发布时间: 浏览: 次 来源：国企网
无论是追踪平均修复时间（MTTR）还是工单关闭率，传统的报表和仪表盘都能帮助衡量IT服务台的运营效率。然而，要真正实现ITSM运营与业务目标的深度对齐，IT领导者与服务台经理必须推动战略性的服务改进。
为此，他们需要深入洞察那些影响服务成果的关键领域，包括事件趋势、服务水平协议（SLA）合规情况、技术人员工作效率，以及资产的财务状况等。这正是为何在ITSM运营中嵌入智能决策能力显得尤为重要。
本文将探讨ManageEngine卓豪ServiceDesk Plus与Analytics Plus的集成是如何帮助企业借助AI驱动的数据分析，获得智能且可执行的洞察，从而推动更快速、更明智的ITSM决策。
为了更好地说明这一点，本文将以一家公司为例，展示当缺乏高级分析能力时，其在IT决策过程中如何陷入困境。
该公司的决策瘫痪：4大关键场景
该公司是一家全球知名的银行，致力于为客户提供世界一流的数字化银行体验。为实现这一目标，其IT领导层专注于推进战略性ITSM改革的同时，也负责日常服务运营的顺利进行。团队的首要任务包括：增强安全事件的响应策略、确保服务水平协议（SLA）合规，以及防止技术人员因超负荷工作而产生倦怠。
然而，该公司的这一系列努力却被传统的报表机制所限制。这些报表缺乏深入分析能力，使团队难以获取实时且具备上下文的信息洞察，从而导致决策迟缓，关键行动难以落地。具体表现如下：
●安全事件报表需要从分散的数据源手动整合，严重拖慢了响应速度；
●技术人员的工作负载因数据复杂而缺乏透明度，导致任务分配失衡；
●服务级别协议（SLA）因未能考虑相关依赖关系而频繁违约，影响服务质量；
●ITSM团队只能依赖主观猜测识别瓶颈，缺乏数据支持，导致整体运营效率低下。
●现在，让我们看看该公司如何通过整合这两种解决方案，有效应对每一个挑战。
●通过与Zia（我们的原生AI驱动虚拟助手）对话生成安全事件报表和仪表盘
为了加强事件响应计划，该公司需要首先评估现有流程并识别关键瓶颈。但这一过程充满挑战：关键数据分布在多个系统中，迫使IT领导层不得不从零开始手动编制报表。这不仅依赖复杂查询，且常常选择了不准确的指标。
此外，由于这些报表难以被相关利益相关者访问，导致他们无法快速获得可操作的洞察，从而进一步拖延了决策过程。总体而言，这种分散、低效的方法让报表制作既耗时又容易出错，严重制约了该公司建立高效、主动的事件响应策略。
通过集成获得的优势
为克服手动构建复杂报表的困扰，该公司借助了ServiceDesk Plus与Analytics Plus的集成能力。无需投入大量时间与精力，该公司能通过原生AI虚拟助手Zia的对话式智能技术，快速生成可视化丰富、内容详尽的报表与仪表盘。
通过Zia的“Ask Zia”对话界面，服务台经理只需使用自然语言提问，例如“显示与安全相关的事件数量”，Zia即可在几秒内生成具有上下文关联的图表，省去编写复杂查询的烦恼。接着，用户可继续询问事件的严重性、状态、平均解决时间和SLA合规性等内容（见图1）。
Zia会将这些问题转化为具备可视化效果的小工具，如柱状图、趋势图与仪表盘，为服务健康提供直观、清晰的洞察。
图1.通过Ask Zia（我们的原生AI驱动虚拟助手）生成可视化报表和仪表盘。
这些小工具随后被整合进一个统一的仪表盘，团队可在同一界面中查看所有关键信息。他们还可进一步自定义布局与样式，突出最关键的内容，构建出一个直观、易操作的用户界面。
通过将Analytics Plus生成的仪表盘直接嵌入ServiceDesk Plus，该公司的团队实现了跨工具的无缝协作，无需频繁切换窗口，极大提升了工作效率（见图2）。
图2.自定义布局并在ServiceDesk Plus中嵌入仪表盘。
通过几个简单的对话指令，该公司彻底颠覆了过去生成报表和仪表盘的方式，不仅加快了决策速度，还获得了更具深度的运营洞察。
