변경 위험 예측 카드 모니터링
기계 학습을 사용하여 0에서 100 사이의 점수를 생성하여 변경 요청 실패 위험을 예측합니다. 이러한 데이터 중심 점수를 사용하여 주관적인 평가를 IT 안정성을 향상하는 일관된 프로세스로 대체합니다.
필수 Edition
| 지원 제품: Lightning Experience |
| 지원 제품: IT 서비스용 Einstein 추가 기능과 IT 서비스용 AI Accelerator 추가 기능이 포함된 Enterprise 및 Unlimited Edition |
- 앱 시작 관리자에서 변경 요청을 찾아서 선택합니다.
- 변경 요청 페이지에서 레코드를 엽니다.
-
변경 요청 레코드에서 사이드 패널의 위험 점수 변경 카드로 이동합니다.
변경 위험 점수 카드에 변경 요청이 실패할 가능성이 표시됩니다.
- 예측 점수를 검토하여 위험 수준을 결정합니다. 예를 들어 점수가 33.35인 경우 변경 요청 실패 위험이 적음을 나타냅니다.
-
상위 예측 변수 목록에서 점수에 영향을 미치는 요소를 식별합니다. 일반적인 예측 변수는 다음과 같습니다.
- 제목 및 설명: 내역 패턴과 관련된 암호 또는 거부와 같은 키워드입니다.
- 우선 순위 및 긴급성: 관련 사고 또는 현재 긴급도 수준이 최종 점수에 미치는 영향입니다.
- 내역 추세: 현재 소유자가 위반한 과거 사고 비율과 같은 요소입니다.
-
사용자 의견 아이콘을 사용하여 기계 학습 모델을 구체화합니다.
-
예측이 정확한 경우 양자 위로 아이콘을 선택합니다.
- 예측이 잘못된 경우 아래쪽 손가락 아이콘을 선택합니다.
-
예:
예
Cumulus 은행의 변경 관리자인 Sarah는 은행 신청에 대한 중요 업데이트를 감독합니다. 실시간 트랜잭션에 대한 데이터베이스 스키마 마이그레이션이 예약되면 다음 세부 사항과 함께 변경 요청이 생성됩니다.
- 변경 요청 번호: CHG-4055
- 제목: 실시간 트랜잭션을 위한 데이터베이스 스키마 마이그레이션
- 범주: 데이터베이스
Sarah가 레코드를 열고 점수가 72.45인 변경 위험 점수 카드를 확인합니다. 이 점수는 계획된 마이그레이션에 실패할 가능성이 높음을 나타냅니다.
Sarah는 기계 학습을 통해 식별된 위험 요인을 검토합니다. 예측 AI는 제목 및 설명 필드에 마이그레이션 및 스키마와 같은 키워드가 포함되어 있음을 식별합니다. 이 키워드는 내역적으로 고장률과 연관되어 있습니다. 또한 내역 추세 예측 변수는 비상 변경 사항에 실패할 가능성이 더 높다는 사실을 보여줍니다.
IT 안정성을 유지하기 위해 Sarah는 Sandbox 테스트를 위해 마이그레이션을 24시간 연기하고 전문 검토자를 할당합니다. Sarah는 변경 위험 점수의 데이터 분석을 사용하여 서비스 중단을 방지하는 일관된 프로세스를 따릅니다.
이 기사를 통해 문제를 해결했습니까?
개선을 위한 의견을 보내주세요.
