Проект

2GIS автоматизировала работу внутренней техподдержки за счет применения технологий машинного обучения

Заказчики: 2GIS - 2ГИС (ДубльГИС)

Новосибирск; Интернет-сервисы

Продукт: Azure Machine Learning
На базе: Microsoft Azure

Дата проекта: 2019/02 — 2019/08
Технология: BI
подрядчики - 452
проекты - 3080
системы - 1154
вендоры - 561
Технология: CRM
подрядчики - 485
проекты - 5161
системы - 803
вендоры - 475

2019: Автоматизация работы внутренней техподдержки

14 августа 2019 года компания 2GIS сообщила, что автоматизировала работу внутренней техподдержки за счет применения технологий машинного обучения. Система на базе Microsoft Azure Machine Learning автоматически сортирует все входящие заявки, благодаря чему специалистам не приходится делать это вручную. Освободившееся время уходит на выполнение более важных задач.

По информации компании, на август 2019 года под брендом 2GIS работают 4500 тысячи специалистов. Среди них – пользователи разработанных внутри компании приложений для отрисовки карты, наполнения справочника, CRM и др. Каждый день служба внутренней поддержки компании получает от них в среднем 200 заявок, классификацией которых занимаются два специалиста. При ручной сортировке на каждый запрос у них уходило около минуты. Компании требовался инструмент, способный сократить время обработки каждой заявки, чтобы высвободить сотрудникам время для более важной работы.

Для решения этой бизнес-задачи была разработана система на базе Azure Machine Learning для клиента Jira Service Desk, используемого в компании для ведения учета заявок. Благодаря машинному обучению происходит автоматическая классификация входящих заявок по 28 группам вопросов (классам). Система убирает лишние символы, нечитаемые кодировки, вычищает знаки препинания, а затем определяет класс, к которому принадлежит заявка. Специалисту остается только убедиться, что система правильно ее классифицировала. Средняя точность предсказаний на август 2019 года составляет 74%, а по некоторым классам превышает 85-90%, при этом модель самообучается и совершенствуется по мере обработки заявок.

Применение Azure ML позволило сократить срок классификации заявки до 5-7 секунд, таким образом освободив более 70 человеко-часов в месяц (около 40% рабочего времени сотрудника). Специалисты получили возможность более качественно и углубленно изучать заявки, а также брать дополнительные, более важные задачи в освободившееся время.

Примечательно, что для разработки системы 2GIS не потребовалось привлекать разработчиков – сотрудники отдела ИТ-поддержки самостоятельно создали рабочее решение, т.к. для работы с Azure Machine Learning Studio не требуется наличия специализированных знаний.