CN115619292B - 一种问题管理的方法及装置 - Google Patents
一种问题管理的方法及装置 Download PDFInfo
- Publication number
- CN115619292B CN115619292B CN202211629223.5A CN202211629223A CN115619292B CN 115619292 B CN115619292 B CN 115619292B CN 202211629223 A CN202211629223 A CN 202211629223A CN 115619292 B CN115619292 B CN 115619292B
- Authority
- CN
- China
- Prior art keywords
- service
- data
- target
- problem data
- sla
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000007726 management method Methods 0.000 claims abstract description 57
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 230000006872 improvement Effects 0.000 claims description 28
- 230000008859 change Effects 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 14
- 238000011156 evaluation Methods 0.000 abstract description 9
- 238000013523 data management Methods 0.000 abstract description 2
- 235000010425 Sorbus domestica Nutrition 0.000 description 10
- 240000005332 Sorbus domestica Species 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
- G06F16/322—Trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种问题管理的方法及装置，该方法包括：根据服务对应的历史运行数据和服务目标确定服务的SLA指标；基于SLA指标，监测服务的当前运行数据的运行情况；根据当前运行数据的运行情况，判断服务是否满足SLA指标；如果否，则将服务的当前运行数据确定为目标问题数据；其中，历史运行数据和当前运行数据均包括以下至少一项：服务的单次运行时长、在第一预设时长内，服务的达标百分比。由此，可实现问题数据识别、问题数据处理的自动化，大大减少人工评估审核、处理的工作量，提高问题数据管理的效率。
Description
技术领域
本发明实施例涉及信息技术服务管理技术领域，尤其涉及一种问题管理的方法及装置。
背景技术
问题管理是信息技术服务管理体系中一种重要的管理方式，目前主要的研究方向是基于问题内容进行记录跟踪、问题处理和策略升级等。但现有的问题管理方式具备如下缺点：问题内容识别主要依赖于人为评估，缺少系统地、自动化地、规范化地识别方法；问题解决偏向于事后，存在一定的滞后性，缺乏对问题的预判和规避方法。
因此，在问题管理中，如何实现问题数据的快速识别和处理成为目前亟待解决的技术问题。
发明内容
本发明实施例提供一种问题管理的方法及装置，以解决相关技术中的问题管理系统，无法实现问题的精准化、规范化识别和处理的技术问题。
为解决上述技术问题，本发明实施例提供如下几个方面：
第一方面，本发明实施例提供了一种问题管理的方法，方法包括：
根据服务对应的历史运行数据和服务目标确定服务的SLA（Service LevelAgreement，服务等级协议）指标；
基于SLA指标，监测服务的当前运行数据的运行情况；
根据所述当前运行数据的运行情况，判断服务是否满足SLA指标；
如果否，则将服务的当前运行数据确定为目标问题数据；
其中，历史运行数据和当前运行数据均包括以下至少一项：服务的单次运行时长、在第一预设时长内，服务的达标百分比。
优选地，SLA指标包括以下至少一项：服务的单次运行时长的上限值、在第一预设时长内服务的达标百分比的下限值；
其中，服务的达标百分比为：单次运行时长小于或等于上限值的服务的个数与服务的总个数的比值。
优选地，在如果否，则将服务的当前运行数据确定为目标问题数据之后，方法还包括：
将目标问题数据按照影响范围的不同，划分为不同等级。
优选地，方法还包括：
调用问题内容知识库；其中，问题内容知识库为存储有历史运行问题数据及历史运行问题数据所对应的改进措施的数据库；
