Supervisar tarjeta de predicción de riesgo de cambio
Pronostique el riesgo de que falle una solicitud de cambio utilizando aprendizaje automático para generar una puntuación de 0 a 100. Utilice estas puntuaciones dirigidas por datos para sustituir evaluaciones subjetivas por un proceso coherente que mejore la estabilidad de TI.
Ediciones necesarias
Disponible en: Lightning Experience
Disponible en: Enterprise Edition y Unlimited Edition con el complemento Einstein for IT Services y el complemento Acelerador de IA para IT Services.
Desde el Iniciador de aplicación, busque y seleccione Solicitudes de cambio.
Desde la página Solicitudes de cambio, abra un registro.
En un registro de solicitud de cambio, navegue a la tarjeta Puntuación de riesgo de cambio en el panel lateral.
La tarjeta Puntuación de riesgo de cambio muestra la probabilidad de que falle una solicitud de cambio.
Revise la puntuación predicha para determinar el nivel de riesgo. Por ejemplo, una puntuación de 33,35 indica un riesgo moderado de fallo de solicitud de cambio.
En la lista Predictores principales, identifique los factores que influyen en la puntuación. Los predictores comunes incluyen:
Asunto y descripción: Palabras clave como contraseña o rechazo que se correlacionan con patrones históricos.
Prioridad y urgencia: La repercusión de incidentes relacionados o niveles de urgencia actuales en la puntuación final.
Tendencias históricas: Factores como el porcentaje de incidentes pasados infringidos por el propietario actual.
Utilice los iconos de comentarios para ayudar a perfeccionar el modelo de aprendizaje automático:
Seleccione el icono Pulgar hacia arriba si la predicción es precisa.
Seleccione el icono Pulgar hacia abajo si la predicción es incorrecta.
Ejemplo:
Ejemplo
Sarah, gerente de cambios de Cumulus Bank, supervisa actualizaciones críticas en aplicaciones bancarias. Cuando se programa una migración de esquema de base de datos para transacciones en tiempo real, se crea una solicitud de cambio con estos detalles.
Número de solicitud de cambio: CHG-4055
Asunto: Migración de esquemas de base de datos para transacciones en tiempo real
Categoría: Base de datos
Sarah abre el registro y ve la tarjeta Puntuación de riesgo de cambio con una puntuación de 72,45. Esta puntuación indica una alta probabilidad de fallo para la migración planificada.
Sarah revisa los factores de riesgo identificados por el aprendizaje automático. La IA predictiva identifica que los campos Asunto y Descripción contienen palabras clave como Migración y Esquema, que históricamente se correlacionan con mayores índices de fallos. Además, el predictor de tendencias históricas muestra que un cambio de emergencia tiene mayor probabilidad de un cambio fallido.
Para mantener la estabilidad de TI, Sarah pospone la migración 24 horas para pruebas de sandbox y asigna un revisor experto. Utilizando el análisis de datos desde la Puntuación de riesgo de cambio, Sarah sigue un proceso coherente que evita un fallo de funcionamiento del servicio.
¿Resolvió este artículo su problema?
¡Háganos saber cómo podemos mejorar!
Cargando
Salesforce Help | Article
Cookie Consent Manager
Cookie Consent Manager
General Information
Required Cookies
Functional Cookies
Advertising Cookies
General Information
We use three kinds of cookies on our websites: required, functional, and advertising. You can choose whether functional and advertising cookies apply. Click on the different cookie categories to find out more about each category and to change the default settings.
Privacy Statement
Required Cookies
Always Active
Required cookies are necessary for basic website functionality. Some examples include: session cookies needed to transmit the website, authentication cookies, and security cookies.
Functional Cookies
Functional cookies enhance functions, performance, and services on the website. Some examples include: cookies used to analyze site traffic, cookies used for market research, and cookies used to display advertising that is not directed to a particular individual.
Advertising Cookies
Advertising cookies track activity across websites in order to understand a viewer’s interests, and direct them specific marketing. Some examples include: cookies used for remarketing, or interest-based advertising.