一种基于用户画像的ICT系统故障分析推荐方法及系统与流程

本发明涉及客服技术领域，具体涉及一种基于用户画像的ict系统故障分析推荐方法及系统。

背景技术：

新一代人工智能技术的快速发展，大数据的形成、理论算法的革新、计算能力的提升及网络设施的演进驱动人工智能发展进入新阶段，为信息通信系统运维智能化提供了有利条件。然而新的发展形势下，在ict运维服务领域面临诸多挑战，主要体现在以下方面：

一是公司一级部署信息系统已有上百并且日益增加，现有的客服坐席不足，数量无法满足ict系统的增长需求，且信息共享及知识搜索技术手段相对落后，基本采用excel等方式共享知识，手段落后，亟需提升智能化水平；

二是相比较客服领域，ict客服业务领域繁杂，各系统承载的业务各不相同并且专业性强，现阶段全网ict客服每年话务量约为200万，覆盖桌面、人资、财务、物资等八大业务，在提供用户服务、合理调配资源、优化业务流程等方面发挥了重要作用，但目前几乎全部依靠坐席个人的知识经验来解答ict系统专业性问题，而人员的专业知识储备参差不齐，亟需构建ict系统典型业务领域知识图谱来快速提升服务效率，快速精准解决用户问题，提升服务满意度；

三是现有ict客服系统的增值服务能力较低，自ict客服业务开展以来，已累积500万工单以及600余万通语音数据和大量图片等非结构数据，但数据蕴含的丰富价值尚未开发，亟需增强基于知识驱动的海量数据挖掘分析能力，探索增值服务，创造更多价值。

因此，本发明旨在精准发现ict系统存在的问题，同时提高系统智能化水平，实现智能化推荐，提供智能化系统的实用性。

技术实现要素：

(一)解决的技术问题

本发明旨在利用客户画像技术，基于ict客服系统客户服务数据，开展ict应用问题画像，准确识别ict系统存在的问题，辅助决策，提升ict客服系统的实用性和智能性。

(二)技术方案

为解决上述技术问题，本发明提供如下技术方案：

一种基于用户画像的ict系统故障分析推荐方法，包括以下步骤：

构建数据标签集合，该数据标签集合用于描述ict系统特征；

客服处理记录关联数据标签；

基于客服处理记录关联数据标签的结果开展ict系统画像；

基于ict系统画像的结果，采用智能算法，将ict系统画像与ict系统故障进行匹配，辅助决策。

优选地，所述数据标签包括系统、业务、子业务、子功能、故障、关联故障、故障时长、故障原因、客户名称、近一个月发生次数、近三个月发生次数和/或近一年发生次数。

优选地，所述客服处理记录关联数据标签包括获取客户服务记录及为每条服务记录设置对应的数据标签。

优选地，所述基于客服处理记录关联数据标签的结果开展ict系统画像包括根据数据标签结果，开展不同维度画像，辅助发现问题

优选地，所述不同维度画像包括以下至少一种或多种画像：

系统功能画像，描述客户反馈问题集中在哪些系统上；

业务画像，描述客户反馈问题集中在哪些业务上；

子业务画像，描述客户反馈问题集中在哪些子业务上；

子功能画像，描述客户反馈问题集中在哪些子功能上；

故障画像，描述客户反馈问题主要是哪些故障；

关联故障画像，描述客户反馈问题有哪些关联故障；

故障时长画像，描述客户反馈故障持续时长；

故障原因画像，描述客户反馈问题的主要故障原因；

客户名称画像，描述反馈问题集中在哪些客户；

近一个月发生次数画像，描述近期问题集中程度；

近三个月发生次数画像，描述中期问题集中程度；

近一年发生次数画像，描述长期问题集中程度。

优选地，所述智能算法包括apriori算法。

优选地，所述基于ict系统画像的结果，采用智能算法，进行快速匹配，辅助快速决策；具体包括基于客服处理记录关联数据标签，采用特征词进行筛选，对于剩余记录，基于apriori算法进行数据挖掘，将数据挖掘得到置信度高的结果推荐给客户。

为了解决上述问题，本发明还提供了一种基于用户画像的ict系统故障分析推荐系统，包括

标签构建模块，该标签构建模块用于构建ict系统特征的数据标签集合；

数据标签关联模块，该数据标签关联模块用于关联ict客服处理结果与数据标签；

客户画像模块，该客户画像模块基于关联后的数据标签结果，开展ict系统智能画像，描述系统特征；

智能推荐模块，该智能推荐模块采用特征词对数据标签进行筛选，对于剩余数据标签对应的客服记录，基于apriori算法进行数据挖掘，将置信度高的结果推荐给客户。

(三)有益效果

与现有技术相比，本发明提供的基于用户画像的ict系统故障分析推荐方法，具备以下有益效果：

该基于用户画像的ict系统故障分析推荐方法和系统一是精准发现ict系统存在的问题，二是提高系统智能化水平，实现智能化推荐，提高智能化系统的实用性。

附图说明

图1为本发明基于用户画像的ict系统故障分析推荐方法的流程图；

图2为本发明基于用户画像的ict系统故障分析推荐系统的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参阅图1所示，图1为本发明基于用户画像的ict系统故障分析推荐方法的流程图。