遍历问题内容知识库，将目标问题数据与问题内容知识库中所存储的历史运行问题数据进行对比；
筛选出与目标问题数据的相似度达到预设第一阈值，且相似度为最高值的历史运行问题数据；
将所筛选出的历史运行问题数据所对应的改进措施确定为目标问题数据的最优改进措施。
优选地，方法还包括：
根据服务所属的类型、所述类型之间的上下位关系，将服务映射为节点树结构；其中，各个类型作为所述节点树结构的节点。
优选地，在如果否，则将服务的当前运行数据确定为目标问题数据之后，方法还包括：
按照目标问题数据对应的服务的类型，将目标问题数据逐条归入到所述节点树结构中；
基于所述节点树结构和目标问题数据，统计服务的评分。
优选地，方法还包括：
统计第二预设时长内，历史运行问题数据的变化率；
若历史运行问题数据的变化率超出预设第二阈值，则根据服务对应的历史运行数据和服务目标更新SLA指标。
优选地，所述服务的状态至少包括以下一项：已达标状态、未达标状态、未运行状态。
第二方面，本发明实施例提供一种问题管理的装置，装置包括：
确定模块，用于根据服务对应的历史运行数据和服务目标确定服务的SLA指标；
监测模块，用于基于SLA指标，监测服务的当前运行数据的运行情况；
判断模块，用于根据所述当前运行数据的运行情况，判断服务是否满足SLA指标；
确定模块，还用于在服务不满足SLA指标时，将服务的当前运行数据确定为目标问题数据；
其中，历史运行数据和当前运行数据均包括以下至少一项：服务的单次运行时长、在第一预设时长内，服务的达标百分比。
优选地，SLA指标包括以下至少一项：服务的单次运行时长的上限值、在第一预设时长内服务的达标百分比的下限值；
其中，服务的达标百分比为：单次运行时长小于或等于上限值的服务的个数与服务的总个数的比值。
优选地，装置还包括：
划分模块，用于将目标问题数据按照影响范围的不同，划分为不同等级。
优选地，装置还包括：
调用模块，用于调用问题内容知识库；其中，问题内容知识库为存储有历史运行问题数据及历史运行问题数据所对应的改进措施的数据库；
遍历模块，用于遍历问题内容知识库，将目标问题数据与问题内容知识库中所存储的历史运行问题数据进行对比；
筛选模块，用于筛选出与目标问题数据的相似度达到预设第一阈值，且相似度为最高值的历史运行问题数据；
确定模块，还用于将所筛选出的历史运行问题数据所对应的改进措施确定为目标问题数据的最优改进措施。
优选地，装置还包括：
映射模块，用于根据服务所属的类型、所述类型之间的上下位关系，将服务映射为节点树结构；其中，各个类型作为所述节点树结构的节点。
优选地，装置还包括：
归入模块，用于按照目标问题数据对应的服务的类型，将目标问题数据逐条归入到所述节点树结构中；
统计模块，用于基于所述节点树结构和目标问题数据，统计服务的评分。
优选地，统计模块，还用于统计第二预设时长内，历史运行问题数据的变化率；
装置还包括：更新模块，用于若历史运行问题数据的变化率超出预设第二阈值，则根据服务对应的历史运行数据和服务目标更新SLA指标。
优选地，所述服务的状态至少包括以下一项：已达标状态、未达标状态、未运行状态。
第三方面，本发明实施例提供一种电子设备，包括：处理器、存储器及存储在存储器上并可在处理器上运行的程序，程序被处理器执行时实现如第一方面的问题管理的方法的步骤。
第四方面，本发明实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如第一方面的问题管理的方法的步骤。
在本发明实施例中，根据历史运行数据和服务目标，确定了SLA指标，再基于SLA指标，来监测服务的当前运行数据的运行情况，由此，建立了服务的当前运行数据的运行情况和SLA指标之间的联系，在满足服务目标的前提下，尽量使得SLA指标的制定更贴合服务的当前运行数据的实际运行情况。且根据SLA指标监测服务的当前运行数据的运行情况，并根据是否满足SLA指标来识别出目标问题数据，可将人工识别转为自动化识别，大大减少了人工评估审核、处理问题数据的工作量，提高了问题数据管理的效率。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明实施例提供的一种基于SLA指标的问题管理系统的结构框图；
图2为本发明实施例提供的一种问题管理的方法的流程图；
图3为本发明实施例提供的一种问题的分类定级、改进处理的流程图；
图4为本发明实施例提供的一种服务树的结构示意图；
图5为本发明实施例提供的一种问题管理评估的流程图；
图6为本发明实施例提供的一种问题管理的装置的结构框图；
图7为本发明实施例提供的一种电子设备的结构框图。
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作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。
