{"id":39158,"date":"2023-05-31T20:06:50","date_gmt":"2023-05-31T20:06:50","guid":{"rendered":"https:\/\/partners.sngular.com\/atlassian\/?p=39158"},"modified":"2023-06-02T12:57:28","modified_gmt":"2023-06-02T12:57:28","slug":"riskpredictor-predicciones-y-automatizaciones-para-tus-procesos-de-ti","status":"publish","type":"post","link":"https:\/\/partners.sngular.com\/atlassian\/riskpredictor-predicciones-y-automatizaciones-para-tus-procesos-de-ti\/","title":{"rendered":"RiskPredictor: predicciones y automatizaciones para tus procesos de TI"},"content":{"rendered":"\n
\n
\n
\n

RiskPredictor: predicciones y automatizaciones para tus procesos de TI<\/h1>\n <\/div>\n <\/div>\n
\n <\/div>\n<\/div>\n\n

Aplicar la Inteligencia a las operaciones de TI es uno de nuestros objetivos y por eso continuamos desarrollando nuestra visi\u00f3n de Process Intelligence<\/strong>. En este caso, estamos trabajando para que nuestros clientes puedan avanzar hacia la optimizaci\u00f3n el rendimiento de los equipos que responden a los procesos de TI.<\/p>\n

\"Presentaci\u00f3n<\/p>\n

Hace unos d\u00edas, hemos presentado nuestra 1\u00ba versi\u00f3n de RiskPredictor For Jira <\/em>que tiene como objetivo implementar un modelo predictivo a las operaciones de TI.<\/p>\n

Con nuestra soluci\u00f3n, dotamos a los agentes de esa intuici\u00f3n que tienen los m\u00e1s seniors, poni\u00e9ndola as\u00ed a disposici\u00f3n de todos. Tambi\u00e9n permite implementar acciones autom\u00e1ticas sobre los flujos, para ayudar a acelerar la respuesta y anticiparse a los problemas.<\/p>\n

Los asistentes al evento TecnoFor #ITSMDay 2023<\/a> pudieron ver en directo la 1\u00ba demostraci\u00f3n de la soluci\u00f3n. Al poner una incidencia masiva \u201cen proceso\u201d se lanza al instante una regla que ejecuta una predicci\u00f3n para valorar la probabilidad de cumplimiento del SLA.<\/p>\n

En segundos, el agente dispone de nueva y muy valiosa informaci\u00f3n sobre el nivel de riesgo de cumplir o no el SLA; se utiliza para ello la informaci\u00f3n de la incidencia involucrada y el hist\u00f3rico de casos similares para identificar el comportamiento, utilizando algoritmos de aprendizaje.<\/p>\n

\"RiskPredictor<\/p>\n

Al disponer de m\u00e1s informaci\u00f3n, las organizaciones mejorar\u00e1n su respuesta a los usuarios y activar\u00e1n nuevas reglas inteligentes que incorporen la experiencia de los expertos, guiando as\u00ed a los agentes hacia respuestas proactivas y m\u00e1s eficientes para la organizaci\u00f3n.<\/p>\n

La nueva informaci\u00f3n incorporada sobre sus tickets permitir\u00e1, entre otras cosas, disponer del tiempo de resoluci\u00f3n previsto, cumplimiento de una fecha de compromiso, mantener el camino o variante y muchas predicciones m\u00e1s que ayuden a anticipar sus reacciones.<\/p>\n

Los agentes tendr\u00e1n muchas m\u00e1s armas para actuar y estar\u00e1n m\u00e1s motivados para reaccionar y anticiparse.<\/p>\n

\u00a1Pero podemos hacer a\u00fan m\u00e1s! Al tener integrada la predicci\u00f3n<\/strong> en la plataforma de Atlassian, podemos orquestar nuevas reglas de negocio con AUTOMATION de Atlassian<\/strong> desde el minuto cero y utilizando m\u00ednimo c\u00f3digo.<\/p>\n

\"RiskPredictor<\/p>\n

Esto permitir\u00e1 que, adem\u00e1s de predecir el comportamiento, se pongan en marcha acciones personalizadas basadas en reglas. \u00bfC\u00f3mo? Por ejemplo, realizar un escalado, poner en alerta a grupos relacionados, modificar la prioridad, notificar a un grupo de expertos y un largo etc.<\/p>\n

