Start · Lösungen · Weitere Lösungen
Lösung · Weitere LösungenService-Desk-Kennzahlen auf einer Seite, jede Nacht neu aus den Rohdaten gebaut
Kosten je Ticket und Automatisierungsquote, täglich
Roboter holen jede Nacht Tickets, Roboterläufe und das Kostenblatt der Finanzabteilung, gleichen die Zählungen ab und veröffentlichen eine Power BI-Seite mit Kosten je Ticket und Automatisierungsquote.
Kurzfassung für die Geschäftsführung
Drei Ticketzahlen, ein Analyst beim Zusammenführen von Exporten und ein Bericht zehn Tage nach der Sitzung.
Wir bauen ein kleines, geregeltes Datenprodukt statt eines weiteren Dashboards über denselben Exporten.
Eine Zahl je Kennzahl: Jede Quelle wird unter einer schriftlichen Definition verknüpft, und ein Roboter prüft die Summe, bevor sie jemand sieht.
semantisches Power BI-Modell und Bericht in Microsoft Fabric; Power Automate-Warnflow; SharePoint-Bibliothek mit den Auszügen, der Definitionsseite und dem Herkunftsnachweis
Geschäftsproblem
IT-Reporting
Der Service Desk wird von Menschen gemessen, die keine gemeinsame Definition eines Tickets haben. ServiceNow berichtet, was Agenten geschlossen haben. UiPath Orchestrator weiß, welche Tickets Roboter ohne Agenten gelöst haben. Die Finanzabteilung teilt die Personalkosten durch die Zahl, die man ihr gegeben hat. Jede Quelle hat auf ihre Weise recht, und der Monatsbericht ist eine von Hand gebaute Verschmelzung der drei, also spät, eine Momentaufnahme, und jede Zahl darin hat jemand angefasst.
Weil die Verknüpfung manuell ist, streitet die Sitzung über den Nenner statt über den Trend. Die Automatisierungsquote, die einzige Zahl, die den Ertrag der Roboterinvestition zeigen müsste, fehlt im Bericht ganz, weil niemand die Verbindung zwischen einem Ticket und dem Roboterlauf verantwortet, der es geschlossen hat. Queue-Manager führen eigene Registerblätter zur Verteidigung ihrer Warteschlangen, und die Finanzabteilung führt ihr eigenes Blatt zur Verteidigung ihrer Budgetzeile.
Der Zustand hält sich, weil Reporting niemandes Produkt ist: eine monatliche Pflichtübung des Analysten nach einem Rezept aus Exporten und Pivot-Tabellen, das in einem einzigen Kopf liegt, und die Empfänger des Berichts haben längst gelernt, ihn mit Abschlag zu lesen.
Wie es heute läuft
- WartezeitDer Monat schließt, doch der Bericht wartet, bis die letzte Warteschlange aufgeräumt ist; der Kalender des Analysten blockiert die ersten drei Arbeitstage
- MenschDer Analyst exportiert geschlossene und offene Tickets aus ServiceNow, dann die Job-Protokolle der Roboter aus dem Orchestrator, und erfragt bei der Finanzabteilung die Personalkosten
- MenschAlles wird in Excel zusammengeführt; Kategorienamen, die sich im Monat geändert haben, werden von Hand korrigiert, damit der Trend weiter zusammenpasst
- MenschDie Diagramme wandern nach PowerPoint; Queue-Manager hinterfragen die Zahlen, und der Analyst baut die Registerblätter neu
- WartezeitDer Bericht geht am zehnten Arbeitstag heraus und beschreibt einen Monat, den niemand mehr ändern kann
- SystemDie Finanzabteilung baut ihre eigenen Kosten je Ticket aus einem separaten ServiceNow-Export, mit anderen Filtern und einem anderen Verständnis eines geschlossenen Tickets
- FehlerrisikoBeide Zahlen treffen im Operations Review aufeinander, gestritten wird über den Nenner, niemand handelt, und im nächsten Monat wiederholt sich alles
Warum der heutige Prozess mehr kostet, als er scheint
Das Budget zeigt Stellen, nicht wofür sie draufgehen.