图1示出了本发明实施例提供的一种基于SLA指标的问题管理系统的结构框图。以图1所示的结构框图为基准，图2示出了根据本发明实施例所示的一种问题管理的方法的流程图，如图2所示，该方法包括：
步骤S201、根据服务对应的历史运行数据和服务目标确定服务的SLA指标；
步骤S202、基于SLA指标，监测服务的当前运行数据的运行情况；
步骤S203、根据当前运行数据的运行情况，判断服务是否满足SLA指标；
步骤S204、如果服务不满足SLA指标，则将服务的当前运行数据确定为目标问题数据；
在步骤S201中，首先，需根据服务对应的历史运行数据和服务目标确定服务的服务水平协议SLA指标，其中，历史运行数据包括以下至少一项：服务的单次运行时长、在第一预设时长内，服务的达标百分比。具体地，可基于历史运行数据，尤其是历史运行数据中的异常数据，观测服务的可用性情况、运行效果。例如，A公司为客户进行打款，从历史运行数据可知，一般情况下打款到账的时长是秒级或分钟级。但历史运行数据中存在打款到账的时长为小时级或天级的打款数据，甚至并未到账的打款数据，则将此类数据视为异常数据，结合总体打款数据的情况，来观测服务的运行效果。还可以基于服务趋势，结合服务的实际情况，判别服务走向。例如：若A公司的打款服务较稳定，则SLA指标可根据历史运行数据进行制定，若A公司的打款服务出现波动或下滑的情况，则可基于历史运行数据均值和最佳的用户体验效果来进行综合性的评估，以制定适当的SLA指标。
在一种可能的实现方式中，SLA指标包括以下至少一项：服务的单次运行时长的上限值、在第一预设时长内服务的达标百分比的下限值；其中，服务的达标百分比为：单次运行时长小于或等于上限值的服务的个数与服务的总个数的比值。例如，A公司的某类打款服务的单次运行时长的上限值为10秒，某类打款服务的达标百分比的下限值为99.99%。假设以一周为统计维度，打款的总次数为10000次，则接受一周内最多1笔打款不达标。
下面以具体的应用场景为例，对SLA指标的制定进行说明。下表示出了一周内，打款服务的历史运行数据的情况。
| 日期/百分比 | 数据量 | 90% | 95% | 99% | 99.90% | 99.99% |
| 2022年11月21日 | 100000笔 | 3s | 5s | 6.2s | 8s | 9.9s |
| 2022年11月22日 | 90000笔 | 3.8s | 5.2s | 5.7s | 7s | 9.8s |
| 2022年11月23日 | 100000笔 | 4s | 5s | 6.2s | 7.1ss | 10s |
| 2022年11月24日 | 95000笔 | 4.8s | 5.5s | 5.9s | 8s | 9.6s |
| 2022年11月25日 | 98000笔 | 4.9s | 5.1s | 6.6s | 8.2s | 9.5s |
| 2022年11月26日 | 99000笔 | 3.6s | 4.9s | 5.8s | 8s | 9.8s |
| 2022年11月27日 | 100000笔 | 3.8s | 5s | 6.9s | 7.5s | 9.4s |
对以上表格进行分析，由上表的第三列可知，90%的订单分别在3s、3.8s、4s、4.8s、4.9s、3.6s、3.8s到账。则可视为：在4.9s内，90%以上的订单数据能够达标，以此类推，在10s内，99.99%以上的订单数据能够达标。
由以上数据可以看出，打款时间越长，达标百分比对应的数据越多，依据打款服务的实际情况，打款应为秒级的服务，10s内能够达到服务目标。因此，为了保证大部分订单能够达到服务目标，可确定该打款服务的两个SLA指标：10秒内到账，达标百分比99.99%。
且需说明的是，可从服务的数据库中抽取历史运行数据，按照不同的百分比依次统计达标时间，不断提高百分比，寻找“最优时间+最优百分比”和/或“较优的时间+较优的百分比”。以上述表格为例，“最优时间+最优百分比”为10s内，99.99%；“较优的时间+较优的百分比”为6.9s内，99%。因打款服务的服务目标可以为秒级到账，因此，打款服务的到账时间的上限值为10s足以满足要求，且能够保证绝大部分订单达标。由此，在保障满足服务目标的前提下，尽量提高服务的达标次数，进而提高服务的达标百分比，是制定SLA指标时的依据。
在一种可能的实现方式中，服务的状态至少包括以下一项：已达标状态、未达标状态、未运行状态。其中，服务的状态在具体的应用场景中，也可称为该服务的SLA指标状态，SLA指标状态包括：已达标、未达标、暂无数据。已达标和/或未达标指的是通过SLA指标的目标值与SLA指标的实际达成值的比较，以判别是否达标。例如：SLA的目标值为99.99%，SLA指标的实际达成值（在第一预设时长内，服务的达标百分比）为90%，则判别为未达标。暂无数据指的是在当前周期内，未识别到服务的运行数据，例如：当前周期内无打款服务。
