Support – next level!
Challenge Slides (PDF)
Das Excel mit den Rohdaten wird an die Challenge-Teilnehmer vor Ort ausgehändigt. Die Daten sind vertraulich zu behandeln und dürfen nicht weitergegeben oder ins Internet hochgeladen werden.
Erwartungen
- Resultierend aus den Daten können jegliche Erkenntnisse für den Support von Bedeutung sein.
- Resultate und Interpretation der Analysen
- Prognosemöglichkeiten über die Häufigkeit, den betroffenen Service und die Herkunft künftiger Tickets.
- Ansätze zur Vertiefung dieser Form von Analyse in der Praxis.
- Mögliche Optimierungen unsere Support-Organisation.
Fazit aus dem Projekt
- Wir können pro Standort die wichtigsten Wörter pro Services (einstellbar) anzeigen lassen.
- Der Datensatz wurde komplett analysiert und Wordclouds auf die Service bezogen generiert.
- Der Prototyp ist erstellt (und kann angepasst werden). → Dashboard
- Rein anhand einer Textanalyse, ist das Ermitteln von gleichen Fehlern nicht möglich, es kann höchstens eine Vermutung gemacht werden.
- Mögliche Lösungen erweitern der Tickets durch eine Drittklassifizierung. (Alternative wäre auch die Klassifizierung durch ein LM eine Möglichkeit gewesen)
Wordcloud
Video zu unserem APP
Shiny APP
Weiteres Vorgehen
- Pipeline optimieren: Es dauert zu lange,
- Paralelisierung möglich?
- Dashboard verbessern und ausbauen
- Periodisch Daten erfassen und direkt analysieren
YouTube Link (geht nicht)
Support – next level! 1 –
Was? Service Desk KAIO (1/2) Der Service Desk KAIO ist der Single Point of Contact (SPoC) und agiert als First Level Support für die gesamte Kantonale Verwaltung bei technischen Störungen oder Anfragen zu ICT-Mittel. Nebst der ICT-Grundversorgung werden rund 1’300 verschiedene Services betreut.
Als Drehscheibe zwischen Endbenutzern und den weiteren Support Levels (2nd und 3rd Level) werden Jährlich 70’000 Störungsmeldungen und Anfragen bearbeitet.
2
Was? Kennzahlen First Level Support (2/2) 3 Der First Level Support erfasst die jeweiligen Anfragen und Störungen im IT Service Management System (ITSMS) als Ticket und weist diese einem der 1’300 Services zu. Kennzahlen 2022 Anz.
Requested Items (RITM) 36’062 Incidents (Fehler) 19’757 Incidents (Anfragen) 47’459 Major Incidents 47 Problems 42 Betreute User am 31.12.2022 14’805
Warum? «Wir sehen vor lauter Bäumen den Wald nicht» Wir haben eine Grosszahl an Ticketdaten die aktuell nur bedingt, zu Reporting-Zwecke genutzt werden.
Wer hat etwas davon? Alle involvierte Personen in der Support-Kette. (Bsp. Muster erkennen, Früherkennung etc.) Alle User der Direktionen des Kantons Bern welche durch einen Fehler an der Arbeit gehindert werden.
- August 2022 Data Hackdays BE 2023 - Challenge-Owner-WS 1 4
Ressourcen und Hilfsmittel Die Rohdaten liegen als Excel, CSV oder JSON File vor.
5
Erwartungen (1/2) Resultierend aus den Daten können jegliche Erkenntnisse für den Support von Bedeutung sein. Beispielsweise: Welche Ticket Hotspots gibt es (Geo-Heatmap) Identifizierung der 10 häufigsten Fehler Identifizierung der 10 häufigsten Anfragen Welche Tickets haben die längste Durchlaufzeit Welche Tickets haben die kürzeste Durchlaufzeit Welche Tickets können durch den First Level gelöst werden Populationsspezifische Auffälligkeiten Koinzidenzen zwischen mehreren Dimensionen
6
Erwartungen (2/2) Was sollte am Ende der Hackdays vorliegen? Resultate und Interpretation der Analysen Prognosemöglichkeiten über die Häufigkeit, den betroffenen Service und die Herkunft künftiger Tickets. Ansätze zur Vertiefung dieser Form von Analyse in der Praxis. Mögliche Optimierungen unsere Support Organisation.
7
Ausblick Wie könnte es nach den Hackdays weitergehen? Die erarbeiteten Resultate können nachhaltig im Support genutzt werden, um die Service Levels längerfristig zu verbessern. Weiterführende Zusammenarbeit.
8
Challenge Owner Silvio Burgermeister Fachbereichsleiter Service Desk, Amt für Informatik und Organisation