- Die Tage des Analysten sind der sichtbare Teil. Unsichtbar sind Entscheidungen, die zu spät oder gar nicht fallen: welche Kategorie als Nächstes automatisiert wird, ob eine Warteschlange altert, ob ein Anstieg der Wiedereröffnungen auf eine Wissenslücke deutet.
- Ein Bericht, der zehn Arbeitstage zu spät kommt, beschreibt einen Monat, der sich nicht mehr ändern lässt; bis ein Queue-Manager den Rückstand aus Woche zwei sieht, ist Woche sechs.
- Zahlen, denen die Finanzabteilung nicht traut, werden zur Budgetrunde gegen die IT verwendet, und Kosten je Ticket auf kleinerem Nenner sehen immer schlechter aus als die von der IT gezeigten.
- Eine Automatisierungsinvestition ohne gemessene Automatisierungsquote lässt sich weder verteidigen noch ausweiten: Die Roboter lösen täglich Tickets, und niemand kann sagen wie viele.
- Ein Analyst weiß, wie die drei Exporte zusammenpassen, und mit ihr geht das Bild, das die Organisation von ihrem eigenen Service Desk hat.
Kosten des Nichtstuns
Das Volumen folgt der Belegschaft und jedem System, das das Center übernimmt, also dauert der manuelle Bericht länger und kommt jedes Quartal später. Jede neue Automatisierung ergänzt eine Quelle, die im Bericht fehlt, also bleibt die Automatisierungsquote genau dann ungemessen, wenn die Investition hinterfragt wird. Die Finanzabteilung behält ihre eigene Zahl, und zur Budgetrunde gewinnt diese Zahl.
Der leise Teil ist die Abhängigkeit von einer Person. Alternde Warteschlangen fallen zum Monatsende auf, wenn die internen Kunden des Centers es längst bemerkt haben. Ein Analyst hält das Rezept für drei Exporte, und das Bild, das die Organisation von ihrem eigenen Service Desk hat, geht an ihrem letzten Arbeitstag mit.
Eine plausible Organisation mit realistischen Größenordnungen. Die Zahlen sind zum Nachrechnen mit Ihren Daten gedacht, kein Kundenergebnis.
Das Shared-Service-Center einer Industriegruppe, das 5.100 Mitarbeitende mit IT-, HR- und Finanzwarteschlangen in ServiceNow bedient; UiPath-Automatisierungen lösen bereits Passwortzurücksetzungen und mehrere Anfragetypen ohne Agenten; eine von der Finanzabteilung genutzte Microsoft Fabric-Kapazität und eine Power BI-Lizenz für jede Führungskraft.
Etwa 3.300 Tickets pro Monat, rund 39.600 im Jahr, über drei Warteschlangen; drei Datenquellen; ein Monatsbericht für den Operations Review.
Ein Reporting-Analyst wendet etwa 28 Stunden pro Monat für den Bericht aus ServiceNow-Exporten, Orchestrator-Job-Protokollen und einem Kostenblatt der Finanzabteilung auf; sechs Queue-Manager verbrauchen Sitzungszeit mit dessen Abgleich; er kommt zehn Arbeitstage nach Monatsende.
Keine schriftliche Definition von Ticket, Wiedereröffnung und automatischer Lösung, also ist jede Verknüpfung manuell, jede Zahl angreifbar, und die Automatisierungsquote wird überhaupt nicht berichtet.
Ein nächtlicher UiPath-Roboter zieht Tickets, Kategorien, Zeitstempel und Weiterleitungshistorie über die ServiceNow-API; der Orchestrator liefert die von Robotern gelösten Tickets und deren Laufzeiten; die Finanzabteilung führt die Kostenbasis in Excel Online auf SharePoint; ein semantisches Power BI-Modell in Microsoft Fabric verbindet sie unter einer Definitionsseite, ein Abgleichsroboter prüft die Zahlen vor der Veröffentlichung, und Warnungen erreichen die Queue-Manager in Microsoft Teams.