在后续步骤中，在制定SLA指标后，可基于SLA指标，监测服务的当前运行数据的运行情况；根据当前运行数据的运行情况，判断服务是否满足SLA指标；如果服务不满足SLA指标，则将服务的当前运行数据确定为目标问题数据。其中，SLA指标对系统服务（执行性能）、人工服务（处理时效）均能进行定义和监控。具体地，可基于制定的SLA指标，周期性地（时/分/秒钟）对服务的目标问题数据进行轮询识别。目前目标问题数据的来源主要是人为反馈和系统告警。当工作人员发现问题后，可通过文字输入、语音输入等方式将问题提供至“问题管理”机器人，“问题管理”机器人可对问题内容的关键词进行识别，并对问题数据进行分类。系统告警的问题可直接汇入问题管理的流程。由此，可解决目前的问题管理系统无法精准化、规范化地识别问题，问题记录依赖于人为操作，流程比较耗时，且不便于长期运营管理的技术问题。
在一种可能的实现方式中，在如果服务不满足SLA指标，则将服务的当前运行数据确定为目标问题数据之后，方法还包括：将目标问题数据按照影响范围的不同，划分为不同等级。如图3所示，可基于目标问题数据的类别、级别、影响范围等不同维度对其进行划分，还可将目标问题数据按照影响范围的不同，划分为不同等级。例如：将问题划分为系统问题和人为问题，系统问题包括以下至少一项：硬件问题、数据库问题、代码问题；人为问题包括以下至少一项：操控问题、流程问题、机制问题等。依据问题的影响范围，如：影响的人群（内部/外部，内部又划分为哪些部门）、影响人数、影响的数据量、影响金额）将问题划分为以下5类级别：轻微问题：仅限于公司内部产生，问题发生后可通过很低的成本进行快速解决或造成的问题影响基本可以忽略；一般问题：仅限于公司内部产生，造成的影响程度较低，通过一定的手段可以快速解决；较大问题：在公司内部和/或外部产生，问题对服务的可用性造成影响，但影响程度不大；重大问题：在公司内部和/或外部产生，问题对服务的可用性造成影响，且影响程度较大，对公司的信誉度造成损害；特别重大问题：在公司内部和/或外部产生，问题对服务的可用性造成影响，影响程度巨大，对公司的信誉度造成损害，造成公司和/或用户的重大损失。需说明的是，以上分类方式只是一种示意性说明，不构成对本发明实施例的限制。由此，可解决目前的问题管理系统无法对问题进行有效评估，人为对问题划分等级，进行标识的主观性较强，无法做到规范统一、产生的问题较多、耗用人力较大的技术问题。
在一种可能的实现方式中，方法还包括：调用问题内容知识库；其中，问题内容知识库为存储有历史运行问题数据及历史运行问题数据所对应的改进措施的数据库；遍历问题内容知识库，将目标问题数据与问题内容知识库中所存储的历史运行问题数据进行对比；筛选出与目标问题数据的相似度达到预设第一阈值，且相似度为最高值的历史运行问题数据；将所筛选出的历史运行问题数据所对应的改进措施确定为目标问题数据的最优改进措施。
以图3所示的问题的分类定级和改进处理方法的流程图为例，可分为以下几个步骤：
a：首先调用问题内容的知识库；
知识库存储问题内容，对“已上报的问题”进行实际参照。
b：匹配已存储的问题；
对“已上报的问题”通过关键词拆分，在知识库中进行遍历搜索，寻找解决问题最优解。
c：查询已有处理措施，进行采纳。
d：快速响应解决；
使用匹配的已有处理措施，进行解决。
e：再次更新历史问题数据。
f：历史数据更新后，重新计算、修正SLA，修正后按照原定周期进行重新识别。
需说明的是，更新历史数据可统计第二预设时长内，历史运行问题数据的变化率，若历史运行问题数据的变化率超出预设第二阈值，则根据服务对应的历史运行数据和服务目标更新SLA指标。也就是说，当历史运行问题数据的波动趋势较小（变化率较低），说明目前服务状态较为稳定，不需要更新SLA指标，若波动趋势较大（变化率较高），则需更新SLA指标，由此，可在不浪费资源的前提下，做到SLA指标的有效更新。
在一种可能的实现方式中，方法还包括：根据服务所属的类型、类型之间的上下位关系，将服务映射为节点树结构，其中，各个类型作为节点树结构的节点。在如果否，则将服务的当前运行数据确定为目标问题数据之后，方法还包括：按照目标问题数据对应的服务的类型，将目标问题数据逐条归入到节点树结构中；基于节点树结构和目标问题数据，统计服务的评分。
图4示出了一种服务的节点树结构，依靠服务树的树状节点结构，按照服务树的树状结构，可将服务按照不同的节点层级进行划分，并将问题按照所属类别、层级自动归入不同的服务节点中，对应服务节点对不同类别的问题进行关注处理。如图4所示，可将某服务1细分为服务1.1、1.2、1.3，服务1.1下细分为服务1.1.1、服务1.1.2、服务1.1.3，以此类推。以A公司的实际服务为例，A公司的对外服务可以分为打款服务、票据服务、账单服务等，打款服务下又可细分为支付宝打款服务、微信打款服务、银行卡打款服务等。服务树的父节点可扩充子节点，对应为父服务划分为子服务，以实现对问题的精准定位。并基于子服务的评分，汇总到父服务中，最终汇总到总服务（元节点）中。其中，可选的一种评分方式为：按子服务的打分值及其权重，将并列的子服务的打分值叠加以求取其父服务的评分，并依次类推，直至求取总服务的评分。图4中的问题管理34、6、18、10等示出了一种分数的累加方式。问题评分可实现对服务问题的精准拆解与定量评估，借助于服务树结构，问题评分层层上报，可得到最终对整体服务的评估结果。