Estas reglas NO tienen por qu\u00e9 alterar el dise\u00f1o del flujo del proceso, pero ciertamente lo acelerar\u00e1. Dichas reglas podr\u00edan ser 100% autom\u00e1ticas o manuales con la intervenci\u00f3n de los agentes.<\/p>\n

En el caso presentado en el TecnoFor #ITSMDay sobre la incidencia masiva, se predijo que no cumplir\u00e1 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.<\/p>\n

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.<\/em><\/p><\/blockquote>\n

Utilizamos un modelo predictivo basado en ML (Machine Learning)<\/strong> construido a partir del an\u00e1lisis de Process Mining construido justo a Inverbis Analytics<\/a>, sobre los procesos de gesti\u00f3n de servicios (flujo de incidencias, peticiones, cambios, etc.). Hay que identificar el prop\u00f3sito de la predicci\u00f3n (por ejemplo, el riesgo de incumplimiento del SLA) y disponer de datos para su aprendizaje.<\/p>\n

\"inverbis-connector-screenshot\"Los datos hist\u00f3ricos son un gran activo y nos servir\u00e1n para entrenar a los algoritmos inteligentes y as\u00ed disponer de un modelo ML que nos permitir\u00e1 predecir el comportamiento. Ahora si podremos archivar los tickets finalizados y liberar espacio adem\u00e1s de mejorar el rendimiento.<\/p>\n

Hoy en d\u00eda, las implementaciones de los modelos predictivos se centran en crear cuadros de mando que, aunque son muy \u00fatiles, exigen que el usuario est\u00e9 pendiente de ellos. \u00bfQu\u00e9 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.<\/p>\n

Nosotros hemos dado un paso m\u00e1s con RiskPredictor For Jira, al integrar dichas predicciones sobre cada ticket, integr\u00e1ndolo directamente sobre la operaci\u00f3n.<\/strong><\/p>\n

Con esta soluci\u00f3n damos pasos hacia un nuevo enfoque de monitorizaci\u00f3n predictiva integrada en la operaci\u00f3n<\/em>.<\/p>\n

Desde TecnoFor, seguimos trabajando para incorporar plantillas de predicciones y en la definici\u00f3n de una librer\u00eda de reglas a aplicar en los procesos para ayudar a los clientes a simplificar su adopci\u00f3n y optimizar el rendimiento.<\/p>\n

Tambi\u00e9n estamos trabajando en incorporar nuevos algoritmos inteligentes para identificar qu\u00e9 reglas de negocio se deben lanzar para acelerar dichas resoluciones.<\/p>\n

La soluci\u00f3n en s\u00ed misma es un salto de calidad para las organizaciones, permitiendo que todos los agentes dispongan de mayor contexto con informaci\u00f3n vital para actuar como grandes expertos, aunque tengan un mal d\u00eda.<\/p>\n

La gesti\u00f3n de servicios est\u00e1 plagada de ticket de incidencias y peticiones en las que se puede aplicar la detecci\u00f3n temprana. Esta ayudar\u00e1 a una gesti\u00f3n por excepci\u00f3n, basada en datos, para responder de manera proactiva tomando decisiones y realizando acciones concretas momentos antes de que la situaci\u00f3n se convierta en cr\u00edtica.<\/p>\n

Con la plataforma de Atlassian, ya puedes incorporar automatizaciones inteligentes a tus procesos, combin\u00e1ndolas con Process Analytics For Jira<\/a> y con RiskPredictor For Jira.<\/p>\n

Puedes hacer esto hoy con TecnoFor, sin tener que invertir cientos de horas, sin introducir una gran complejidad ni realizar inversiones prohibitivas.<\/p>\n

Bibliograf\u00eda: https:\/\/web.inverbisanalytics.com\/es\/que-es-la-analitica-prescriptiva-y-como-usarla\/<\/a><\/p>\n

 <\/p>\n

\n Anibal Gonz\u00e1lez<\/strong> - 31 de mayo de 2023\n \/ Comparte: