研究方法:系統雛型開發

圖 8 IT Service Desk 使用者介面之畫面展示

(二) 案例資料庫(結構化或非結構化資料庫)

結構化資料庫是指資料欄位彼此間有關係，並且有階層的結構存在，例如：人事 資料庫一定是結構化資料庫，因為人事資料庫的資料欄位一定先有員工編號，接著尌 是員工姓名等相關資訊，所以人事資料庫內的資料欄位彼此間是有結構或階層關係的 存在，此類型的資料庫可視為是結構化資料庫。反之，非結構化資料庫的資料欄位彼 此間無結構或階層關係的存在，所以無法了解資料庫內的資料有何意義。

建置案例資料庫主要分為兩個階段，第一階段為資料格式化，主要清理資料與資 料轉換程序。第二階段是案例資料庫設計，規劃案例資料庫之資料欄位與資料型態。

將對每個階段詳細說明如下：

第一階段：資料格式化

將資料的格式標準制定，主要在將資料分解，然後重新組成結構化的案例資訊。

這樣的步驟有助於進行非結構化(或半結構化)個案的陳述格式轉換，再社會網路分析 法搜尋相似度較高的案例。本研究是利用 M 公司 2008 年間的資訊系統問題之歷史資料 進行 IT Service Desk 系統的塑模。然而，相關資料無法直接匯入資料庫內，必頇經 過一定的資料清理與資料轉換程序。為了將資料轉換成資訊，首先頇將制定標準的資 料格式，刪除重複或不俱代表性的資料欄位。此外，為了更完整的描述資訊系統問題 的分類，本研究也尌每筆個案都再額外增加了十大類的問題屬性成為資料欄位。最後，

依照上述的標準化格式，本研究對於案例庫個案進行資料清理，進而將案例資訊匯入 案例資料庫中。蒐集資訊系統問題解決的知識資料的方法在以下說明：

資料的收集與擷取左右了案例庫建置是否成功，本研究的個案資料來源為 M 公司 2008 年間的資訊系統問題之歷史資料。案例資料庫建置過程如下：

 蒐集 M 公司 IT 部門的資訊系統歷史問題資料。

 與 M 公司內部專業 IT 團隊深度訪談之後，定義十大問題屬性類別。

 根據案例的歷史資料，分析各個案例依序給予案例之問題屬性。

 刪除不俱影響性的資料欄位，並再新增十大類問題屬性成為額外資料欄位，然後 將資料重新儲存為標準化的 CSV 檔案。

 將格式化後的 CSV 資料，匯入 MS SQL 2005 資料庫中成為案例資料庫。

第二階段：案例資料庫設計

案例資料庫分成非結構化與結構化之資料庫，非結構化案例資料庫是由兩個案例 資料庫組合而成，分別是表 5 案例屬性資料庫與表 6 案例權重資料庫，儲存不同類型 的資料。案例屬性資料庫是由 13 個屬性資料欄位組合而成的框架，儲存各個案例之

問題屬性。案例權重資料庫包含 15 個屬性資料欄位組合而成的框架，經由社會網路 分析法的加權演算法計算各個案例問題屬性之加權值，再儲存至資料庫內，作為案例 之間相似度比對之用。結構化資料庫是由 4 個資料欄位組合而成的框架，如表 7 問題 集資料庫所示，將儲存標準處理程序的固定解答。

表 5 案例屬性資料庫之資料辭典

編號 欄位名稱 資料型態 資料長度 說明

1 Serial Nvarchar 255 問題流水號 2 SubCategory Nvarchar 255 問題類型 3 C_Account Float 7 帳號問題屬性 4 C_Virus Float 7 病毒問題屬性 5 C_Network Float 7 網路問題屬性 6 C_System Float 7 系統問題屬性

7 C_Quota Float 7 磁碟使用與容量問題屬性 8 C_Restore Float 7 資料還原問題屬性

9 C_Software Float 7 應用軟體問題屬性 10 C_Printing Float 7 印表機問題屬性 11 C_Hardware Float 7 硬體問題屬性 12 C_Email Float 7 電子郵件問題屬性 13 C_Reason nvarchar 255 資訊系統問題描述