Aus dem Bericht wird eine Seite, die jeden Morgen aktuell ist, die 28 Stunden des Analysten werden zu Analyse, sechs Führungskräfte hören mit dem Abgleich auf, und rund ein Drittel der Wiedereröffnungen wird vermeidbar, sobald ihre Ursachen sichtbar sind. Die Zahlen sind modelliert, nicht gemessen.
Lösungsvorschlag
Wir bauen ein kleines, geregeltes Datenprodukt statt eines weiteren Dashboards über denselben Exporten. Jede Nacht zieht ein UiPath-Roboter Ticketdatensätze über den ServiceNow-Konnektor des UiPath Integration Service: Kennungen, Warteschlange, Kategorie, Zeitstempel, Weiterleitungshistorie und Bearbeiter, nie den Beschreibungstext. Warteschlangen- und Job-Daten aus UiPath Orchestrator sagen, welche Tickets die bestehenden Roboter geschlossen haben und wie lange sie liefen, während UiPath Insights die eigene Laufzeitsicht des Automatisierungsteams bleibt. Die Finanzabteilung führt die Kostenbasis in einem Excel Online-Blatt auf SharePoint, das nur sie bearbeiten darf.
Ein semantisches Power BI-Modell in Microsoft Fabric verbindet die drei Quellen unter einer Definitionsseite: was ein Ticket ist, wann es als gelöst zählt, was eine Wiedereröffnung und was eine automatische Lösung ist, und wie die Kosten je Ticket berechnet werden, in der eigenen Formel der Finanzabteilung, gedruckt neben der Zahl. Ein zweiter Roboter gleicht jede Nacht die Zahlen des Modells je Warteschlange gegen die Summen aus ServiceNow ab und hält die Veröffentlichung bei einer Abweichung an, mit der Differenz an den Analysten in Teams. Der Bericht ist eine Seite mit sechs Kennzahlen und Drill-down nach Warteschlange und Kategorie.
Ausgeliefert wird dort, wo die Führungskräfte ohnehin arbeiten. Power BI-Abonnements senden die Seite jeden Morgen; eine Datenwarnung auf der KPI-Kachel für das Backlog-Alter startet einen Power Automate-Flow, der den Queue-Manager in Microsoft Teams anschreibt; der Bericht steht als Registerkarte im Operations-Kanal. Quartalsweise läuft UiPath Process Mining mit der ServiceNow-Vorlage auf denselben Auszügen und zeigt, wo Tickets zwischen Teams kreisen. Keine KI-Komponente: Ein Führungsbericht muss zweimal dieselbe Antwort geben.
