Поделиться
Naumen переводит ITSM на интеллектуальную платформу
Naumen объявила о создании Центра компетенций по интеллектуальной автоматизации. Его задача – развивать сервисный подход с использованием самообучающихся систем на базе решений Naumen Service Management Intelligent Automation (SMIA).
Базисом для Центра послужат многолетняя практика реализации ITSM-проектов на базе решения Naumen Service Desk и опыт по созданию высокоинтеллектуальных систем. Синтез технологий и экспертизы позволил разработать новую группу продуктов для интеллектуальной автоматизации под общим названием Naumen Service Management Intelligent Automation.
SMIA – набор решений для автоматизации управления ИТ и сервисными службами на основе технологий больших данных и машинного обучения. Naumen Service Management Intelligent Automation включает решения Predictive Maintenance, услуги в сфере Data Science и Data Management, а также систему автоматизации сервисных служб нового поколения, которая позволяет автоматизировано решать проблемы и давать рекомендации специалистам сервисных служб и конечным пользователям, снижая стоимость поддержки систем и устраняя неэффективность бизнес-процессов техподдержки при ручной обработке данных.
«В ближайшие годы многим компаниям предстоит сложный этап трансформации бизнеса, связанный с включением в новую цифровую экономику. Преодоление этого порога окажется существенно легче для тех, кто уже сейчас начинает готовить свои ИТ к цифровизации, внедряя современные ИТ-платформы для поддержки бизнеса и перестраивая бизнес-процессы с учетом перспективных требований, – отметил Дмитрий Рубин, директор департамента систем автоматизации ИТ и процессов обслуживания, Naumen. – Компании будут использовать машинное обучение, искусственный интеллект, большие данные и другие технологии эпохи Четвертой промышленной революции. Востребованность этих решений со стороны заказчиков стала толчком для создания Центра компетенций по интеллектуальной автоматизации».
Naumen Service Management Intelligent Automation может внедряться на универсальных платформах для построения решений по автоматизации бизнес-процессов, интеллектуального мониторинга и анализа экосистемы предприятия – Naumen Service&Data Platforms. В эту линейку входят универсальная платформа для автоматизации бизнес-процессов Naumen Service Management Platform и платформа для построения систем интеллектуального мониторинга и анализа экосистемы предприятия Naumen Data Aggregation Platform.
«Цифровая трансформация – это не просто «задел на будущее». Инвестиции в технологии возвращаются уже сегодня. Запуск каждого проекта на базе решений Naumen Service Management Intelligent Automation сопровождался реальным бизнес-результатом, демонстрируя снижение затрат на операционные процессы до 50% и рост качества и скорости принятия решений до 70%, – сказал Никита Кардашин, руководитель по развитию решений в области анализа данных и машинного обучения, Naumen. – Технологии цифровой эпохи расширяют возможности бизнеса по повышению собственной эффективности и ведению конкурентной борьбы. Более того, потенциальные клиенты и партнеры научились рассматривать перспективы сотрудничества сквозь призму цифровизации».
На счету компании Naumen немало проектов, реализованных на базе решений Naumen SMIA. В частности, в «Почте России» «интеллектуализация» позволила существенно повысить эффективность Service Desk «Почты России»: до 80% заявок пользователей ИТ-систем теперь регистрируются через портал самообслуживания, при этом система понимает описание проблем на естественном языке, умеет распознавать массовые инциденты и сразу предлагать пользователям способы их решения. Еще один значимый проект реализован с компанией «Газпром нефть» и фондом «Сколково». Совместно с партнерами Naumen разработал интеллектуальную систему прогнозирования сбоев в ИТ-инфраструктуре на базе технологий предиктивной аналитики. На основании исторических и оперативных данных мониторинга она предсказывает возможные инциденты и формирует рекомендации по их предотвращению. На сегодняшний день система позволяет предотвратить до 30% инфраструктурных инцидентов, при этом только 6% предсказаний ошибочны. По мере самообучения системы на новых данных оба показателя будут качественно улучшаться.
Короткая ссылка
