M42 Intelligence Similarities and Classification (dawniej Effie AI Ticket , Virtual Coach ) to dodatkowa funkcja wymagająca licencji, dostępna w instalacjach w chmurze Efecte, która pomaga użytkownikom ESM znaleźć istotne informacje i pracować wydajniej, wykorzystując istniejące dane.

Obecnie M42 Intelligence Similarities and Classification ma trzy funkcje, które mogą być konfigurowane przez administratora:

• Podobna treść udostępnia użytkownikom ESM listę elementów, które M42 Intelligence Similarities and Classification uznaje za istotne w kontekście otwartej karty danych.
• Sugestie umożliwiają użytkownikom ESM wypełnienie skonfigurowanego pola typu referencyjnego wartością sugerowaną przez M42 Intelligence Similarities and Classification . Można tego użyć do klasyfikowania kart danych.
• Kopiuj służy do szybszego wypełniania kart danych poprzez kopiowanie wielu wartości na karcie danych, która jest edytowana z elementu o podobnej treści.

Similarities and Classification M42 Intelligence muszą być skonfigurowane oddzielnie dla tych szablonów, dla których są potrzebne. Można zdefiniować maksymalnie 5 szablonów. Similarities and Classification M42 Intelligence będą dostępne w interfejsie użytkownika tylko podczas pracy na tych skonfigurowanych kartach danych, jeśli użytkownik włączył tę funkcję w swoich preferencjach.

Konfigurację funkcjonalności przeprowadza się po stronie administratora ESM. Aby uzyskać dostęp do ustawień, przejdź do Administracja → Konserwacja → Ustawienia systemu → Ustawienia Virtual Coach .

Najpierw należy włączyć funkcję M42 Intelligence Similarities and Classification . Kontrolka stanu wskazuje, czy komponenty oprogramowania potrzebne do funkcji M42 Intelligence Similarities and Classification działają, czy nie. Jeśli kontrolka świeci na czerwono, wszystkie komponenty nie działają prawidłowo i należy skontaktować się z Service Desk Efecte.

Similarities and Classification komponentów M42 Intelligence

Funkcja Similarities and Classification M42 Intelligence jest oparta na interfejsie użytkownika ESM, ale opiera się na osobnym komponencie sztucznej inteligencji. Komponent sztucznej inteligencji ma dwie główne funkcje:

Model sugestii

Po skonfigurowaniu modułu M42 Intelligence Similarities and Classification , zastosuje on parametry atrybutów do zbudowania modelu statystycznego, który może posłużyć do klasyfikacji zgłoszeń. Jeśli wystąpi problem z modelem zbudowanym przez moduł kategoryzacji dla danego szablonu, w widoku konfiguracji pojawi się komunikat o błędzie. Jeśli błąd nie zniknie w ciągu kilku godzin od konfiguracji, zbudowanie modelu zakończyło się niepowodzeniem i należy skontaktować się z Service Desk Efecte. Model sugestii jest zawsze przebudowywany podczas zapisywania konfiguracji, dlatego nowe karty danych nie są automatycznie uwzględniane w modelu. Przebudowa modelu może potrwać do 30 minut, w zależności od ilości danych w systemie. 

Indeks wyszukiwania 

Wyszukiwanie podobnych treści wykorzystuje indeks tworzony przez M42 Intelligence Similarities and Classification na podstawie skonfigurowanych atrybutów. Gdy użytkownik otworzy kartę danych, M42 Intelligence Similarities and Classification przeanalizuje pola na podstawie zdefiniowanych atrybutów i wyświetli wyniki, które uzna za istotne. Indeks wyszukiwania jest aktualizowany przy każdym zapisie karty danych.

Rozwiązywanie problemów z komponentami

Status modelu sugestii i indeksu wyszukiwania jest wyświetlany w interfejsie konfiguracji. W przypadku wystąpienia błędów wykonaj następujące kroki:

1. Upewnij się, że w systemie znajduje się co najmniej 5 kart danych z wartościami atrybutów wyszukiwania i sugestii.

2. W systemach produkcyjnych z tysiącami kart danych na skonfigurowany szablon, zbudowanie modelu sugestii może zająć do 30 minut. Indeks wyszukiwania jest zawsze budowany w ciągu kilku minut. Jeśli błąd występuje nadal po 30 minutach, a konfiguracja została przeprowadzona z atrybutami zawierającymi wystarczającą ilość danych, oznacza to problem z komponentem AI i należy skontaktować się z Service Desk Efecte.

Analiza środowiska

M42 Intelligence Similarities and Classification sprawdza się najlepiej w przypadku szablonów, które zawierają już tysiące kart danych w systemie. Przed konfiguracją należy rozważyć następujące przypadki użycia:

Jakie istniejące dane mogą okazać się przydatne, gdy użytkownicy pracują na karcie danych? 