Semantisches Power BI-Modell in Microsoft Fabric mit geplanter Aktualisierung, Abonnements, Datenwarnungen und Sicherheit auf Zeilenebene; Warteschlangen, Zeitauslöser und Prüfpfad in UiPath Orchestrator; UiPath Insights-Dashboards; ServiceNow-Vorlage in UiPath Process Mining; Microsoft Teams-Kanalregisterkarte für den Bericht; Power Automate-Flow, gestartet durch eine Power BI-Datenwarnung
Die Definitionsseite und das Datenmodell, den Extraktions- und den Abgleichsroboter, die mit der Finanzabteilung abgestimmte Kosten-je-Ticket-Logik, den einseitigen Bericht mit Drill-downs, die Warnschwellen, die Konfiguration des quartalsweisen Process Mining und die Dokumentation der Datenherkunft
Extraktion aus ServiceNow über den ServiceNow-Konnektor des UiPath Integration Service mit einem Integrationsbenutzer nur mit Leserechten; das Kostenblatt der Finanzabteilung über den Microsoft OneDrive & SharePoint-Konnektor (Excel Online)
So läuft der automatisierte Prozess
- AutomatisierungJede Nacht zieht der Extraktionsroboter die Ticketänderungen des Vortags aus ServiceNow: Kennungen, Warteschlange, Kategorie, Zeitstempel, Weiterleitungen und Bearbeiter, nie die Beschreibung
- SystemWarteschlangentransaktionen und Job-Historie aus dem Orchestrator werden für jedes von einem Roboter geschlossene Ticket samt Laufzeit gelesen; das Kostenblatt wird von SharePoint gelesen
- AutomatisierungDas semantische Modell in Microsoft Fabric aktualisiert sich und wendet die Definitionsseite an: Ticket, Lösung, Wiedereröffnung, automatische Lösung, Kosten je Ticket
- AutomatisierungDer Abgleichsroboter vergleicht die Zahlen des Modells je Warteschlange mit den Summen aus ServiceNow und hält die Veröffentlichung an, wenn sie über die vereinbarte Toleranz hinaus abweichen
- MenschBei einer Abweichung erhält der Analyst eine Teams-Nachricht mit der Differenz und der Warteschlange und entscheidet: Quelle korrigieren, Definition ändern oder mit Hinweis freigeben
- AutomatisierungDie Seite wird veröffentlicht; Abonnements erreichen die sechs Queue-Manager, die Finanzabteilung und die CIO vor Beginn des Arbeitstages
- MenschÜberschreitet das Backlog-Alter einer Warteschlange die Schwelle, schreibt die Datenwarnung den Queue-Manager in Teams an, der noch am selben Tag handelt und nicht zum Monatsende
- SystemEinmal im Quartal lädt Process Mining dieselben Auszüge in die ServiceNow-Vorlage und zeigt Weiterleitungsschleifen und den nächsten Automatisierungskandidaten
Modell der Zusammenarbeit von Mensch und Automatisierung
Die Automatisierung übernimmt
- Die nächtliche Extraktion aus ServiceNow, dem Orchestrator und dem Kostenblatt auf SharePoint, mit Protokoll zu jedem Lauf
- Die Anwendung der vereinbarten Definitionen und die Aktualisierung des Modells
- Den Abgleich der Zahlen gegen die Quelle und das Anhalten der Veröffentlichung bei Abweichung
- Abonnements, Schwellenwarnungen in Teams und den quartalsweisen Datensatz für das Process Mining
Menschen entscheiden
- Die Finanzabteilung zeichnet Kostenbasis und Kosten-je-Ticket-Formel ab und bearbeitet das Blatt als Einzige
- Die Service-Desk-Leitung verantwortet die Definitionsseite; eine Änderung wird mit dem Modell versioniert
- Queue-Manager reagieren auf Signale zu Rückstand und Wiedereröffnungen
- Der Analyst untersucht Abweichungen und Ursachen von Wiedereröffnungen, statt Exporte zu bauen
Vorher und nachher
Systeme und Integrationen
Alles unten läuft auf Lizenzen und Systemen, die Sie bereits haben oder ohnehin brauchen.
