論文の概要: Impact of Critical and Auto Ticket: Analysis for Management and Workers
Productivity in using a Ticketing System
- arxiv url: http://arxiv.org/abs/2203.03709v1
- Date: Sun, 13 Feb 2022 05:06:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 15:26:00.165931
- Title: Impact of Critical and Auto Ticket: Analysis for Management and Workers
Productivity in using a Ticketing System
- Title(参考訳): 批判的・自動車チケットの影響:チケットシステムを用いた経営と労働者の生産性の分析
- Authors: Kent Darryl Aglibar, Nelson Rodelas
- Abstract要約: この研究は、私たちがどのようにして予防し、トラブルシュートし、ビジネスへの影響の可能性についての洞察を与えるか、という解決策を思いつくことを目的としています。
資源のメンタルヘルスと企業への直接的な影響について、重要かつ自動チケットがいかに影響するかについて、さらなる研究を行うことが推奨されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ticketing system is common in Technical Support in Information Technology
Industry. At present time, even management is using it. It serves as a way to
connect the company and the client, end to end. The researchers conducted
research where it aims to come up with a solution on how we are going to
prevent, troubleshoot, and give insight for possible business impact to those
everyday issues. Researchers used data collection to gather data from
management, support workers, and Service Now open-source ticketing system to
visualize the ticketing system application. Critical ticket gives a lot of
pressure to the resources as they needed to resolve the incident in accordance
with the service level agreement. Having knowledge management helps resource to
find references on how to deal with the incident. It helps them to execute
workaround quickly and think of a way on how to resolve it permanently. It is
concluded that critical and auto ticket affects the everyday productivity of
the worker especially teaching new employees despite ongoing critical
incidents. Researchers provided solutions such as knowledge Management and
Dashboard to document all the solutions encountered and monitor the SLA and
incoming tickets. It is recommended to have further research on how critical
and auto ticket affects the mental health of resources and its direct impact to
businesses. It is also recommended to have a study on how knowledge management
work and help resources to identify correct workaround despite of having a lot
of troubleshooting guides.
- Abstract(参考訳): 情報技術産業における技術支援において、ティケティング・システムは一般的である。
現段階では管理職でも使用しています。
それは、会社とクライアントを終端に繋ぐ方法として機能する。
研究者らは、日常的な問題に対するビジネスへの影響を予防し、トラブルシュートし、洞察する方法についての解決策を考案する研究を行った。
研究者は、データ収集を使用して、管理、サポートワーカー、そしてService Nowオープンソースチケットシステムからデータを収集し、チケットシステムアプリケーションを視覚化した。
クリティカルチケットは、サービスレベル合意に従ってインシデントを解決するために必要なリソースに多くのプレッシャーを与えます。
知識管理は、リソースがインシデントに対処する方法の参照を見つけるのに役立つ。
回避策を迅速に実行し、恒久的に解決する方法を考えるのに役立ちます。
批判的かつ自動的なチケットは、特に危機的事件が続いているにもかかわらず、特に新入社員の日常的な生産性に影響を及ぼすと結論づけられた。
研究者たちは知識管理やダッシュボードといったソリューションを提供して、遭遇したすべてのソリューションをドキュメント化し、SLAと入ってくるチケットを監視した。