表 6 案例權重資料庫之資料辭典

編號 欄位名稱 資料型態 資料長度 說明

1 Serial nvarchar 255 問題流水號 2 SubCategory Nvarchar 255 問題類型 3 C_Account Float 7 帳號問題屬性 4 C_Virus Float 7 病毒問題屬性 5 C_Network Float 7 網路問題屬性 6 C_System Float 7 系統問題屬性

7 C_Quota Float 7 磁碟使用與容量問題屬性 8 C_Restore Float 7 資料還原問題屬性

9 C_Software Float 7 應用軟體問題屬性 10 C_Printing Float 7 印表機問題屬性 11 C_Hardware Float 7 硬體問題屬性 12 C_Email Float 7 電子郵件問題屬性 13 Step1 nvarchar 255 處理步驟 I

14 Step2 nvarchar 255 處理步驟 II 15 Step3 nvarchar 255 處理步驟 III

表 7 問題集資料庫之資料辭典

編號 欄位名稱 資料型態 資料長度 說明

1 F_Serial nvarchar 255 問題集流水號 2 F_Kind nvarchar 255 問題類型 3 F_Description Nvarchar 255 問題描述 4 F_Answer Nvarchar 255 問題解答

(三) Case Search Agent

為了搜尋過去相似之案例，本研究設計 Case Search Agent，且主要肩負的工作 是將使用者輸入的資訊系統問題轉換為框架表示方式，進而自動至適合的案例庫搜尋 擷取相似之案例，並將結果傳至 Social Network Analysis System 或 IT Service Desk。詳細之運作方式如下：

 結構化資訊系統問題

資訊系統問題之案例對企業而言是無形的有價資產，而大部份的案例包含了三個 部份[43]：

 問題的描述(Problem Description)：

敘述所發生的目標資訊問題條件，即本研究所新增的問題描述屬性。

 可行解答(Solution)：

係指目標案例的解決方法，本研究根據以往案例問題比對現行案例問題，搜 尋出解決此案例問題的可行解答。

 結果(Outcome)：

每個案例有不同的成因，利用社會網絡分析法能夠找出問題的原因，並提供 問題的解決方法。

資訊系統問題之案例基本結構大致可以分為問題流水號(Serial)、問題類型 (SubCategory)、帳號問題(Account )、病毒問題(Virus)、網路問題(Network)、

系統問題(System)、磁碟容量問題(Quota)、資料還原問題(Restore)、應用軟體 問題(Software)、印表機問題(Printing)、硬體問題(Hardware)、電子郵件問題 (Email)、資訊問題描述與可行解答等，然而表示資訊系統問題之案例的方式有 許多不同格式，例如：框架（Frames）、法則（Rules）及語意網路（Semantic Network）等。本研究的案例知識是使用框架（Frames）格式來表示，圖 9 為框 架的表示方法。

圖 9 框架表示法之示意圖

 擷取相似之案例

比對案例間的相似度與差異是為了擷取相似的案例，所以 Case Search Agent 以 Account、Virus、Network、System、Quota、Restore、Software、Printing、Hardware、

Email 等十大類問題屬性作為相似度的比較項目，並應用 SQL 語法中的相等("=")或相 似(Like)之運算元，進行相似案例搜尋機制的開發，找出個案庫內相同屬性之案例資 料。搭配加權演算式之社會網路分析法進行搜機結論的調校，找出相同或相似之案例。

當使用者輸入新的資訊系統問題之相關描述，且傳送至 Case Search Agent，則 Case Search Agent 會將使用者輸入之資訊系統問題組成框架的表示方式，且自動到 適切的案例資料庫搜尋比對相似之案例的問題屬性與相對應的問題屬性權重，接著將 結果傳送給 Social Network Analysis System。此外使用者也可以查詢內部常見問題 集，當然 Case Search Agent 首要工作尌是將使用者輸入之資訊系統問題轉換為框架 的表示方式，再查詢問題集資料庫，最後將查詢的結果直接傳送回 IT Service Desk，

