預(yù)測美國大學(xué)生籃球聯(lián)賽(NCAA)一級男子籃球錦標(biāo)賽的結(jié)果和錦標(biāo)賽本身一樣具有競爭性，這是一項非常容易爆冷和結(jié)果極難預(yù)測的賽事。多年來，沃倫·巴菲特(Warren Buffet)舉行過一次活動，對成功預(yù)測各球隊比賽成績的人給予十億美元的獎金，但沒人能接近獲得這筆獎金。談到不可預(yù)測性，正如球迷們準(zhǔn)備為今年的錦標(biāo)賽成績進行預(yù)測一樣，所有重大的公共體育賽事都被取消了。誰能預(yù)料到這種情況呢?

[[332055]]

盡管我們看不到未來，但對一些變量的深入了解確實能讓人們做出更好的預(yù)測，并在比賽中獲得優(yōu)勢。通過學(xué)校吉祥物來預(yù)測獲勝者可能偶爾會奏效，但對最佳球隊、教練和運動員進行深入研究是一種更為有效的策略。

同樣，客戶服務(wù)、開發(fā)運營和IT問題在本質(zhì)上也是不可預(yù)測的。企業(yè)不可能事先知道什么時候會出現(xiàn)運營問題，什么時候會出現(xiàn)產(chǎn)品缺陷，什么時候溝通會出現(xiàn)問題。人工智能和機器學(xué)習(xí)技術(shù)驅(qū)動的解決方案可以幫助團隊提高勝算。這些產(chǎn)品可以極大地加快對問題的響應(yīng)速度，因此在大多數(shù)客戶遇到問題之前，就可以進行預(yù)防或得以解決。

當(dāng)數(shù)字應(yīng)用程序或服務(wù)出現(xiàn)問題時(例如，某一電子商務(wù)網(wǎng)站的購物車存在故障)，企業(yè)每分鐘會收到數(shù)千條警報，這對于人類員工來說既無用也無法操作。過多的噪音只會導(dǎo)致信號丟失，以及在潛在問題得到解決之前，客戶與服務(wù)團隊之間會有更多的聯(lián)系。

客戶服務(wù)的預(yù)測性解決方案是基于對這些信號背后的驅(qū)動因素的了解?？焖僮R別模式有助于企業(yè)保持領(lǐng)先地位。機器學(xué)習(xí)工具通過消除無用信號，從而為響應(yīng)團隊大大地縮短了響應(yīng)周期，而不是通過可能無用的警報和信息一遍又一遍地分散他們的注意力。

當(dāng)團隊以這種方式使用機器學(xué)習(xí)技術(shù)時，他們可以大大減少這些信號，從而發(fā)現(xiàn)那些導(dǎo)致警報數(shù)量難以控制的實際事件。他們不必忙亂地解決許多小故障，而是可以全局性地看到問題的真正所在，并在解決一些數(shù)量較少的大問題時更加明智和聰明。

預(yù)測功能如何改善服務(wù)響應(yīng)

如果預(yù)測流程要幫助企業(yè)為大多數(shù)客戶提前解決問題，那么該流程必須實時進行。不斷變化的問題可能會影響到客戶，因此不允許您停下來進行反思或從容應(yīng)對。

對預(yù)測性客戶服務(wù)和IT服務(wù)的更高層次的需求是訓(xùn)練算法來識別哪些警報屬于哪些事件。在PagerDuty公司，我們的主要目標(biāo)是幫助企業(yè)在數(shù)字系統(tǒng)出現(xiàn)問題之前找出這些問題，并預(yù)測將來可能出現(xiàn)的問題，以便企業(yè)能夠提前進行解決。我們使用機器學(xué)習(xí)技術(shù)將所有警報進行分組，這樣團隊就可以看到問題的整體狀況，并確切地知道如何解決這些問題。

例如，多個團隊可能各自都在處理單個投訴，卻不了解這些投訴都是某一問題的各個方面。PagerDuty平臺的見解可以解決該問題，并讓所有人都能步調(diào)一致。同時，由于服務(wù)響應(yīng)人員被分配去解決某些特定的問題，該平臺會對信息進行篩選，然后發(fā)給每個人，因此他們不會被自己正在處理的問題以外的其他問題所淹沒。

這一點很重要，因為大多數(shù)系統(tǒng)都不是孤立運行的，當(dāng)某個位置出現(xiàn)一個故障就等同于其他位置出現(xiàn)一個故障。當(dāng)出現(xiàn)問題時，企業(yè)會使用PagerDuty平臺來幫助查找連鎖問題的源頭，以防止發(fā)生災(zāi)難性故障。當(dāng)團隊的預(yù)測能力和預(yù)防能力更強時，他們就可以從更高層面上看問題，并了解他們的工作將在哪些方面產(chǎn)生最大的影響。

幫助團隊快速找到和解決問題的結(jié)構(gòu)還可以為組織的各個層級帶來更大的視野。經(jīng)理和主管可以更好地了解如何部署團隊。那些可能必須向客戶解釋問題或停機故障的領(lǐng)導(dǎo)們同樣也會獲得一些信息和擁有一個明確的前進道路。

PagerDuty公司如何使用機器學(xué)習(xí)技術(shù)

為企業(yè)的客戶服務(wù)和IT工作提供更好的預(yù)測能力和預(yù)防能力，首先要以有助于找到數(shù)字問題的潛在原因的方式來對問題進行分組。該分組操作首先基于以下假設(shè)：如果兩條信息具有相似的文本，則這兩條信息基本類似。盡管從理論上講這是合理的，但了解這些信息是否真正相似則是一個模糊的概念。