重要・自動改札が資源のメンタルヘルスと企業への直接的な影響に与える影響について、さらなる研究を行うことが推奨されている。
また、多くのトラブルシューティングガイドがあるにもかかわらず、知識管理がどのように機能し、リソースが正しい回避策を見つけるのを助けるかの研究も推奨されている。
関連論文リスト
- Leveraging Skill-to-Skill Supervision for Knowledge Tracing [13.753990664747265]
知識追跡は知的学習システムにおいて重要な役割を担っている。
知識追跡モデルの最近の進歩は、問題解決の歴史をよりうまく活用することを可能にしている。
知識を直接組み込む知識トレースアルゴリズムは、限られたデータやコールドスタートの設定において重要である。
論文 参考訳(メタデータ) (2023-06-12T03:23:22Z) - A Study of Situational Reasoning for Traffic Understanding [63.45021731775964]
トラフィック領域における状況推論のための3つの新しいテキストベースのタスクを考案する。
先行作業における言語推論タスクにまたがる一般化能力を示す知識強化手法を4つ採用する。
本稿では,データ分割におけるモデル性能の詳細な解析を行い,モデル予測を分類的に検討する。
論文 参考訳(メタデータ) (2023-06-05T01:01:12Z) - Information Design in Multi-Agent Reinforcement Learning [61.140924904755266]
強化学習(Reinforcement Learning、RL)は、人間の幼児や動物が環境から学ぶ方法にインスパイアされている。
計算経済学の研究は、他者に直接影響を与える2つの方法を蒸留する: 有形物(機械設計)の提供と情報(情報設計)の提供である。
論文 参考訳(メタデータ) (2023-05-08T07:52:15Z) - Understanding the Issues, Their Causes and Solutions in Microservices
Systems: An Empirical Study [11.536360998310576]
技術的負債、継続的インテグレーション、例外処理、サービス実行、コミュニケーションは、システムにおいて最も重要な問題です。
特定された問題を修正するために適用可能な177種類のソリューションを見つけました。
論文 参考訳(メタデータ) (2023-02-03T18:08:03Z) - TaDaa: real time Ticket Assignment Deep learning Auto Advisor for
customer support, help desk, and issue ticketing systems [0.0]
プロジェクトには,1) 問題を適切なグループに割り当てる,2) 問題をベストリゾルバに割り当てる,3) 関連性の高いチケットをリゾルバに割り当てる,といった機能がある。
我々は3k以上のグループと10k以上のリゾルバを持つチケットシステムサンプルデータセットを1つ利用し、グループ提案で95.2%、リゾルバ提案で79.0%、トップ3で9.0%の精度を得る。
論文 参考訳(メタデータ) (2022-07-18T18:08:34Z) - Mining Root Cause Knowledge from Cloud Service Incident Investigations
for AIOps [71.12026848664753]
サービス破壊インシデントの根本原因分析(RCA)は、ITプロセスにおける最も重要かつ複雑なタスクの1つです。
本研究では、Salesforceで構築されたICAと、ダウンストリームのインシデントサーチとレトリーバルベースのRCAパイプラインについて紹介する。
論文 参考訳(メタデータ) (2022-04-21T02:33:34Z) - Reinforcement Learning with Efficient Active Feature Acquisition [59.91808801541007]
実生活では、情報取得は患者の医療検査に該当する可能性がある。
本稿では,アクティブな特徴獲得ポリシーを学習するモデルに基づく強化学習フレームワークを提案する。
この成功の鍵は、部分的に観察された状態から高品質な表現を学ぶ新しい逐次変分自動エンコーダである。
論文 参考訳(メタデータ) (2020-11-02T08:46:27Z) - Escalation Prediction using Feature Engineering: Addressing Support
Ticket Escalations within IBM's Ecosystem [0.0]
この論文は、特にサポートチケットをエスカレートするリスクを予測する上で、サポートアナリストやマネージャの仕事を単純化するためのステップを提供する。
サポートアナリストの顧客に関する専門知識は、サポートチケットエスカレーションを予測するために機械学習モデルに実装されるサポートチケットモデルの特徴に翻訳された。
機械学習モデルは250万以上のサポートチケットと10,000エスカレーションでトレーニングされ、エスカレーションのリスクがあるサポートアナリストに対して79.9%のリコールと80.8%のワークロード削減を実現した。
論文 参考訳(メタデータ) (2020-10-12T07:06:52Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳(メタデータ) (2020-08-29T15:14:03Z) - Explore, Discover and Learn: Unsupervised Discovery of State-Covering
Skills [155.11646755470582]
情報理論的スキル発見の代替手法として,'Explore, Discover and Learn'(EDL)がある。
本稿では,EDLがカバレッジ問題を克服し,学習スキルの初期状態への依存を減らし,ユーザが学習すべき行動について事前定義できるようにするなど,大きなメリットがあることを示す。
論文 参考訳(メタデータ) (2020-02-10T10:49:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。