Eingänge
- Tickets, Kategorien, Zeitstempel und Weiterleitungshistorie aus ServiceNow
- Warteschlangen- und Job-Daten aus UiPath Orchestrator
- das Kostenblatt der Finanzabteilung in Excel Online auf SharePoint
Automatisierungsschicht
- UiPath Orchestrator
- UiPath Robots
- UiPath Integration Service
- UiPath Insights
- UiPath Process Mining
Zielsysteme
- semantisches Power BI-Modell und Bericht in Microsoft Fabric
- Power Automate-Warnflow
- SharePoint-Bibliothek mit den Auszügen, der Definitionsseite und dem Herkunftsnachweis
Kontaktpunkte für Menschen: die Power BI-Seite als Registerkarte in Microsoft Teams und per Abonnement; Backlog-Warnungen an die Queue-Manager in Teams; Abweichungsmeldungen an den Analysten in Teams; die von der Service-Desk-Leitung verantwortete Definitionsseite
Eingesetzte Technologien
das geregelte Modell mit den sechs Kennzahlen, der einseitige Bericht, geplante Aktualisierung, Abonnements und Sicherheit auf Zeilenebene
Aeine Schwellenüberschreitung auf der Backlog-Alter-Kachel startet einen Flow, der den Queue-Manager in Teams anschreibt
Anächtliche Extraktion und Abgleich über Zeitauslöser; Warteschlangen- und Job-Daten zu robotergelösten Tickets; Laufhistorie und Prüfpfad
AAPI-Extraktion der Tickets, Lesen des Kostenblatts, Abweichungsmeldungen an den Analysten
ADashboards zu Laufzeit, Warteschlangen und ROI für das Automatisierungsteam, gegen die Seite prüfbar
Aquartalsweise Analyse von Weiterleitungsschleifen und Konformität auf denselben Auszügen
Awo die Seite steht, wo Warnungen und Abweichungsmeldungen ankommen und wo der Review eine Zahl liest
AQuelle für Tickets, Kategorien, Zeitstempel und Weiterleitungshistorie; Integrationsbenutzer nur mit Leserechten
AIllustratives Wirtschaftlichkeitsmodell
Ein Modell, kein Versprechen.
Drei Pools, jeder mit eigenem Satz, keiner bei einem Kunden gemessen: die 28 Stunden des Analysten pro Monat zu 44 €, davon 85 % Roboterarbeit, sobald Extraktion und Abgleich automatisiert sind; sechs Queue-Manager mit je 3 Stunden Abgleich pro Monat zu 79 €; und Nacharbeit an wiedereröffneten Tickets, 6 % von 39.600 im Jahr, je 18 Minuten, zu 42 €, davon ein Drittel als vermeidbar angenommen, sobald die Ursachen sichtbar sind. Die Wiedereröffnungsquote ist die weiche Zahl und die erste, die die Seite durch Ihre eigene ersetzt.
Geschäftlicher Nutzen
- Eine Zahl je Kennzahl: Jede Quelle wird unter einer schriftlichen Definition verknüpft, und ein Roboter prüft die Summe, bevor sie jemand sieht
- Der Bericht kommt jeden Morgen statt zehn Arbeitstage nach Monatsende, also handeln Führungskräfte in dem Monat, in dem sie stehen
- Die Automatisierungsquote wird zu einer berichteten Größe, was die nächste Automatisierungsentscheidung gegenüber der Finanzabteilung belegbar macht
- Die Kosten je Ticket genießen das Vertrauen der Finanzabteilung, weil ihr Formel und speisendes Blatt gehören und die Formel neben der Zahl gedruckt steht
- Die 28 Stunden des Analysten pro Monat verlagern sich vom Zusammenbauen der Exporte auf das Erklären von Abweichungen und Wiedereröffnungsursachen
- Eine weitere Warteschlange oder eine neue Automatisierung ergänzt eine Quelle im Modell, nicht ein Registerblatt in einer Arbeitsmappe
Sicht der Geschäftsleitung
- Status ohne Sitzung: Backlog-Alter je Warteschlange, Brennpunkte der Wiedereröffnungen und Automatisierungsquote auf einer täglich aktualisierten Seite
- Eine in Woche zwei alternde Warteschlange ist eine Warnung und keine Überraschung zum Monatsende
- Die Definitionsseite beendet den Streit über den Nenner und gibt der Internen Revision eine dokumentierte Berichtskontrolle
- Die quartalsweise Mining-Sicht zeigt, wo Tickets zwischen Teams kreisen, und dort liegt meist der nächste Quick Win
KPIs für die Geschäftsführung
Sicherheit und Governance
Kontrolle ist kein Zusatz.