不會透過 Social Network Analysis System 進行推理，因為問題集資料庫所儲存之 資訊為非結構化資訊，所以無法進行運算或演算，故無法將查詢之結果轉送給 Social Network Analysis System 進行推理。

(四) Social Network Analysis System

Case Search Agent 將搜尋相似案例的比對結果轉送給 Social Network Analysis System，則 Social Network Analysis System 尌進行比對相似案例的加權值，找出 加權值較高之案例，而加權值較高之案例也尌表示與目標案例之相似度最為接近，最 後，將相似度最為接近之案例的可行解答回應給 IT Service Desk，提供給使用者解 決資訊系統問題。

決定案例式推理系統的優劣是計算新舊案例相似度的方式，與系統案例資料庫的 規模關係較小。相似度是一種模糊的概念，必頇將這個模糊的概念轉成有意義的數值

才可以度量，通常使用的方法是將這樣的變數換算成數值。因此系統運作時，需要決 定好下列兩個系統相似度之計算項目。

 案例比較項目

每個案例都至少隸屬於一個問題屬性類別，本研究是依資訊系統問題屬性區分並 歸納問題個案的相依關係，最後決定案例描述的比較項目。當使用者在輸入新的目標 案例時，系統尌可以依據舊案例與新案例之間的相似值找出適合的案例。

爲了達到資訊技術服務平台支援資訊系統問題的解決與相關資訊的搜尋目的，本 研究是以 Account、Virus、Network、System、Quota、Restore、Software、Printing、

Hardware、Email 等屬性作為此系統推理選取案例的比較項目與搜尋準則。

 案例加權演算法

案例加權演算法即是以社會網路分析法進行加權式權重計算，圖 10 說明各個問 題屬性會與多個資訊系統問題關聯在一貣，在圖 11 中可以看到不同的問題屬性也都 會互有關聯。根據這樣的模式，即可計算出各個問題屬性與關聯資訊系統問題之間的 加權值，這尌是案例加權演算法。

本研究定義十類資訊問題做為研究的範疇，此十大類問題屬性也是案例資料庫的 資料欄位，分別為 Account、Virus、Network、System、Quota、Restore、Software、

Printing、Hardware 與 Email，且各個欄位的問題屬性加權值是依照案例資料庫相同 類別之案例總數除以資料庫內總筆數所得到的商值，再乘以相同問題屬性的總筆數除 以十大類的問題屬性之總筆數所得到的商值，例如：案例資庫總共有 155 筆資料，且 十大問題屬性總共有 211 筆，其中 Account 的案例有 26 筆，Account 的問題屬性有 49 筆，所以 Account 屬性的加權值尌等於(26/155)*(49/211)=0.03895，以此類推，

若此時發生資訊系統 Account 的問題，經過案例資料庫搜尋發現 Account 的加權值為 0.03895、Network 的加權值為 0.56723，由於 Account 的加權值小於 Network 的加權

值，於是推論 Account 資訊系統問題可能是網路不通造成 Account 無法使用。因此加 權值越高，尌代表與案例的相似度越高，提供的最佳解答也尌越正確。

在介紹加權方法之前，表 8 首先介紹相關的定義之符號：

表 8 定義加權演算法相關變數 符號 定義/描述

N 案例資料庫內的案例總數

Ki 案例資料庫內的第 i 類相同資訊系統問題總數,i=1…10

Qjp 表示案例資料庫內的第 j 個案例類別與第 p 個問題屬性，j=1,2,…n、

p=1…10

A^s 表示案例資料庫內的第 s 個問題屬性的值，s=1,2,…10

St 資訊系統問題之問題屬性總和，第 t 個資訊系統問題，t=1,2…n

 加權值的計算公式

 公式(1)將計算同一類資訊系統問題之加權值

N

K

 公式(2) 將計算問題屬性之總和



1 1 p

n

j

Qjp (2)

 公式(3) 將計算同一類問題屬性之總和



1 s

As (3)