Loading
Table des matières
Filtres (0)Ajouter
Sélectionner des filtres

          Aucun résultat
          Aucun résultat
          Voici quelques conseils de recherche

          Vérifiez l'orthographe de vos mots-clés.
          Utilisez des termes de recherche plus généraux.
          Sélectionnez moins de filtres pour élargir votre recherche.

            Recherchez dans toute l’aide de Salesforce
            Recherchez dans toute l’aide de Salesforce
            Carte de prédiction de la criticité de l'élément de configuration Surveillance

            Vous êtes ici :

            1. Aide de Salesforce
            2. Documents
            3. Service informatique Agentforce

            Carte de prédiction de la criticité de l'élément de configuration Surveillance

            Prévoyez la criticité métier des éléments de configuration (CI) en utilisant l'apprentissage machine, la dépendance CMDB et l'analyse des données d'incident. Utilisez les scores qui en résultent, de 0 à 100, pour prioriser les incidents, améliorer les décisions en matière de risque de changement et concentrer les ressources sur les actifs les plus critiques pour l'entreprise.

            Éditions requises

            Disponible avec : Lightning Experience
            Disponible avec : les éditions Enterprise et Unlimited avec le complément Einstein pour les services TI et le complément Accélérateur IA pour les services TI.
            1. Dans le Lanceur d'application, recherchez et sélectionnez Incidents ou Demandes de modification ou CMDB et Graphique de service.
            2. Ouvrez un incident, une demande de modification ou un enregistrement d'élément de configuration.
            3. Dans une page d'enregistrement d'incident, de demande de modification ou d'élément de configuration, accédez à la carte Score de criticité de l'élément de configuration dans le panneau latéral.
            4. Examinez le score prédit pour déterminer la probabilité d'échec d'un élément de configuration. Par exemple, un score de 0,08 indique un risque faible.
            5. Dans la liste Principaux prédicteurs, identifiez les facteurs qui influencent le score.
            6. Utilisez les icônes de commentaires pour affiner le modèle d'apprentissage machine :

              • Sélectionnez l'icône Pouce vers le haut si la prédiction est précise.

              • Sélectionnez l'icône Pouce vers le bas si la prédiction est incorrecte.
            Exemple
            Exemple

            Maria, gestionnaire des incidents à la banque Cumulus, gère les événements de service à fort impact dans les systèmes accessibles aux clients. Lors d'un ralentissement du trading, un incident est créé pour un CI de service de base de données principal avec les détails ci-dessous.

            • Numéro d'incident : INC-5824
            • Objet : Dégradation des performances de la plate-forme de trading - Cluster DB de base
            • Catégorie : Infrastructure/base de données
            • Élément de configuration : PROD-DB-CLUSTER-03

            Maria ouvre l'incident et affiche un score de critique métier de 94. Le score indique que cet incident a un impact métier élevé basé sur la topologie des dépendances, l'historique des incidents et les associations d'incidents majeurs.

            Maria examine les signaux du modèle et confirme pourquoi le score est élevé. L’IA prédictive montre que cette IC prend en charge plusieurs applications critiques pour le revenu, a des liens fréquents avec des services en amont et en aval, et est impliquée dans des incidents majeurs passés avec des temps de résolution longs.

            Pour réduire les risques métiers, Maria priorise cet incident avant les autres tickets ouverts et l'attribue directement à l'équipe de fiabilité de la base de données spécialisée. Maria marque également les enregistrements associés pour une surveillance plus étroite, car une défaillance dans cette IC peut affecter plusieurs services commerciaux.

             
            Chargement
            Salesforce Help | Article