- Der Extraktionsroboter nutzt einen ServiceNow-Integrationsbenutzer nur mit Leserechten; Ticketbeschreibungen und Anhänge verlassen das ITSM-Werkzeug nie, und das Modell trägt nur Kategorien, Zeitstempel und Kennungen
- Passwörter und API-Schlüssel werden zur Laufzeit aus Azure Key Vault über den Credential Store des Orchestrators bezogen, und jeder Lauf wird protokolliert
- Sicherheit auf Zeilenebene in Power BI zeigt Queue-Managern ihre eigenen Warteschlangen; die Finanzabteilung bearbeitet das Kostenblatt in einer SharePoint-Bibliothek mit Versionierung und einer Vertraulichkeitsbezeichnung aus Microsoft Purview
- Die Definitionsseite wird mit dem Modell versioniert, sodass jede historische Zahl auf die zum Zeitpunkt der Veröffentlichung gültige Definition zurückführt
- Die Daten bleiben in Ihrem Microsoft 365-Tenant und, für die Roboter, in der EU-Region der UiPath Automation Cloud
Warum jetzt
Finanzbereiche fragen nach Kosten je Ticket, während die Automatisierungsbudgets steigen; eine Zahl, die die IT nicht verteidigen kann, wird durch eine ersetzt, die sie nicht erzeugt hat, und die modellierten 39.500 € im Jahr sind der kleinste Grund zu handeln
Power BI auf Microsoft Fabric macht ein geregeltes semantisches Modell mit nächtlicher Aktualisierung, Abonnements und Warnungen zur Konfigurationsaufgabe auf einer Kapazität, die viele Gruppen bereits bezahlen
UiPath Orchestrator und Insights stellen die von Robotern geleistete Arbeit als Daten bereit, sodass die Automatisierungsquote endlich mit Tickets verknüpft statt geschätzt werden kann
Relevante Führungsrollen
Eine verlässliche Seite für den Operations Review und eine Automatisierungsquote, die die Roadmap begründet
Alternder Rückstand und Brennpunkte der Wiedereröffnungen bereits in Woche zwei sichtbar, nicht zum Monatsende
Dieselbe Seite für IT-, HR- und Finanzwarteschlangen, mit vergleichbaren Kosten je Ticket
Kosten je Ticket auf der eigenen Kostenbasis und Formel der Finanzabteilung, gedruckt neben der Zahl
Häufige Fragen und Einwände
Es zählt, was in ServiceNow steht. Es kennt weder Roboterstunden noch die Kostenbasis der Finanzabteilung noch das, was eine Wiedereröffnung für Ihren CFO bedeutet; wir bauen die Verknüpfung unter einer schriftlichen Definition, vor der Veröffentlichung von einem Roboter geprüft.
Genau deshalb gehören Formel und Blatt der Finanzabteilung, und der Bericht zeigt die Formel neben der Zahl. Ein Streit wird zum versionierten Antrag auf Änderung einer Definition und nicht zu einer zweiten Tabelle.
Es sind ein Datenmodell, zwei Roboter und eine Seite, gebaut, damit die nächsten drei Automatisierungsentscheidungen auf Zahlen fallen. Es rechnet sich beim ersten Streit, den es beendet, und zeigt die Kandidaten für größere Vorhaben.
Wann dies nicht die richtige Lösung ist
- Ticketdaten ohne Kategorien oder ohne verlässliche Zeitstempel; zuerst gehört die ITSM-Konfiguration korrigiert, sonst veröffentlicht die Seite eine präzise Fassung von Rauschen
- Ein BI-Team, das bereits ein geregeltes Service-Desk-Modell liefert; dann steuern wir nur die Automatisierungsdaten und den Abgleichsroboter bei
- Weniger als etwa fünfhundert Tickets pro Monat, wo ein wöchentlicher Export dieselben Fragen beantwortet
Eine Frage für die nächste Sitzung
Da Kosten je Ticket, denen die Finanzabteilung nicht traut, in der nächsten Budgetrunde gegen die IT verwendet werden: Ist die Zahl, die dieses Unternehmen heute berichtet, eine von der IT erzeugte oder eine ihr gegebene?
