Hoe Machine Learning ons helpt jouw tickets beter op te lossen

Al in een eerdere blog liet Ahmed Lachal, Data Scientist bij MostWare, ons kennis maken met de wereld van Big Data, Machine Learning en Artificial Intelligence. Een intrigerende wereld die dichterbij is dan sommigen denken. Bij MostWare zetten we inmiddels Machine Learning in op de servicedesk. Zo kunnen we voorspellen welke tickets mogelijk een probleem worden om daar meteen korte metten mee te maken. Ahmed, de man met de digitale glazen bol, legt het ons uit.

Problemen, daar moeten we iets mee

Zowel klanten als medewerkers kunnen tickets aanmaken in het systeem van onze servicedesk. Een ticket begint zijn leven als ‘incident’, maar soms ontwikkelt een incident zich tot ‘probleem’. Dat kan zijn omdat de doorlooptijd onnodig lang is of omdat te veel mensen eraan hebben moeten werken, of omdat het probleem niet écht is opgelost en het ticket steeds opnieuw geopend moet worden. En problemen… daar willen we iets aan doen bij MostWare.

Toekomstvoorspellingen

Door data – in de vorm van een groot aantal tickets van een lange periode – toe te voegen en daar vervolgens een algoritme op los te laten, kun je een systeem leren de ‘toekomst’ te voorspellen. Op die manier kunnen we voorspellen welk ticket een probleem kan gaan vormen, zodat we er direct op kunnen inspelen. Zo’n systeem hadden we natuurlijk niet op de digitale plank liggen, dus ben ik aan de slag gegaan. Ik heb het systeem gebouwd in Microsoft Azure. Om het algoritme te maken heb ik gebruik gemaakt van Machine Learning Studio van Microsoft, om het geheel te automatiseren heb ik gebruik gemaakt van Azure Logic Apps en met Power BI heb ik een dashboard gemaakt.

In één oogopslag een overzicht

Dat klinkt allemaal misschien nogal ingewikkeld, maar het mooie is natuurlijk dat niemand met al die techniek wordt lastig gevallen. Op de achtergrond worden elk uur alle openstaande tickets geanalyseerd en gebeurt er van alles, maar het Power BI-dashboard maakt daar begrijpelijke grafieken van. Zo kunnen de medewerkers van de servicedesk in één oogopslag zien hoeveel openstaande tickets er nog zijn, wat incidenten zijn en wat mogelijke probleemtickets zijn. Die kunnen zelfs nog op waarschijnlijkheid gerangschikt worden.

Resultaten steeds accurater

Het algoritme is getraind op basis van historische data. Analyse heeft uitgewezen dat op dit moment al 25% van de ruim 100 probleemtickets op jaarbasis eerder worden gesignaleerd. Dat betekent dat we onze tijd nog efficiënter kunnen gebruiken, en daarmee dus onze klanten nog sneller en gerichter kunnen helpen. In de loop der tijd krijgt het algoritme natuurlijk steeds meer data te verwerken en zullen de resultaten steeds accurater worden. Als maker van de tool vind ik dit natuurlijk gewoon supergaaf. Niet alleen omdat ik een beetje een datafreak ben, maar vooral omdat we daarmee frustraties wegnemen bij gebruikers. Hoe aardig wij ook zijn, het is tenslotte niemands hobby om een servicedesk te bellen. En hoe aardig wij onze klanten ook vinden, wij zien ook liever dat jij een relaxte werkdag hebt. Op weg naar nul probleemtickets? Een uitdaging, maar zeg nooit nooit…

Nieuwsgierig?

Wil je weten wat Machine Learning voor jou zou kunnen betekenen? Bel ons, mail ons, of maak een afspraak om eens gezamenlijk door je data heen te gaan. We beloven je dat je met nieuwe inzichten naar buiten stapt.