Het Analytics Maturity-model van Gartner is voor vele organisaties een belangrijke leidraad. Je kunt dit model inzetten voor verschillende doeleinden binnen jouw organisatie. Het is zeker ook een handig model om in te zetten voor data-analyse van incident management van jouw servicedesk. Maar waarom en hoe zou je het moeten inzetten? En wat levert het je precies op?
Dat leg ik uit in deze blog. Ik ga in op de volgende vragen:
1. Wat is het Analytics Maturity-model?
2. Waarom moet mijn servicedesk het Analytics Maturity-model gebruiken voor incident management?
3. Hoe zet ik het Analytics Maturity-model in voor de servicedesk?
4. Wat zijn de beste tips om te starten met het implementeren van het Analytics Maturity-model?
Het Analytics Maturity-model is een veelgebruikte manier om bedrijfsprocessen te analyseren. Je kunt het model dan ook goed inzetten voor data-analyse van incident management. Het doel van dit model is dat je inzichten krijgt in de manier waarop je met je data omgaat. Het model geeft de verschillende fasen aan van data-analyse:
Je kunt het Analytics Maturity-model gebruiken voor het volgende:
Je hoeft niet alle stappen van het model te doorlopen. Als je maar weet waar je naartoe wilt gaan.”
– Hiep Truong | Softwareontwikkelaar bij OGD ict- diensten.
Het is tijd om praktisch aan de slag te gaan met het model voor jouw servicedesk. Ik gebruik een praktijkvoorbeeld om de stappen duidelijk te maken.
Voorbeeldsituatie: de servicedesk van een ict-organisatie heeft afgelopen maandag een groot aantal calls gehad over binnengekomen incidenten: internet doet het niet. Medewerker Rob wil uitzoeken hoe dit komt en hoe de organisatie dit in de toekomst kan voorkomen. Met als resultaat dat de servicedesk minder werkdruk heeft en minder binnenkomende problemen hoeft te behandelen.
Ik ga de stappen van het model na om te laten zien hoe je dit probleem aanpakt.
Rob leest rapportages van de afgelopen maandag. Hij probeert zelf conclusies uit deze beschrijvingen en rapportages te trekken. Verder kijkt hij in de dashboards waar hij kan zien hoe vaak medewerkers van de servicedesk de telefoon binnen dertig seconden opnemen. Dit is 30%. Verder ziet hij dat medewerkers van de servicedesk moesten overwerken op die maandag. De werklasten waren dus te hoog. Rob concludeert aan de hand van deze beschrijving dat er een probleem was voor de servicedesk. Maar welk probleem dat precies is, en hoe hij dit kan oplossen: dat weet Rob niet in deze fase.
Rob is in deze fase te werk gegaan volgens de root-cause analysis. Hij gebruikt verschillende technieken om de oorzaak van een probleem te achterhalen. Hij gebruikt niet alleen rapportages en beschrijvingen. Hij houdt er ook een systeem naast waarin alle routers zijn opgeslagen. Zo komt hij erachter dat de licentie van een aantal software-apparaten niet is geüpdatet en hierdoor viel het netwerk uit. Rob concludeert dat dit de reden is voor het hoge aantal telefoontjes. Hij weet dus wat de oorzaken van dit probleem zijn. Maar Rob heeft nog geen plan om in te spelen op het probleem en het een volgende keer te voorkomen.
Rob weet de reden achter de hoge werkdruk van de servicedesk: het netwerk was uitgevallen en dat kwam door verouderde software. Rob wil dat dit in de toekomst niet meer voorkomt. Hij weet dat alle netwerkapparaten die ouder dan drie jaar zijn een software-update nodig hebben. Hiervoor kijkt hij in de configuration management database (CMDB) en geeft een inschatting voor wat de kans is op netwerkproblemen voor de huidige softwareversies.
Rob hoeft niet meer handmatig een database door te spitten en conclusies te trekken. Een systeem vertelt hem nu welke apparaten moeten worden vervangen. Het gaat zelfs nog verder. Dit systeem neemt zelf contact op met de leveranciers van wie de organisatie de apparatuur heeft gekocht, waarop de leverancier automatisch nieuwe software-apparaten levert. Het gebruik van AI maakt dit mogelijk. Met diezelfde slimme techniek voorspelt Robs organisatie voortdurend de kans dat het internet opnieuw uitvalt. Zo hoeft Rob zich niet meer bezig te houden met het uitzoeken en verhelpen van de problemen; hij kan zich nu richten op belangrijker zaken.
Bij een incident kun je vragen handmatig beantwoorden. Wat is er gebeurd, waarom, wat zou je moeten doen om het te voorkomen? Maar je kunt het ook een systeem of applicatie laten doen.
Je automatiseert dan het incident management bij jouw servicedesk. Ik zet hier op een rij waarom je dit kunt overwegen:
Op zoek naar een stappenplan om AI op de juiste manier in te zetten? Lees het in onze whitepaper.
“Waar je ook heen wilt gaan in dit model, de basis is dat je data op orde is. Een goede data-hygiëne is een voorwaarde om betrouwbare besluiten te kunnen maken en acties te ondernemen.”
– Hiep Truong | Softwareontwikkelaar bij OGD ict- diensten.
Je data op orde hebben. Dat is het belangrijkste wanneer je start met het automatiseren van incident management van je servicedesk. Het Analytics Maturity-model helpt je hiermee op weg. Wil je meer weten over het optimaliseren van je servicedesk? Praat met een van onze data-specialisten en ga aan de slag met onderstaande content:
OGD haalt al meer dan 35 jaar het maximale uit ict voor mensen en organisaties. Als strategisch partner bedenkt, bouwt en beheert OGD fullservice ict-oplossingen die de bedrijfsdoelen en medewerkers optimaal ondersteunen. Hierin neemt OGD de uitdagingen van alle afdelingen en medewerkers mee, vanuit het idee dat organisaties alleen zo duurzaam succes bereiken.
© 2023 OGD ict-diensten.
Algemene voorwaarden | Algemene inkoopvoorwaarden | Privacyverklaring
Nog geen reacties
Reageer als eerste