监控 SLA 违约预测卡
使用机器学习和实时数据分析，预测 SLA 违约概率。使用获得的分数（从 0 到 100）确定紧急任务的优先级，管理关键问题，并提高服务的可靠性。
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，查找并选择事件。
- 从“事件”页面中，打开记录。
- 在事件记录中，导航到侧面板中的 SLA 违约得分卡。
- 查看预测分数，以确定违反 SLA 的可能性。例如，0.08 的分数表示风险非常低。
-
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：历史上与违约相关的关键字。
- 影响：分配的影响级别与预测之间的相互关系。
- 所有者历史：当前所有者违反的过去记录的百分比。
-
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 的事件经理 Smith 负责管理关键的服务中断。当数据库查询超时峰值影响交易入口网站时，会使用这些详细信息创建事件记录。
- 事件编号：INC-4491
- 主题：生产数据库延迟 - AP-South 地区
- 类别：软件/数据库
Smith 打开记录，看到得分为 82 的 SLA 违约得分卡。该得分表明，解决时间很有可能超过解决事件的 4 小时服务级别协议。
Smith 查看由机器学习支持的顶级预测因素列表，以确定风险因素。预测性 AI 识别主题和描述字段包含关键字，例如生产数据库和延迟，这在历史上会导致复杂的解决方法。此外，所有者历史预测因素显示，对于影响较大的数据库问题，通用队列的泄露率很高。
为了保持服务的可靠性，Smith 将事件上报到云基础设施团队。使用 SLA 违约分数的实时数据分析，Smith 确保专家在截止日期之前确定问题的优先级。该团队解决延迟问题，并维护银行的服务承诺。
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！