需说明的是，虽然图1所示的系统架构中，对问题数据进行分类、定级的步骤在将问题数据归入服务树结构的步骤之后执行，但这只是一种优选的实现方式，不构成对步骤执行顺序的限定。
在一种可能的实现方式中，方法还包括：在目标问题数据上增加标识符，标识符用于标识最优改进措施的进展程度，将以下至少一项：SLA指标、服务的评分、针对于问题数据的最优改进措施的进展程度推送至用户。可理解的是，在图1和图3所示的问题内容知识库中，存储有历史问题数据，包括问题内容Content、问题影响时间Time Range 、受影响用户User ID、问题改进项。优选地，可形成并推送问题评估报表至管理层，以汇总问题的统计情况，报表中可包括服务的问题评分、SLA指标达标率。还可以进行问题模拟、问题训练，增加预警措施。其中，服务评分为基于上述的服务树的节点层级方法，根据父服务、子服务节点的叠加计算，最终输出的服务评分结果。SLA达标率为按照周期统计服务的SLA指标的达标情况，包括所属周期、达标百分比、达标数据明细、历史达标趋势。问题改进项对应于改进措施的处理进度，当完成改进后，改进项的状态分由“改进中”变更为“已完成”。可基于服务评分、SLA达标率、改进项形成最终决策方案，上报至管理层（如图5所示）。由此，可解决目前的问题管理系统无法集中归纳管理问题、问题种类存在差异、碎片化的情况，且问题存储于不同系统、不同文档之中，资源之间缺乏联动等技术问题，可实现对问题数据的精准定位，对问题影响性进行评估、改进和决策。
综上，本发明实施例提供的问题管理的方法，通过建立SLA指标快速精准地识别问题，然后将问题记入服务树中，进行问题的分类定级和改进处理，最后基于整个系统对问题进行评分，对问题的SLA指标进行评估，形成自动化报表，实现了问题管理流程的自适应循环，还可以帮助管理层提供决策方案，并具有自适应性和扩展性、易于维护、结构简单、理解成本低、可支持运营页面操作等优点。
图6示出了根据本发明实施例所示的一种问题管理的装置60，该装置60包括：
确定模块601，用于根据服务对应的历史运行数据和服务目标确定服务的SLA指标；
监测模块602，用于基于SLA指标，监测服务的当前运行数据的运行情况；
判断模块603，用于根据当前运行数据的运行情况，判断服务是否满足SLA指标；
确定模块601，还用于在服务不满足SLA指标时，将服务的当前运行数据确定为目标问题数据；
其中，历史运行数据和当前运行数据均包括以下至少一项：服务的单次运行时长、在第一预设时长内，服务的达标百分比。
在一种可能的实现方式中，SLA指标包括以下至少一项：服务的单次运行时长的上限值、在第一预设时长内服务的达标百分比的下限值；
其中，服务的达标百分比为：单次运行时长小于或等于上限值的服务的个数与服务的总个数的比值。
在一种可能的实现方式中，装置60还包括：
划分模块，用于将目标问题数据按照影响范围的不同，划分为不同等级。
在一种可能的实现方式中，装置60还包括：
调用模块，用于调用问题内容知识库；其中，问题内容知识库为存储有历史运行问题数据及历史运行问题数据所对应的改进措施的数据库；
遍历模块，用于遍历问题内容知识库，将目标问题数据与问题内容知识库中所存储的历史运行问题数据进行对比；
筛选模块，用于筛选出与目标问题数据的相似度达到预设第一阈值，且相似度为最高值的历史运行问题数据；
确定模块601，还用于将所筛选出的历史运行问题数据所对应的改进措施确定为目标问题数据的最优改进措施。
在一种可能的实现方式中，装置60还包括：
映射模块，用于根据服务所述的类型、类型之间的上下位关系，将服务映射为节点树结构，其中，各个类型作为节点树结构的节点。
在一种可能的实现方式中，装置60还包括：
归入模块，用于按照目标问题数据对应的服务的类型，将目标问题数据逐条归入到节点树结构中；
统计模块，用于基于节点树结构和目标问题数据，统计服务的评分。
在一种可能的实现方式中，统计模块，还用于统计第二预设时长内，历史运行问题数据的变化率；
装置60还包括：更新模块，用于若历史运行问题数据的变化率超出预设第二阈值，则根据服务对应的历史运行数据和服务目标更新SLA指标。
在一种可能的实现方式中，所述服务的状态至少包括以下一项：已达标状态、未达标状态、未运行状态。
参照图6所示的装置60，本发明实施例具备如下优点：
1、将问题管理的识别、分类定级、改进处理、自适应优化形成全流程的管理流程，实现问题处理效率的提升。