Vorgehen bei der Umsetzung
Die erste Woche sieht bei jedem Kunden gleich aus: Wir sehen uns die Daten an.
Wir liefern
- Einen Definitionsworkshop mit der Service-Desk-Leitung und der Finanzabteilung: die sechs Kennzahlen, was Ticket, Wiedereröffnung und automatische Lösung sind, und die Kosten-je-Ticket-Formel
- Den Extraktionsroboter für ServiceNow- und Orchestrator-Daten und den Abgleichsroboter, der die Veröffentlichung freigibt
- Das semantische Power BI-Modell in Microsoft Fabric, den einseitigen Bericht mit Drill-down nach Warteschlange und Kategorie und die Sicherheit auf Zeilenebene
- Abonnements, die Backlog-Alter-Warnung nach Teams und die Berichtsregisterkarte im Operations-Kanal
- Einen Neuaufbau des Vorquartalsberichts aus Rohdaten, mit Ausweis der Abweichungen gegenüber dem veröffentlichten
- Die Einrichtung des quartalsweisen Process Mining auf der ServiceNow-Vorlage
- Dokumentation von Definitionen und Datenherkunft, Übergabe an den Analysten, leichte Unterstützung danach
Wir benötigen von Ihnen
- Zugriff auf die ServiceNow-API mit einem Integrationsbenutzer nur mit Leserechten sowie Lesezugriff auf Orchestrator und Insights
- Eine Microsoft Fabric-Kapazität oder einen Power BI-Arbeitsbereich und eine verantwortliche Person für das Kostenblatt in der Finanzabteilung
- Die Service-Desk-Leitung als Verantwortliche der Definitionsseite und den Vorquartalsbericht samt Quellexporten
Etappen
Definitionen
Die sechs Kennzahlen mit Service-Desk-Leitung und Finanzabteilung abgestimmt; die ServiceNow-Felder benannt
Neuaufbau
Der Vorquartalsbericht aus Rohdaten neu gebaut; Abweichungen zur veröffentlichten Fassung geklärt
Bau
Extraktions- und Abgleichsroboter, semantisches Modell, Seite, Abonnements und Warnungen
Parallelbetrieb
Ein Monat neben dem manuellen Bericht, mit erklärter Abweichung
Skalierung
HR- und Finanzwarteschlangen ergänzt, Mining-Sicht konfiguriert, Übergabe an den Analysten
Quick Win. Der Aufwand hängt von der Zahl der Warteschlangen und Kategorien in ServiceNow ab, davon, wie weit die Definitionen der drei Quellen heute auseinanderliegen, und davon, ob die Kostenbasis der Finanzabteilung als Blatt oder als Gespräch existiert.
Derselbe Desk, derselbe Monat, zwei Ticketzahlen. Die Sitzung hat einer davon geglaubt.
Senden Sie uns einen Monat Ticketexporte und Ihren aktuellen Monatsbericht. Wir bauen dessen fünf Kernzahlen aus den Rohdaten neu und liefern eine einseitige Auswertung, wo sie auseinanderlaufen und warum.
Einen Monat Tickets neu zählenDer Nachbarprozess hat meist dasselbe Problem
Das Paket für die Geschäftsführung sollte nicht davon abhängen, wer wann welche Tabelle zusammengefügt hat.
Lösung ansehen IT & ServicesTask Mining: was Ihre Shared-Service-Teams wirklich tunIhre Ideenliste bleibt eine Wunschliste, solange niemand misst, was an den Arbeitsplätzen wirklich passiert.
Lösung ansehen Weitere LösungenTickets eingeordnet und zugewiesen, bevor jemand sie liestDie Priorität folgt den Großbuchstaben des Anfragenden, und ein P1 wartet, bis ein Dispatcher Zeit hat, es zu lesen.
Lösung ansehenBranchen, in denen wir das am häufigsten umsetzenProduktion & IndustrieTransport & LogistikDienstleistungen & ITShared Services