在PagerDuty公司，最有效的解決方案是使用一個解析器，該解析器會接收信息，并將其轉(zhuǎn)換為不太精確的語言。此過程會減少詞語的數(shù)量，以顯示該信息中的某些特定元素。

該系統(tǒng)會查找唯一的標(biāo)識符，例如日期、時間、客戶ID或內(nèi)含ID的網(wǎng)站，這些標(biāo)識符僅會在客戶信息和報告的語境中發(fā)布。就內(nèi)容而言，這些標(biāo)識符通常對解析器并不重要。該程序僅會查找這些標(biāo)識符是否存在于信息主體中。

在這種總體模糊處理后，可將每條信息中的詞語和標(biāo)識符進行分組。PagerDuty平臺在此檢查所接收的信號，并根據(jù)信息的整體內(nèi)容來確定哪些信息擁有相同的詞語組。

此步驟通過向量化來完成，向量化是將這些單詞系列中的每一個轉(zhuǎn)換為具有代表性數(shù)字序列的過程。但這仍是一個不完善的系統(tǒng)。當(dāng)然，每個句子都會產(chǎn)生一個向量表示，但每個向量都可能來自幾個不同的句子。通常，有足夠的信息可以確定句子何時具有相同的信息。但PagerDuty公司的軟件工程師仍必須考慮一個事實，即一個向量可以有很多種組合方式。

一旦系統(tǒng)識別出一組具有相同向量的信息，便將它們捆綁在一起。這些信息組基本上具有相同的內(nèi)容。它們的標(biāo)識符表明它們包含了眾多相同的詞。

將機器數(shù)據(jù)轉(zhuǎn)化為預(yù)測和預(yù)防能力

例如，當(dāng)一家公司在突然收到大量報告和信息時，通常他們會認識到出了問題。其中大多數(shù)內(nèi)容是機器生成的，有些帶有自定義模板，有些甚至是由人編寫的。如果不進行某種形式的分組，團隊將無法從更高層面上了解所發(fā)生的情況。他們可以設(shè)計一個分組工具，但這需要投入大量的時間和精力，同時更多的事件報告會不斷累積。

同樣，由于如此多的信息具有不同的內(nèi)容，僅在內(nèi)容相同時對信息進行分組并不能減少問題的數(shù)量。使用AI技術(shù)來識別相似性可以讓團隊隨時間推移累積更多的相關(guān)信息。不同于數(shù)以千計的單個問題(每個問題由一個報告或信息表示)，通過這種方式對警報進行分組，這只會顯示出幾個核心問題，而這些核心問題就是其他問題的根源。

此時，該系統(tǒng)已使響應(yīng)團隊具備了預(yù)測和預(yù)防能力。找出最大的問題，解決可能導(dǎo)致未來問題的根源，這就變得更為容易。優(yōu)先處理核心問題上的一些工程工作會導(dǎo)致事件數(shù)量顯著下降，所有這一切都源自基本的AI分組。

從理論上講，這應(yīng)該是一個非?？煽康倪^程。一旦對信息進行解析、識別和向量化，系統(tǒng)就應(yīng)該很容易按相似的內(nèi)容將信息進行分組。這些信息都是文本相關(guān)的，而這些向量可以讓該平臺來衡量相關(guān)性的強度。

當(dāng)然，實際上并不總是那么簡單。語言的靈活性意味著該系統(tǒng)經(jīng)常出錯。這就是為什么PagerDuty公司在我們的產(chǎn)品中建立了功能強大的反饋系統(tǒng)。

通過人工反饋改進結(jié)果

當(dāng)最終用戶向該系統(tǒng)提供反饋時，他們就為我們提供了新的數(shù)據(jù)點以有助于完善該流程。通常，這需要承認，A和B看起來應(yīng)該是相互關(guān)聯(lián)的。然而，該信息在人類語境中顯示，它們彼此之間沒有多大關(guān)系。

PagerDuty公司的反饋系統(tǒng)會給予那些擁有相同單詞而正相關(guān)的信息更大的權(quán)重，但之后人工反饋表明它們并不相似。這種評估和修改過程可以在軟件中通過一個大型的強化學(xué)習(xí)系統(tǒng)完成，但對于用戶而言，這只是單詞和信息是否應(yīng)該分在一起的一個簡單的評估過程。

當(dāng)然，客戶不需要了解其如何工作的具體細節(jié)?？蛻舴?wù)和IT團隊?wèi)?yīng)該使用簡單的工具來提供反饋，以描述哪些詞匯不匹配。

在更高的層面上，PagerDuty公司的反饋系統(tǒng)為用戶提供了用于合并和拆開警報中的詞匯組的眾多選項。這只是一個抓取選項，可將這些詞匯組從某一組中移入或移出;本質(zhì)上表示，某些項彼此屬于同一組，但另一項則不屬于。

另一個不太復(fù)雜但功能同樣強大的產(chǎn)品可能只需要幾個簡單的贊成和反對按鈕。 用戶基本上可以表示贊同某一匹配，或指出該過程中存在的缺陷。

任何事情都可能讓客戶感到沮喪和失望，就像在客戶服務(wù)部門工作過的人會告訴您的那樣。在這些不可預(yù)測的情況下改進工作，這需要在問題出現(xiàn)時盡快地學(xué)習(xí)、了解和解決問題。最初的太空集成事件智能和應(yīng)急響應(yīng)解決方案是通過觀察數(shù)字信號和人類響應(yīng)行為，將機器與人類遙測技術(shù)相結(jié)合。