通过获取基于上下文的、由生成式人工智能（GenAI）驱动的洞察来优化技术人员的工作负载
在该公司，IT领导者始终坚信：只有获得充分支持与赋能的技术人员，才能成为高效服务交付的基石。然而，现实数据却讲述了一个截然不同、令人担忧的故事。当前，技术人员的工作负载已超出100%，他们不得不频繁加班，而工单积压量也突破50张大关。整个团队非但没有处于可控状态，反而正逐步走向集体倦怠（burnout）。
尽管掌握大量数据，该公司的服务台经理却因复杂的表格和原始图表缺乏可操作性而陷入“分析瘫痪”。为了提取关键洞察，他们必须手动审查多份报表，如工单解决时间、按技术人员划分的工单量、工单积压情况等。这种低效做法不仅耗时，还因为潜在变量的缺失而导致数据解读不一致，进一步加剧了工作负载管理的难度。
集成带来的优势：从“数据堆”中提取可执行洞察
如今，该公司不再需要手动整理繁杂的报表数据，而是借助生成式人工智能（GenAI）驱动的Zia Insights，只需一键，即可获取结构清晰、具备上下文的洞察解读。这让服务台经理能够直观掌握关键绩效指标（KPI），识别趋势并洞察潜在影响因素——无需繁琐计算与数据建模。
为了更科学地优化技术人员的工作负载，Zia Insights通过图表与文本方式，呈现每位技术人员处理的事件数量、平均处理时间以及请求重新打开的比例等关键趋势。基于这些数据，Zia能够识别性能偏差，实现预警与早期干预。
例如，Zia分析发现，服务台中请求被重新打开的总比例为111%。更深入的趋势图揭示了明显的波动，并定位出导致该趋势的具体原因。数据显示，Emily Davis的请求重新打开次数仅为5次，而Michael Wilson高达9次，两者相差80%，这一对比无需人工计算（见图3）。为解决这一问题，该公司随即为Michael安排了定向的技能提升计划，以帮助其提高一次解决率。
图3.通过Zia Insights，从复杂报表中生成清晰描述和可执行洞察。
当服务趋势发生异常变化，例如SLA合规率突然下降时，Zia的“关键驱动因素分析”功能可进一步深入，识别背后的根本原因。例如，它可自动识别出导致问题的高优先级请求激增，而无需人工干预。通过Zia，该公司得以将原始数据转化为清晰、可落地的行动洞察，赋能服务台经理更科学地规划资源、优化任务分配并有效预防技术人员倦怠。
借助无代码AI预测，提升SLA合规率
该公司的IT领导者深知，准时交付服务对银行业务至关重要。他们设定了一个战略目标：将SLA合规率稳定保持在95%以上。然而，目标虽清晰，执行却困难重重，关键原因在于他们忽略了影响SLA表现的多种依赖因素。
该公司的服务台经理在决策过程中过度依赖历史数据，却忽视了对未来服务趋势的预测。这使他们无法及时识别潜在风险，如季节性工单高峰、组织流程变更等新兴因素对SLA的潜在冲击。更严重的是，系统中明显存在工单流转瓶颈，导致许多关键请求临近违约边缘却无人察觉，直到问题爆发已无可挽回。因此，该公司的SLA合规目标始终难以实现。
通过集成获得的优势
为防止服务水平协议（SLA）违约并保持行业领先地位，该公司的服务台经理借助AnalyticsPlus的无代码机器学习引擎，生成了针对其独特服务环境的可操作预测。
他们通过追踪每周已解决请求的平均值，洞察技术人员的工作负载平衡、季节性解决趋势以及积压处理效率。为了优化未来几周的资源规划，团队结合关键影响因素（如新进请求数量和平均解决时间）对该每周平均KPI进行了预测（见图4）。Analytics Plus会自动选取最优的预测模型（此处为向量自回归），并生成未来五周的趋势展望（见图5）。这些预测揭示了即将出现的解决趋势波动，使团队得以更具战略性地分配技术人员，从而降低SLA违约风险。
图4.借助机器学习引擎，结合影响因素生成定制化、精准的KPI预测。
