdekker for å kunne utnytte hele potensialet til disse teknologiene. Kognitiv IBM Watson-teknologi brukes til å fremdyrke både automatiske løsninger og analytiske løsninger, med både NLP (Natural Language Processing, språkteknologi) og Watson Visualisation. Sistnevnte lærer kontinuerlig og blir stadig mer nyttig etterhvert som programmet erfarer interaksjoner. Watson bidrar til å informere automatiske funksjoner om det neste riktige handlingsforløpet, noe som gir større sannsynlighet for at riktig problemløsning gjennomføres. NLP (Natural Language Processing, språkteknologi) forbedrer kunnskapsnivået, og dermed også kunnskapskvaliteten. Du kan lese mer om hvordan Watson fungerer med IT-administrasjon her.

Resultatene er banebrytende. I stedet for tradisjonell overvåking og reaktiv hendelseshåndtering, kan du bruke prediktive, teknologidrevne ressurser med kognitive egenskaper til å forebygge og undersøke innkommende hendelser og adferdsendringer som ikke ennå har ført til et tjenesteavbrudd. Det hele styres med en chattefunksjon som proaktivt forhindrer kundehendelser, øker kundetilfredsheten og stabiliserer systemet. Kan det bli bedre?

Les hvordan IBM Services Platform med Watson økte Sysco´s kundetilfredshet.

Les mer om CIO Disruption www.ibm.com/cio.

(Takk til Karin Pedersen, Client Excellence Executive, GTS for inspirasjon)