Użyj konfiguracji „Podobne treści” , aby umożliwić usłudze M42 Intelligence Similarities and Classification wyszukiwanie istotnych elementów, takich jak historyczne incydenty, poprzez analizę określonych pól (np. Temat i Opis), co pomoże w znalezieniu incydentów, które mogą zawierać istotne informacje dotyczące rozwiązania bieżącego incydentu (takie jak rozwiązanie lub powiązane incydenty ). Informacje te mogą być przydatne podczas rozwiązywania powtarzających się problemów lub wdrażania nowych pracowników .

Na jakim etapie traci się najwięcej czasu, wybierając spośród wielu możliwych wartości? 

Sugestie mogą pomóc użytkownikom zaoszczędzić czas podczas pracy z każdą kartą danych. Pozwalają one użytkownikowi szybko wybrać najbardziej odpowiednie wartości bez konieczności przewijania możliwych wartości, na przykład w kategoriach – zamiast tego, prawdopodobne wartości atrybutu będą sugerowane w prawym górnym rogu i można je łatwo wybrać, klikając. Dodatkowo, po kliknięciu, zbiór wyników zostanie przefiltrowany według wybranej opcji.

Najpierw przejrzyj istniejące dane i sprawdź, jaki zestaw danych jest dostępny z pożądanym atrybutem sugestii. Na przykład, jeśli użyto atrybutu „Kategoria” , czy istnieją kategorie, które 1) są już nieistotne, 2) nakładają się na siebie lub 3) są nadmiernie lub niedostatecznie reprezentowane? Wartości, które występują najczęściej, są zazwyczaj częściej sugerowane przez M42 Intelligence Similarities and Classification , ale rzeczywisty wynik zawsze będzie zależał od wartości atrybutów wyszukiwania na karcie otwartych danych, a także od całego zestawu danych i konfiguracji.

Jakie istniejące dane można by wykorzystać na nowych kartach danych?

Użyj opcji Kopiuj, aby ponownie wykorzystać wartości z podobnego elementu treści. W ten sposób użytkownicy mogą szybciej uzupełnić niezbędne informacje, ponieważ mogą wypełnić do trzech pól, używając istniejących danych, jednym kliknięciem.

Wymagania dotyczące danych

Ważnym aspektem konfiguracji Similarities and Classification M42 Intelligence jest rodzaj i ilość dostępnych danych. Wyniki dostarczane przez funkcję Similarities and Classification M42 Intelligence mogą być tak dobre, jak pozwala na to zbiór danych. Oto kilka uid dotyczących danych, które należy wziąć pod uwagę przed konfiguracją:

Użyj Similarities and Classification M42 Intelligence dla:

• Środowiska, w których występuje duża ilość danych (co najmniej 5000 kart danych każdego szablonu, w którym ma być stosowane Similarities and Classification M42 Intelligence )
• Elementy zawierające treści generowane przez ludzi i w języku naturalnym
• Środowiska wykorzystujące jakąś formę kategoryzacji lub klasyfikacji
• Karty danych zawierające poprawne wybory
• Analiza elementów, które zazwyczaj zawierają co najmniej pięć słów
• Analiza problemów powtarzających się w naturze

Nie używaj Similarities and Classification M42 Intelligence w przypadku:

• Elementy generowane maszynowo, w których większość treści jest generowana automatycznie, np. automatyczne alerty
• Problemy, które się nie powtarzają
• Analiza atrybutów, które zazwyczaj zawierają mniej niż pięć słów
• Karty danych, na których atrybuty mogą mieć nieprawidłowe wartości

Similarities and Classification M42 Intelligence będą dostępne wyłącznie w przypadku szablonów, które zostały prawidłowo skonfigurowane w ustawieniach Virtual Coach .

Konfiguracja

Similarities and Classification M42 Intelligence są konfigurowane za pomocą następujących rozwijanych list wyboru, umożliwiających wybór tylko obsługiwanych opcji. Obowiązkowe opcje zostały oznaczone jako „Wymagane” w interfejsie użytkownika, co upraszcza konfigurację. Konfiguracja Similarities and Classification M42 Intelligence odbywa się głównie za pomocą rozwijanych list wyboru, które umożliwiają wybór tylko obsługiwanych opcji dla danej konfiguracji.

Szablon

Najpierw należy zdefiniować, z którymi kartami danych M42 Intelligence Similarities and Classification będą używane. Karty danych wybranego szablonu są analizowane, a M42 Intelligence Similarities and Classification wyświetli zawartość tych kart danych, gdy zostanie ona uznana za istotną dla otwartej karty danych. Wyniki z skonfigurowanego szablonu można wyświetlić również dla kart danych innych szablonów. Możesz wybrać szablon w zależności od pożądanego przypadku użycia:

1. Wyświetlaj wyniki kart danych z wybranego szablonu podczas pracy na kartach danych tego szablonu
2. Wyświetlaj wyniki kart danych z wybranego szablonu podczas pracy na kartach danych z innych skonfigurowanych szablonów.