图5.基于历史模式与关键指标，通过无代码机器学习引擎预测未来趋势变化。
除了预测功能，管理者还利用AutoML能力构建了自定义的无代码机器学习模型，这些模型可从历史工单数据中学习，识别模式，并主动预警潜在升级风险。在开发模型的过程中，团队纳入了关键属性（如工单优先级和类别），并选择了合适的分类算法（如决策树或随机森林）来优化预测准确性。模型部署后，系统能够自动识别可能被升级的开放工单，帮助团队提前干预、重新分配资源，并持续实现SLA时间目标。
通过Spotlight提升ITSM模块的决策智能
为了实现持续的服务改进，该公司开始审视其现有的ITSM实践，并识别潜在的改进领域。然而，很快他们便遇到了一个常见难题：信息过载。
尽管掌握了大量ITSM数据，该公司却难以从中提取有价值的信息，导致运营盲区。这让团队难以判断哪些措施真正有效、哪些无效，以及应优先改进的具体方向。
由于缺乏清晰的数据策略，团队不得不依赖人为推测，这直接造成运营效率低下、进展缓慢。更严重的是，当需要同时优化多个流程时，决策疲劳逐渐显现，而团队又缺乏洞察来指导关键决策。每项改进都像是在摸着石头过河，难以将关键信息有效关联起来。
集成带来的优势
该公司的服务台经理不再需要翻阅冗长报表或筛选原始数据，而是借助Spotlight——一款强大的决策智能引擎，直接从ITSM数据中获取来自事件管理、服务请求、变更管理和资产管理等模块的上下文相关、智能推荐。
Spotlight能揭示隐藏的瓶颈并指出其严重性，识别模式并提供纠正建议，帮助团队迅速响应，保持领先（图6）。例如，Spotlight曾提示某一业务关键问题：每天下午3点至4点工单激增，建议在此时段增加技术人员配置。在另一个场景中，它识别出三位多次上报资产问题的请求者，并建议分析其资产使用模式以防止问题再次发生。
图6.通过Spotlight，在ITSM实践中实现上下文相关、智能化的推荐。
简而言之，Spotlight承担了大量分析工作，让IT团队能够摆脱猜测，及时做出数据驱动的决策，从而推动持续的服务优化。
结语
随着组织在ITSM成熟度上不断提升，具备快速、智能决策能力的团队将脱颖而出。ManageEngine卓豪由Analytics Plus提供支持的ServiceDesk Plus高级分析功能，可将原始数据转化为实时的决策智能，使IT团队能够主动应对变化、持续优化服务，并始终与业务优先级保持一致。
展望未来，决策智能不再是可有可无的附加选项，而将成为ITSM卓越运营的核心。借助ManageEngine卓豪，组织不仅能将每一项洞察转化为切实成果，更能建立起面向未来的ITSM战略。
卓豪官方网站可免费下载软件试用：https：//www.manageengine.cn
（广告）
责任编辑：唐珩 审核：高海仙
特别声明：
1.本网/端所刊登内容，若无特别声明，均来自网络转载，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。
2.部分注明“来源：中国报业网”的作品为党政部门、网络作者投稿后经审核发布，投稿方应对文章、图片的真实性负责。仅代表投稿方个人观点，并不代表本网赞同其观点和对其真实性负责。
3.凡本网/端转载的企业资讯，仅代表作者个人观点，与本网无关。所涉内容不构成投资、消费建议，仅供读者参考，并请自行核实相关内容。
4.凡注明“中国报业”的所有文字、图片、音视频、美术设计和程序等作品，版权均属《中国报业》杂志社所有。未经《中国报业》杂志社授权，不得进行一切形式的下载、转载或建立镜像。
5.您若对该稿件内容有任何疑问，请即与中国报业网联系，本网将会在24小时给您回应并做处理。
6.邮箱：zgbymedia@163.com 电话：010-65363038 处理时间：上午9点至下午5点30分。
