預(yù)測美國大學(xué)生籃球聯(lián)賽(NCAA)一級(jí)男子籃球錦標(biāo)賽的結(jié)果和錦標(biāo)賽本身一樣具有競爭性，這是一項(xiàng)非常容易爆冷和結(jié)果極難預(yù)測的賽事。多年來，沃倫·巴菲特(Warren Buffet)舉行過一次活動(dòng)，對(duì)成功預(yù)測各球隊(duì)比賽成績的人給予十億美元的獎(jiǎng)金，但沒人能接近獲得這筆獎(jiǎng)金。談到不可預(yù)測性，正如球迷們準(zhǔn)備為今年的錦標(biāo)賽成績進(jìn)行預(yù)測一樣，所有重大的公共體育賽事都被取消了。誰能預(yù)料到這種情況呢?
盡管我們看不到未來，但對(duì)一些變量的深入了解確實(shí)能讓人們做出更好的預(yù)測，并在比賽中獲得優(yōu)勢。通過學(xué)校吉祥物來預(yù)測獲勝者可能偶爾會(huì)奏效，但對(duì)最佳球隊(duì)、教練和運(yùn)動(dòng)員進(jìn)行深入研究是一種更為有效的策略。
同樣，客戶服務(wù)、開發(fā)運(yùn)營和IT問題在本質(zhì)上也是不可預(yù)測的。企業(yè)不可能事先知道什么時(shí)候會(huì)出現(xiàn)運(yùn)營問題，什么時(shí)候會(huì)出現(xiàn)產(chǎn)品缺陷，什么時(shí)候溝通會(huì)出現(xiàn)問題。人工智能和機(jī)器學(xué)習(xí)技術(shù)驅(qū)動(dòng)的解決方案可以幫助團(tuán)隊(duì)提高勝算。這些產(chǎn)品可以極大地加快對(duì)問題的響應(yīng)速度，因此在大多數(shù)客戶遇到問題之前，就可以進(jìn)行預(yù)防或得以解決。
當(dāng)數(shù)字應(yīng)用程序或服務(wù)出現(xiàn)問題時(shí)(例如，某一電子商務(wù)網(wǎng)站的購物車存在故障)，企業(yè)每分鐘會(huì)收到數(shù)千條警報(bào)，這對(duì)于人類員工來說既無用也無法操作。過多的噪音只會(huì)導(dǎo)致信號(hào)丟失，以及在潛在問題得到解決之前，客戶與服務(wù)團(tuán)隊(duì)之間會(huì)有更多的聯(lián)系。
客戶服務(wù)的預(yù)測性解決方案是基于對(duì)這些信號(hào)背后的驅(qū)動(dòng)因素的了解。快速識(shí)別模式有助于企業(yè)保持領(lǐng)先地位。機(jī)器學(xué)習(xí)工具通過消除無用信號(hào)，從而為響應(yīng)團(tuán)隊(duì)大大地縮短了響應(yīng)周期，而不是通過可能無用的警報(bào)和信息一遍又一遍地分散他們的注意力。
當(dāng)團(tuán)隊(duì)以這種方式使用機(jī)器學(xué)習(xí)技術(shù)時(shí)，他們可以大大減少這些信號(hào)，從而發(fā)現(xiàn)那些導(dǎo)致警報(bào)數(shù)量難以控制的實(shí)際事件。他們不必忙亂地解決許多小故障，而是可以全局性地看到問題的真正所在，并在解決一些數(shù)量較少的大問題時(shí)更加明智和聰明。
預(yù)測功能如何改善服務(wù)響應(yīng)
如果預(yù)測流程要幫助企業(yè)為大多數(shù)客戶提前解決問題，那么該流程必須實(shí)時(shí)進(jìn)行。不斷變化的問題可能會(huì)影響到客戶，因此不允許您停下來進(jìn)行反思或從容應(yīng)對(duì)。
對(duì)預(yù)測性客戶服務(wù)和IT服務(wù)的更高層次的需求是訓(xùn)練算法來識(shí)別哪些警報(bào)屬于哪些事件。在PagerDuty公司，我們的主要目標(biāo)是幫助企業(yè)在數(shù)字系統(tǒng)出現(xiàn)問題之前找出這些問題，并預(yù)測將來可能出現(xiàn)的問題，以便企業(yè)能夠提前進(jìn)行解決。我們使用機(jī)器學(xué)習(xí)技術(shù)將所有警報(bào)進(jìn)行分組，這樣團(tuán)隊(duì)就可以看到問題的整體狀況，并確切地知道如何解決這些問題。