2、在日常场景下，问题依赖于人工记录和系统监控，但人工记录的主观性较强；且存在碎片化的问题，同时问题与问题之间的关联存在壁垒，难以形成知识库进行复用，另外，监控管理依赖于告警，精度和准度有待提高，基于本发明实施例的方案，可精准定位服务需求，对服务拆分入服务树后，辅助系统管理实现层级的迅速查找，实现自动化、规范化的问题识别与定位。
3、本发明实施例能够将问题的识别、分类定级、改进处理形成循环使用的流程，实现整个问题处理流程的高效流转，且基于SLA指标的问题管理能够实现问题的精准评估，减少人工维护方式的复杂性，且评估结果可实现定量统计，准确确定服务问题的原因、改进处理程度、优化方向等，帮助管理层实现决策优化。
4、常用问题管理方法，偏向于事后分析。即产生问题后，进行快速响应和解决，但事后的问题的管理方式存在滞后性，缺乏对未知问题的预判和规避；本发明的问题管理是基于SLA指标的事前、事中、事后的全流程式方法，即在事前通过SLA识别的历史问题数据进行事情分析、问题演练，在事中基于服务树进行问题的快速分类和定位解决，在事后建立问题内容知识库自适应更新SLA指标值实现闭环管控。
本发明实施例还提供一种电子设备70，如图7所示，包括：处理器701、存储器702及存储在存储器702上并可在处理器701上运行的程序，程序被处理器执行时实现如上述实施例所示的问题管理的方法的步骤。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述实施例所示的问题管理的方法的步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，的计算机可读存储介质，如只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端（可以是手机，计算机，服务器，空调器，或者网络设备等）执行本发明各个实施例的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。
Claims (6)
1.一种问题管理的方法，其特征在于，方法包括：
根据服务对应的历史运行数据和服务目标确定服务的服务水平协议SLA指标；
基于SLA指标，监测服务的当前运行数据的运行情况；
根据所述当前运行数据的运行情况，判断服务是否满足SLA指标；
如果否，则将服务的当前运行数据确定为目标问题数据；
其中，历史运行数据和当前运行数据均包括以下至少一项：服务的单次运行时长、在第一预设时长内，服务的达标百分比；
SLA指标包括以下至少一项：服务的单次运行时长的上限值、在第一预设时长内服务的达标百分比的下限值；
其中，服务的达标百分比为：单次运行时长小于或等于上限值的服务的个数与服务的总个数的比值；
在如果否，则将服务的当前运行数据确定为目标问题数据之后，方法还包括：
将目标问题数据按照影响范围的不同，划分为不同等级；
方法还包括：
调用问题内容知识库；其中，问题内容知识库为存储有历史运行问题数据及历史运行问题数据所对应的改进措施的数据库；
遍历所述问题内容知识库，将目标问题数据与所述问题内容知识库中所存储的历史运行问题数据进行对比；
筛选出与目标问题数据的相似度达到预设第一阈值，且相似度为最高值的历史运行问题数据；
将所筛选出的历史运行问题数据所对应的改进措施确定为目标问题数据的最优改进措施；
方法还包括：
根据服务所属的类型、所述类型之间的上下位关系，将服务映射为节点树结构；其中，各个类型作为所述节点树结构的节点；
在如果否，则将服务的当前运行数据确定为目标问题数据之后，方法还包括：
按照目标问题数据对应的服务的类型，将目标问题数据逐条归入到所述节点树结构中；
基于所述节点树结构和目标问题数据，统计服务的评分。
2.根据权利要求1所述的方法，其特征在于，方法还包括：
统计第二预设时长内，历史运行问题数据的变化率；
若历史运行问题数据的变化率超出预设第二阈值，则根据服务对应的历史运行数据和服务目标更新SLA指标。
3.根据权利要求1-2中任一项所述的方法，其特征在于，
所述服务的状态至少包括以下一项：已达标状态、未达标状态、未运行状态。
4.一种问题管理的装置，其特征在于，装置包括：
确定模块，用于根据服务对应的历史运行数据和服务目标确定服务的SLA指标；
监测模块，用于基于SLA指标，监测服务的当前运行数据的运行情况；
判断模块，用于根据所述当前运行数据的运行情况，判断服务是否满足SLA指标；
确定模块，还用于在服务不满足SLA指标时，将服务的当前运行数据确定为目标问题数据；
其中，历史运行数据和当前运行数据均包括以下至少一项：服务的单次运行时长、在第一预设时长内，服务的达标百分比；
SLA指标包括以下至少一项：服务的单次运行时长的上限值、在第一预设时长内服务的达标百分比的下限值；
其中，服务的达标百分比为：单次运行时长小于或等于上限值的服务的个数与服务的总个数的比值；
所述装置还包括：
划分模块，用于将目标问题数据按照影响范围的不同，划分为不同等级；
