Service Desk během svého provozu vytváří velké množství dat. Každý požadavek nebo incident s sebou nese informace o službě, kategorii, čase vytvoření a vyřešení, SLA a dalších atributech. Jednotlivé záznamy tak mohou sloužit nejen pro řešení konkrétního požadavku, ale také jako zdroj informací o dlouhodobém fungování IT služeb.
Aby bylo možné s těmito daty pracovat mimo samotný ServiceDesk, je potřeba je vhodným způsobem zpřístupnit. Právě zde přichází na řadu OData. Prostřednictvím tohoto rozhraní lze data ze SMAX načítat do externích nástrojů a dále je zpracovávat. Jedním z nich je Power BI, který umožňuje nad těmito daty vytvořit vlastní analytické pohledy.
Data ze SMAX lze díky ODatům načíst do Power BI, kde nad nimi vzniká datový model pro další analýzu. Můžeme zde definovat vlastní metriky, pracovat s časovými obdobími, filtrovat data podle služeb nebo kategorií a jednotlivé pohledy vzájemně kombinovat.
Power BI tak umožňuje posunout se od jednotlivých záznamů k jejich souhrnnému pohledu. Zároveň je možné data ze ServiceDesku propojit s dalšími zdroji a zasadit je do širšího kontextu IT provozu.
Právě tady se dostáváme k otázkám, které jsme si položili na začátku.
Můžeme například zjistit, které služby zatěžují ServiceDesk nejvíce. Nejen podle celkového počtu incidentů, ale také podle jejich vývoje v čase nebo podle doby potřebné k jejich vyřešení.
Stejně tak lze sledovat, které typy incidentů se opakují. Pokud určitá kategorie dlouhodobě tvoří významnou část požadavků, může být zajímavé podívat se na její příčiny a zvážit, zda existuje prostor pro změnu procesu nebo automatizaci.
Další pohled nabízí doba řešení a SLA. V Power BI můžeme sledovat jejich vývoj, porovnávat jednotlivé služby nebo období a hledat souvislosti mezi počtem incidentů, jejich strukturou a dobou řešení.
Smyslem propojení SMAX, OData a Power BI není pouze vytvořit další dashboard. Důležitější je možnost pracovat s provozními daty v širších souvislostech a sledovat jejich vývoj v čase.
Výsledkem může být přehled, který pomůže lépe pochopit zatížení jednotlivých služeb, opakující se typy incidentů nebo změny v plnění SLA. Data ze ServiceDesku tak získávají další využití nejen pro každodenní provoz, ale také jako podklad pro řízení a další rozvoj IT služeb.