Można na przykład skonfigurować karty danych „Zgłoszenie” i „ Pro ”, aby każda z nich mogła być wyświetlana w wynikach, gdy w dowolnym z tych szablonów istnieją karty danych o podobnej zawartości.

Wyszukaj atrybuty

Atrybuty wyszukiwania określają, które pola kart danych w tym szablonie będą analizowane pod kątem podobieństwa. Dwa atrybuty są oznaczone jako wymagane i powinny być atrybutami typu string lub text. Atrybuty statyczne i wielowartościowe nie są obsługiwane. Opcjonalnie można również ustawić dodatkowy atrybut typu referencyjnego, który będzie analizowany i uwzględniany w wyszukiwaniu. Sztuczna inteligencja odczyta atrybuty tekstowe i weźmie pod uwagę tylko te treści, które uzna za istotne. M42 Intelligence Similarities and Classification z natury nie jest dokładną wyszukiwarką. Zamiast tego buduje indeks wyszukiwania, z którego po otwarciu będzie wyszukiwać podobne treści.

Atrybut sugestii

Atrybut „sugestia” jest używany jako atrybut funkcji „sugestia”, która może służyć do klasyfikowania zgłoszeń, takich jak „Kategoria”. Moduł M42 Intelligence Similarities and Classification buduje model statystyczny, wykorzystując atrybut „Sugestia” wraz z atrybutami „Wyszukiwanie”, aby zapewnić uporządkowane sugestie dla wartości tego atrybutu klasyfikującego. Atrybut „sugestia” musi być atrybutem typu referencyjnego. Atrybuty wielowartościowe nie są obsługiwane. Dodatkowo, wynik atrybutu „sugestia” jest używany jako atrybut filtrujący podobne treści dla użytkownika końcowego, gdy ten wybiera wynik w widoku M42 Intelligence Similarities and Classification .

Kopiuj atrybuty

M42 Intelligence Similarities and Classification umożliwia użytkownikowi końcowemu ponowne wykorzystanie istniejącej zawartości z podobnych kart danych tego samego szablonu poprzez kopiowanie. Można wybrać maksymalnie trzy różne atrybuty do kopiowania wartości do otwartej karty danych. Obecnie obsługiwane typy atrybutów to: tekst, ciąg znaków, ciąg statyczny, odniesienie i odniesienie zewnętrzne. Zawartość w formacie RTF można również kopiować i przeglądać w osobnym oknie podglądu przed skopiowaniem.

Rozmiar zestawu danych

Użyj Rozmiaru zbioru danych, aby zapewnić M42 Intelligence względny rozmiar dostępnego zbioru danych. M42 Intelligence używa algorytmu rankingowego, aby określić, które wyniki są najbardziej podobne do otwartej karty danych. Wynik podobieństwa wyświetlany użytkownikowi końcowemu jest zawsze liczbą względną pochodzącą z dostępnych danych. Dlatego M42 Intelligence Similarities and Classification używa współczynnika skalowania, który służy do skalowania wyników podobnych treści w zakresie od 0 do 100, w zależności od dostępnych danych. Współczynnik skalowania można dostosować za pomocą ustawienia Rozmiar zbioru danych, które domyślnie jest ustawione na 40. Wpłynie to na sposób obliczania wyniku dla podobnych treści. Dostosuj rozmiar zbioru danych, jeśli uważasz, że wyniki są zawsze zbyt niskie lub zbyt wysokie. Przed zmianą rozmiaru zbioru danych rozważ następujące najlepsze praktyki:

• Wartość współczynnika skalowania jest domyślnie ustawiona na 40. Jest to wartość odpowiednia dla szablonów zawierających około 10 000–60 000 kart danych.
• Wartość 4 zalecana jest dla szablonów zawierających 100–200 kart danych.
• Wartość 10 zalecana jest dla szablonów zawierających około 1000 kart danych.
• Wartości powyżej 40 są odpowiednie dla większych środowisk produkcyjnych.
• Dozwolone są wyłącznie wartości od 0 do 100.

Zmiana rozmiaru zestawu danych nie ma wpływu na to, które wyniki są wyświetlane, a jedynie na wynik trafności kart danych wyświetlanych w sekcji Podobne treści.

W zależności od systemu, faza uruchomienia i uczenia się zajmie od 10 do 30 minut. Czas ten jest potrzebny systemowi M42 Intelligence na analizę danych i utworzenie usługi.

Następnie użytkownicy będą mogli samodzielnie włączyć funkcję Similarities and Classification M42 Intelligence . Aby to sprawdzić, odśwież ekran i przejdź do swojego profilu użytkownika.

Szczegóły dotyczące korzystania z Similarities and Classification M42 Intelligence można znaleźć w uid użytkownika .