调用模块，用于调用问题内容知识库；其中，问题内容知识库为存储有历史运行问题数据及历史运行问题数据所对应的改进措施的数据库；
遍历模块，用于遍历问题内容知识库，将目标问题数据与问题内容知识库中所存储的历史运行问题数据进行对比；
筛选模块，用于筛选出与目标问题数据的相似度达到预设第一阈值，且相似度为最高值的历史运行问题数据；
所述确定模块，还用于将所筛选出的历史运行问题数据所对应的改进措施确定为目标问题数据的最优改进措施；
所述装置还包括：
映射模块，用于根据服务所属的类型、所述类型之间的上下位关系，将服务映射为节点树结构；其中，各个类型作为所述节点树结构的节点；
归入模块，用于按照目标问题数据对应的服务的类型，将目标问题数据逐条归入到所述节点树结构中；
统计模块，用于基于所述节点树结构和目标问题数据，统计服务的评分。
5.一种电子设备，其特征在于，包括：处理器、存储器及存储在存储器上并可在处理器上运行的程序，程序被处理器执行时实现如权利要求1至3中任一项所述的问题管理的方法的步骤。
6.一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如权利要求1至3中任一项所述的问题管理的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211629223.5A CN115619292B (zh) | 2022-12-19 | 2022-12-19 | 一种问题管理的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211629223.5A CN115619292B (zh) | 2022-12-19 | 2022-12-19 | 一种问题管理的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115619292A CN115619292A (zh) | 2023-01-17 |
| CN115619292B true CN115619292B (zh) | 2023-03-21 |
Family
ID=84880548
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211629223.5A Active CN115619292B (zh) | 2022-12-19 | 2022-12-19 | 一种问题管理的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115619292B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005208709A (ja) * | 2004-01-20 | 2005-08-04 | Fuji Xerox Co Ltd | データ分類処理装置、およびデータ分類処理方法、並びにコンピュータ・プログラム |
| JP2012003406A (ja) * | 2010-06-15 | 2012-01-05 | Hitachi Solutions Ltd | 障害原因判定ルール検証装置及びプログラム |
| CN103647276A (zh) * | 2013-12-10 | 2014-03-19 | 国家电网公司 | 一种电能质量预警系统及其方法 |
| CN103927325A (zh) * | 2014-03-13 | 2014-07-16 | 中国联合网络通信集团有限公司 | 一种对url进行分类的方法及装置 |
| CN107330021A (zh) * | 2017-06-20 | 2017-11-07 | 北京神州泰岳软件股份有限公司 | 基于多叉树的数据分类方法、装置及设备 |
| CN112907122A (zh) * | 2021-03-22 | 2021-06-04 | 余伟 | 一种天然气加气站安全评价模型及评价方法 |
| CN114781942A (zh) * | 2022-06-21 | 2022-07-22 | 云账户技术(天津)有限公司 | 一种服务管理平台的管理方法及装置 |
| CN114819692A (zh) * | 2022-05-11 | 2022-07-29 | 平安国际智慧城市科技股份有限公司 | 业务风险分析方法、装置、设备及存储介质 |
-
2022
- 2022-12-19 CN CN202211629223.5A patent/CN115619292B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005208709A (ja) * | 2004-01-20 | 2005-08-04 | Fuji Xerox Co Ltd | データ分類処理装置、およびデータ分類処理方法、並びにコンピュータ・プログラム |