本发明的基于用户画像的ict系统故障分析推荐方法，包括以下步骤：

步骤s1：构建数据标签集合，该数据标签集合用于描述ict系统特征；

步骤s2：客服处理记录关联数据标签；

步骤s3：基于客服处理记录关联数据标签的结果开展ict系统画像；

步骤s4：基于ict系统画像的结果，采用智能算法，将ict系统画像与ict系统故障进行匹配，辅助决策。

数据标签包括系统、业务、子业务、子功能、故障、关联故障、故障时长、故障原因、客户名称、近一个月发生次数、近三个月发生次数和/或近一年发生次数，分别用于描述ict的各个系统特征组成。

客服处理记录关联数据标签包括获取客户服务记录及为每条服务记录设置对应的数据标签，服务记录的初始数据来源是客户服务中心信息系统群，其包括结构化数据、非结构化数据、实时数据、档案类数据等各类数据以及电话服务记录、多媒体服务记录、其他服务信息、语音记录、客户档案信息、部门人员信息、公共信息等初始数据。数据采集方法有数据复制、数据仓库技术(extracttransformload，etl)、音频压缩格式(oggvorbis,ogg)、企业服务总线(enterpriseservicebus,esb)等，可以根据实际业务采取所需的数据采集方法采集所要分析的数据集。对于数据存储，可以使用根据存储读写效率、存储成本、存储管理的不同，运用不同的大数据存储方法，如分布式关系数据库、分布式文件存储系统、分布式内存数据库、分布式nosql数据库等。数据分析是运用大数据分布式计算方式，结合分析模型对初始数据进行数据分析。大数据处理的方式有基于实时计算的流计算、内存计算、复杂事件处理(compleseventprocessing，cep)计算等以及非实时计算的映射/规约(map/reduce)处理方式等，计算方式可根据实际业务的需要来选择。上述方案基于初始数据开展数据质量治理、元数据管理、数据应用服务推送、数据结构重组、扩展数据维度、轻度统计汇总、语音语义解析、语速语调解析等数据处理作业，实现基于聚类分析、回归分析等模型算法的模型构建。

基于客服处理记录关联数据标签的结果开展ict系统画像包括根据数据标签处理结果，开展不同维度画像，辅助发现问题，不同维度画像包括以下至少一种或多种画像：

系统功能画像，描述客户反馈问题集中在哪些系统上；

业务画像，描述客户反馈问题集中在哪些业务上；

子业务画像，描述客户反馈问题集中在哪些子业务上；

子功能画像，描述客户反馈问题集中在哪些子功能上；

故障画像，描述客户反馈问题主要是哪些故障；

关联故障画像，描述客户反馈问题有哪些关联故障；

故障时长画像，描述客户反馈故障持续时长；

故障原因画像，描述客户反馈问题的主要故障原因；

客户名称画像，描述反馈问题集中在哪些客户；

近一个月发生次数画像，描述近期问题集中程度；

近三个月发生次数画像，描述中期问题集中程度；

近一年发生次数画像，描述长期问题集中程度。

智能算法优选使用apriori算法，基于ict系统画像的结果，采用智能算法，进行快速匹配，辅助快速决策包括基于客服处理记录关联数据标签，采用特征词进行筛选，对于剩余记录，基于apriori算法进行数据挖掘，将数据挖掘得到置信度高的结果推荐给客户。

参阅图2所示，图2为本发明基于用户画像的ict系统故障分析推荐系统的结构框图，为了解决上述问题，本发明还提供了一种基于用户画像的ict系统故障分析推荐系统100，包括

标签构建模块101，该标签构建模块101用于构建ict系统特征的数据标签集合；

数据标签关联模块102，该数据标签关联模块102用于关联ict客服处理结果与数据标签，将每条ict客服处理结果打上一个或多个数据标签；

客户画像模块103，该客户画像模块103基于ict客服处理记录关联后的数据标签结果，开展ict系统智能画像，描述ict系统特征；

智能推荐模块104，该智能推荐模块104采用特征词对数据标签进行筛选，对于剩余数据标签对应的客服记录，基于apriori算法进行数据挖掘，将置信度高的结果推荐给客户。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。