КАК СОБРАТЬ ПОЛЕЗНОЕ ML-РЕШЕНИЕ, ЕСЛИ ДАННЫЕ НЕСОВЕРШЕННЫ - ICL Services - Дмитрий Каштанов, 21.02.2019 - CNews
←
→
Транскрипция содержимого страницы
Если ваш браузер не отображает страницу правильно, пожалуйста, читайте содержимое страницы ниже
ICL Services КАК СОБРАТЬ ПОЛЕЗНОЕ ML-РЕШЕНИЕ, ЕСЛИ ДАННЫЕ НЕСОВЕРШЕННЫ Дмитрий Каштанов, 21.02.2019
Пару слов об ICL Services
Более 2500 Клиенты на
Что мы делаем сотрудников 5 континентах
Сервис Деск Растем в 2 раза Офисы в 5 городах
быстрее рынка России и Сербии
Удаленное администрирование
инфраструктуры клиента
Разработка и сопровождение Как мы работаем:
бизнес-приложений
01 Четкие системы контроля качества оказываемых услуг
Обслуживание рабочих мест
ИТ и бизнес консалтинг 02 Постоянное улучшение сервиса
Управление рабочими 03 Гибкость услуг в соответствии с пожеланиями клиентов
местами пользователей Реализация проектов любой сложности, всегда делаем полноценный
Внедрение цифровых 04 Transition перед началом оказания сервисов
технологий
Многоуровневый каталог услуг позволяет выбирать только
05 необходимые сервисы, с подробным Service description и SLA
2
Пример процесса, который мы роботизировали с помощью ИИ
Регистрация Маршрутизация Решение Закрытие
Досбор информации
Классификация
Назначение на
группу решения
4
Что делает ИИ
22 секунды
Действия робота с момента создания обращения
Машинное обучение
Робот анализирует
Глубокое обучение Действия человека
новое обращение
Обработка естественного
языка
Робот оставляет Агент изменил
Нет Робот классификацию
уверен? запрос в очереди с в процессе
подсказкой агенту назначения?
Да Нет Да Нет
Робот
Неверно (по мнению Верно (по мнению
Робот классифицирует может
назначить? назначающего) назначающего)
Да 2% 23%
Робот отказался Назначение выполнено
классифицировать роботом
60% 15% 5
Что получилось
100%
Эффект: -7% трудозатраты, +3 пункта SLA 90%
80%
Объём: 1-я линия Сервис-деска – 6000+ заявок/месяц 70%
60%
Язык: Русский
50%
Разнообразие: 510+ категорий заявок 40%
30%
Технологии: Python, TensorFlow, ITSM Automation Interface 20%
Windows, DevOps, Ansible, BDD
10%
Результат: 15% заявок назначается на 2-ю линию за 22
сек 2018- 2018- 2018- 2018- 2018- 2018- 2019- 2019-
07 08 09 10 11 12 01 02
7. Робот отказался
65% 64% 60% 60% 63% 60% 64% 61%
классифицировать
3. Назначение выполнено
11% 14% 17% 17% 15% 13% 14% 16%
роботом
2. Неверно (по мнению
2% 1% 2% 2% 2% 1% 1% 1%
назначающего)
1. Верно (по мнению
21% 20% 21% 21% 20% 25% 21% 22%
назначающего) 6
Как развивалось решение
100%
90%
80%
70%
60%
Отказ
50%
Неверно
Верно 40%
30%
20%
10%
0%
Версия 1.0
1.0 2.0
2.0 3.0
3.0
Набор данных Базовый Расширенный Расширенный
TensorFlow, Keras, Region
Технологии fastText, Ubuntu + Windows fastText, Ubuntu + Windows
Embedding, Windows
Общие технологии Python 3.6, ITSM Automation Interface, Ansible, Behavior Driven Development
7
Как собираем полезное решение
1 2
Копаем Исправляем
данные данные
3 4 5
Улучшаем «Придушиваем» модель - Забываем
модель Сокращаем остаточный про модель
отрицательный эффект
8
Копаем данные
№ запроса Состояние Услуга Тип обращения Описание
Ошибка 321. Не идет ping.
INC2001003 Закрыт Сеть Маршрутизатор
Порт вышел из строя
Регистрация Маршрутизация Решение Закрытие
9
Копаем данные
№ запроса Состояние Услуга Тип обращения Описание
Ошибка 321. Не идет ping. Порт
INC2001003 Закрыт Сеть Маршрутизатор вышел из строя
Ошибка 321. Не идет ping. Порт
INC2001003 Решен Сеть Маршрутизатор вышел из строя
INC2001003 Назначен Касса Не работает Ошибка 321. Не идет ping
INC2001003 Новый Касса Не работает Ошибка 321
Регистрация Маршрутизация Решение Закрытие
10
Исправляем данные. Визуализируем логику модели
11Питонистам
Улучшаем модель
мало платят…
Так ты же просто рандомно
подбираешь коэффициенты,
пока кросс-валидация не даст ТЫ ЧЁ, ПЁС, Я МАТЕМАТИК!
нормальный результат!
Становись ДАТА
САЕНТИСТОМ
как я!
Это зачем?
Будешь
разрабатывать
искусственный
интеллект за
300к/сек
12«Придушиваем» модель правильно
True VS False Positives,
80
НЕ ПРАВИЛЬНО ПРАВИЛЬНО 70
60
50
True Positives, %
40
30
20
10
0
012 3 5 10 20 30
False Positives, %
13Забываем про модель – осваиваем потенциал другими
инструментами
Машинное обучение
Бизнес- Интеграция Голосовые RPA …
правила технологии
14Полезные решения – самый ценный опыт!
Основной потенциал - в данных
Лучшее – враг хорошего. Будьте
Agile
Формулируйте и проверяйте
гипотезы
Анализируйте ошибки
Используйте весь арсенал Digital
Мы помогаем делать полезные цифровые
решения!
15КОНТАКТНАЯ ИНФОРМАЦИЯ:
+7 800 333 98 70
Icl-services.com
pr@icl-services.com
420029, г. Казань,
Сибирский тракт 34Вы также можете почитать