| JP2012003406A (ja) * | 2010-06-15 | 2012-01-05 | Hitachi Solutions Ltd | 障害原因判定ルール検証装置及びプログラム |
| CN103647276A (zh) * | 2013-12-10 | 2014-03-19 | 国家电网公司 | 一种电能质量预警系统及其方法 |
| CN103927325A (zh) * | 2014-03-13 | 2014-07-16 | 中国联合网络通信集团有限公司 | 一种对url进行分类的方法及装置 |
| CN107330021A (zh) * | 2017-06-20 | 2017-11-07 | 北京神州泰岳软件股份有限公司 | 基于多叉树的数据分类方法、装置及设备 |
| CN112907122A (zh) * | 2021-03-22 | 2021-06-04 | 余伟 | 一种天然气加气站安全评价模型及评价方法 |
| CN114819692A (zh) * | 2022-05-11 | 2022-07-29 | 平安国际智慧城市科技股份有限公司 | 业务风险分析方法、装置、设备及存储介质 |
| CN114781942A (zh) * | 2022-06-21 | 2022-07-22 | 云账户技术(天津)有限公司 | 一种服务管理平台的管理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115619292A (zh) | 2023-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110163647B (zh) | 一种数据处理方法及装置 | |
| CN108364106A (zh) | 一种报销单风险预测方法、装置、终端设备及存储介质 | |
| CN113627566B (zh) | 一种网络诈骗的预警方法、装置和计算机设备 | |
| WO2015120798A1 (en) | Method for processing network media information and related system | |
| CN111383101A (zh) | 贷后风险监控方法、装置、设备及计算机可读存储介质 | |
| US8756071B2 (en) | Methods and apparatus for queue-based cluster analysis | |
| CN107730286A (zh) | 一种目标客户筛选方法及装置 | |
| CN111061948B (zh) | 一种用户标签推荐方法、装置、计算机设备及存储介质 | |
| CN112862593B (zh) | 信用评分卡模型训练方法、装置、系统及计算机存储介质 | |
| CN111858274B (zh) | 一种大数据评分系统稳定性监控方法 | |
| CN111695084A (zh) | 模型生成方法、信用评分生成方法、装置、设备及存储介质 | |
| CN112950359B (zh) | 一种用户识别方法和装置 | |
| CN111078512A (zh) | 告警记录生成方法、装置、告警设备及存储介质 | |
| CN110909129B (zh) | 异常投诉事件的识别方法及装置 | |
| CN117540826A (zh) | 机器学习模型的优化方法、装置、电子设备及存储介质 | |
| CN115619292B (zh) | 一种问题管理的方法及装置 | |
| CN114693243A (zh) | 一种企业平台管理方法、系统和存储介质 | |
| CN115514581A (zh) | 一种用于工业互联网数据安全平台的数据分析方法及设备 | |
| CN111209397B (zh) | 一种确定企业产业类别的方法 | |
| CN113987186A (zh) | 一种基于知识图谱生成营销方案的方法和装置 | |
| CN109919811B (zh) | 基于大数据的保险代理人培养方案生成方法及相关设备 | |
| CN113762894A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
| CN112308419A (zh) | 数据处理方法、装置、设备及计算机存储介质 | |
| CN110766544A (zh) | 信用风险的检测方法及装置、存储介质、电子装置 | |
| US20240070130A1 (en) | Methods And Systems For Identifying And Correcting Anomalies In A Data Environment |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |