监控变更风险预测卡
通过使用机器学习生成从 0 到 100 的分数来预测变更请求失败的风险。使用这些数据驱动的分数来用一致的流程来取代主观的评估，从而提高 IT 的稳定性。
所需的 Edition
| 适用于：Lightning Experience |
| 适用于：Enterprise 和 Unlimited Edition, 带有 Einstein for IT Services 加载项和 AI Accelerator for IT Services 加载项。 |
- 从应用程序启动程序中，查找并选择变更请求。
- 从“变更请求”页面中，打开记录。
-
在变更请求记录中，导航到侧面板中的变更风险得分卡。
变更风险得分卡显示变更请求失败的概率。
- 查看预测分数，以确定风险级别。例如，33.35 分表示变更请求失败的风险适中。
-
在热门预测因素列表中，确定影响得分的因素。常见预测因素包括：
- 主题和描述：与历史模式相关的关键字，例如 password 或 rejecting。
- 优先级和紧急性：相关事件或当前紧急程度对最终得分的影响。
- 历史趋势：当前所有者违反的过去事件的百分比等因素。
-
使用反馈图标帮助优化机器学习模型：
-
如果预测准确，请选择竖起大拇指图标。
- 如果预测不正确，请选择拇指向下图标。
-
示例：
示例
Cumulus Bank 的变更经理 Sarah 负责监督银行应用程序的关键更新。在计划实时事务的数据库模式迁移时，将使用这些详细信息创建变更请求。
- 变更请求编号：CHG-4055
- 主题：适用于实时事务的数据库模式迁移
- 类别：数据库
Sarah 打开记录，看到变更风险得分卡，得分为 72.45。此分数表示计划的迁移失败的可能性很高。
Sarah 回顾了机器学习识别的风险因素。预测性 AI 识别主题和描述字段包含关键字，例如迁移和模式，这在历史上与更高的失败率相关。此外，历史趋势预测因素显示，紧急变更失败的可能性更高。
为了保持 IT 的稳定性，Sarah 将 Sandbox 测试的迁移推迟 24 小时，并分配了一名专家审查员。使用变更风险得分中的数据分析，Sarah 遵循防止服务中断的一致流程。
本文章是否解决您的问题？
请与我们共享您的想法，以便我们进行改进！
