Prognose van SLA-inbreukwaarschijnlijkheden met behulp van machine learning en realtime gegevensanalyse. Gebruik de resulterende scores, variërend van 0 tot 100, om urgente taken te prioriteren, kritieke problemen te beheren en de betrouwbaarheid van de service te verbeteren.
Vereiste editions
Beschikbaar in: Lightning Experience
Beschikbaar in: Enterprise en Unlimited Edition met uitbreiding Einstein voor IT-services en uitbreiding AI Accelerator voor IT-services.
Zoek en selecteer vanuit de Appstarter Incidenten.
Open een record vanaf de pagina Incidenten.
Navigeer in een incidentrecord naar de kaart SLA-inbreukscore in het zijdeelvenster.
Controleer de voorspelde score om de waarschijnlijkheid van een SLA-inbreuk te bepalen. Een score van 0,08 geeft bijvoorbeeld een zeer laag risico aan.
Identificeer in de lijst Beste predictors de factoren die de score beïnvloeden. Veel voorkomende predictors zijn:
Onderwerp en beschrijving: Trefwoorden die historisch correleren met inbreuken.
Impact: De correlatie tussen het toegewezen impactniveau en de voorspelling.
Eigenaarhistorie: Het percentage records uit het verleden dat is geschonden door de huidige eigenaar.
Gebruik de feedbackpictogrammen om het machine learning-model te verfijnen:
Selecteer het pictogram Duim omhoog als de voorspelling nauwkeurig is.
Selecteer het pictogram Duimen omlaag als de voorspelling onjuist is.
Voorbeeld:
Voorbeeld
Smith, Incident Manager bij Cumulus Bank, beheert kritieke serviceonderbrekingen. Wanneer een piek in time-outs van databasequery's van invloed is op handelsportals, wordt er een incidentrecord gemaakt met deze details.
Incidentnummer: INC-4491
Onderwerp: Latentie van productiedatabase - regio AP-South
Categorie: Software/database
Smith opent de record en ziet de kaart SLA-inbreukscore met een score van 82. Deze score geeft aan dat de oplossingstijd de 4-uurs serviceniveau-overeenkomst voor het oplossen van het incident overschrijdt.
Smith beoordeelt de lijst van beste predictors, aangestuurd door machine learning, om risicofactoren te identificeren. Voorspellende AI geeft aan dat de velden Onderwerp en Beschrijving trefwoorden bevatten zoals productiedatabase en latentie, die historisch gezien resulteren in complexe oplossingen. Daarnaast toont de predictor voor de eigenaarshistorie dat de generalistische wachtrij een hoog inbreukpercentage heeft voor databaseproblemen met grote impact.
Om de betrouwbaarheid van de service te waarborgen, escaleert Smith het incident naar het Cloud Infrastructure-team. Met behulp van realtime gegevensanalyse vanuit de SLA-inbreukscore zorgt Smith ervoor dat experts het probleem prioriteren vóór de deadline. Het team lost de latentie op en handhaaft de serviceverplichtingen van de bank.
Heeft dit artikel uw probleem opgelost?
Laat ons weten wat we kunnen doen om te verbeteren!
Wordt geladen
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.