Haal het maximale uit je ticketdata met labeling

Van data naar informatie

Bij labeling draait het om het verrijken van de data door het toevoegen van informatie. Een voorbeeld. Een monteursorganisatie, verantwoordelijk voor telecom-straatkasten, schakelde onze hulp in. Ze hadden 7.000 storingstickets over heel 2021 bij 13.000 straatkasten. Hierbij was er nog geen kennis over het presteren van de individuele assets.

Van de tickets waren tijd en locatie van de storingen bekend, maar de aanleiding ontbrak. In dit geval was de oplopende temperatuur één van de problemen, vooral in de zomermaanden. Door temperatuur als een label toe te voegen aan de bestaande data, konden we gaan vergelijken met voorgaande jaren. Zo voeg je informatie en dus waarde toe aan de data.

We maken hierbij onderscheid tussen relatieve en inhoudelijke labeling. Bij relatief kijken we naar locatie, datum en tijd. Je stelt bijvoorbeeld vast: als er minder dan 30 dagen tussen twee tickets zit, dan noemen we het een herhaalstoring. Die bepaal je aan de hand van een eventuele SLA of business logica. Inhoudelijke labeling gaat over de aanleiding een ticket, zoals dus een temperatuursalarm of het wegvallen van een verbinding.

Van logica naar waarde

De data zijn nu verwerkt, gestructureerd en verrijkt. Maar wat je wilt is inzicht in die data. Wij gebruiken daarvoor de visualisatietool Power BI. Deze sluit je via het Azure platform eenvoudig aan, op de opgeslagen data uit de Blob Storage. De data wordt vervolgens dagdagelijks ververst en ingeladen in het dashboard. Dit is dynamisch en interactief, waardoor je zelf naar eigen inzicht dwarsdoorsnedes en analyses van de data kunt maken.

Door ook externe databronnen toe te voegen, til je de analyses naar een nog hoger niveau. In ons voorbeeld gebruikten we data van het KNMI om ook de omgevingstemperatuur van elke locatie mee te nemen. Zet dat bijvoorbeeld in een grafiek af tegen de tijd om trends te herkennen en verschillende periodes met elkaar te vergelijken.