例如，多個(gè)團(tuán)隊(duì)可能各自都在處理單個(gè)投訴，卻不了解這些投訴都是某一問題的各個(gè)方面。PagerDuty平臺(tái)的見解可以解決該問題，并讓所有人都能步調(diào)一致。同時(shí)，由于服務(wù)響應(yīng)人員被分配去解決某些特定的問題，該平臺(tái)會(huì)對(duì)信息進(jìn)行篩選，然后發(fā)給每個(gè)人，因此他們不會(huì)被自己正在處理的問題以外的其他問題所淹沒。
這一點(diǎn)很重要，因?yàn)榇蠖鄶?shù)系統(tǒng)都不是孤立運(yùn)行的，當(dāng)某個(gè)位置出現(xiàn)一個(gè)故障就等同于其他位置出現(xiàn)一個(gè)故障。當(dāng)出現(xiàn)問題時(shí)，企業(yè)會(huì)使用PagerDuty平臺(tái)來幫助查找連鎖問題的源頭，以防止發(fā)生災(zāi)難性故障。當(dāng)團(tuán)隊(duì)的預(yù)測能力和預(yù)防能力更強(qiáng)時(shí)，他們就可以從更高層面上看問題，并了解他們的工作將在哪些方面產(chǎn)生最大的影響。
幫助團(tuán)隊(duì)快速找到和解決問題的結(jié)構(gòu)還可以為組織的各個(gè)層級(jí)帶來更大的視野。經(jīng)理和主管可以更好地了解如何部署團(tuán)隊(duì)。那些可能必須向客戶解釋問題或停機(jī)故障的領(lǐng)導(dǎo)們同樣也會(huì)獲得一些信息和擁有一個(gè)明確的前進(jìn)道路。
PagerDuty公司如何使用機(jī)器學(xué)習(xí)技術(shù)
為企業(yè)的客戶服務(wù)和IT工作提供更好的預(yù)測能力和預(yù)防能力，首先要以有助于找到數(shù)字問題的潛在原因的方式來對(duì)問題進(jìn)行分組。該分組操作首先基于以下假設(shè)：如果兩條信息具有相似的文本，則這兩條信息基本類似。盡管從理論上講這是合理的，但了解這些信息是否真正相似則是一個(gè)模糊的概念。
在PagerDuty公司，最有效的解決方案是使用一個(gè)解析器，該解析器會(huì)接收信息，并將其轉(zhuǎn)換為不太精確的語言。此過程會(huì)減少詞語的數(shù)量，以顯示該信息中的某些特定元素。
該系統(tǒng)會(huì)查找唯一的標(biāo)識(shí)符，例如日期、時(shí)間、客戶ID或內(nèi)含ID的網(wǎng)站，這些標(biāo)識(shí)符僅會(huì)在客戶信息和報(bào)告的語境中發(fā)布。就內(nèi)容而言，這些標(biāo)識(shí)符通常對(duì)解析器并不重要。該程序僅會(huì)查找這些標(biāo)識(shí)符是否存在于信息主體中。
在這種總體模糊處理后，可將每條信息中的詞語和標(biāo)識(shí)符進(jìn)行分組。PagerDuty平臺(tái)在此檢查所接收的信號(hào)，并根據(jù)信息的整體內(nèi)容來確定哪些信息擁有相同的詞語組。
此步驟通過向量化來完成，向量化是將這些單詞系列中的每一個(gè)轉(zhuǎn)換為具有代表性數(shù)字序列的過程。但這仍是一個(gè)不完善的系統(tǒng)。當(dāng)然，每個(gè)句子都會(huì)產(chǎn)生一個(gè)向量表示，但每個(gè)向量都可能來自幾個(gè)不同的句子。通常，有足夠的信息可以確定句子何時(shí)具有相同的信息。但PagerDuty公司的軟件工程師仍必須考慮一個(gè)事實(shí)，即一個(gè)向量可以有很多種組合方式。
一旦系統(tǒng)識(shí)別出一組具有相同向量的信息，便將它們捆綁在一起。這些信息組基本上具有相同的內(nèi)容。它們的標(biāo)識(shí)符表明它們包含了眾多相同的詞。
將機(jī)器數(shù)據(jù)轉(zhuǎn)化為預(yù)測和預(yù)防能力
例如，當(dāng)一家公司在突然收到大量報(bào)告和信息時(shí)，通常他們會(huì)認(rèn)識(shí)到出了問題。其中大多數(shù)內(nèi)容是機(jī)器生成的，有些帶有自定義模板，有些甚至是由人編寫的。如果不進(jìn)行某種形式的分組，團(tuán)隊(duì)將無法從更高層面上了解所發(fā)生的情況。他們可以設(shè)計(jì)一個(gè)分組工具，但這需要投入大量的時(shí)間和精力，同時(shí)更多的事件報(bào)告會(huì)不斷累積。
同樣，由于如此多的信息具有不同的內(nèi)容，僅在內(nèi)容相同時(shí)對(duì)信息進(jìn)行分組并不能減少問題的數(shù)量。使用AI技術(shù)來識(shí)別相似性可以讓團(tuán)隊(duì)隨時(shí)間推移累積更多的相關(guān)信息。不同于數(shù)以千計(jì)的單個(gè)問題(每個(gè)問題由一個(gè)報(bào)告或信息表示)，通過這種方式對(duì)警報(bào)進(jìn)行分組，這只會(huì)顯示出幾個(gè)核心問題，而這些核心問題就是其他問題的根源。
此時(shí)，該系統(tǒng)已使響應(yīng)團(tuán)隊(duì)具備了預(yù)測和預(yù)防能力。找出最大的問題，解決可能導(dǎo)致未來問題的根源，這就變得更為容易。優(yōu)先處理核心問題上的一些工程工作會(huì)導(dǎo)致事件數(shù)量顯著下降，所有這一切都源自基本的AI分組。
從理論上講，這應(yīng)該是一個(gè)非常可靠的過程。一旦對(duì)信息進(jìn)行解析、識(shí)別和向量化，系統(tǒng)就應(yīng)該很容易按相似的內(nèi)容將信息進(jìn)行分組。這些信息都是文本相關(guān)的，而這些向量可以讓該平臺(tái)來衡量相關(guān)性的強(qiáng)度。
當(dāng)然，實(shí)際上并不總是那么簡單。語言的靈活性意味著該系統(tǒng)經(jīng)常出錯(cuò)。這就是為什么PagerDuty公司在我們的產(chǎn)品中建立了功能強(qiáng)大的反饋系統(tǒng)。
通過人工反饋改進(jìn)結(jié)果
當(dāng)最終用戶向該系統(tǒng)提供反饋時(shí)，他們就為我們提供了新的數(shù)據(jù)點(diǎn)以有助于完善該流程。通常，這需要承認(rèn)，A和B看起來應(yīng)該是相互關(guān)聯(lián)的。然而，該信息在人類語境中顯示，它們彼此之間沒有多大關(guān)系。
PagerDuty公司的反饋系統(tǒng)會(huì)給予那些擁有相同單詞而正相關(guān)的信息更大的權(quán)重，但之后人工反饋表明它們并不相似。這種評(píng)估和修改過程可以在軟件中通過一個(gè)大型的強(qiáng)化學(xué)習(xí)系統(tǒng)完成，但對(duì)于用戶而言，這只是單詞和信息是否應(yīng)該分在一起的一個(gè)簡單的評(píng)估過程。
當(dāng)然，客戶不需要了解其如何工作的具體細(xì)節(jié)。客戶服務(wù)和IT團(tuán)隊(duì)?wèi)?yīng)該使用簡單的工具來提供反饋，以描述哪些詞匯不匹配。
在更高的層面上，PagerDuty公司的反饋系統(tǒng)為用戶提供了用于合并和拆開警報(bào)中的詞匯組的眾多選項(xiàng)。這只是一個(gè)抓取選項(xiàng)，可將這些詞匯組從某一組中移入或移出;本質(zhì)上表示，某些項(xiàng)彼此屬于同一組，但另一項(xiàng)則不屬于。
另一個(gè)不太復(fù)雜但功能同樣強(qiáng)大的產(chǎn)品可能只需要幾個(gè)簡單的贊成和反對(duì)按鈕。 用戶基本上可以表示贊同某一匹配，或指出該過程中存在的缺陷。
任何事情都可能讓客戶感到沮喪和失望，就像在客戶服務(wù)部門工作過的人會(huì)告訴您的那樣。在這些不可預(yù)測的情況下改進(jìn)工作，這需要在問題出現(xiàn)時(shí)盡快地學(xué)習(xí)、了解和解決問題。最初的太空集成事件智能和應(yīng)急響應(yīng)解決方案是通過觀察數(shù)字信號(hào)和人類響應(yīng)行為，將機(jī)器與人類遙測技術(shù)相結(jié)合。
版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。
京公網(wǎng)安備 11010502049343號(hào)