September 2018

Estágios de Verão 2018

É em modo de coração cheio que fechamos mais um programa de Estágio de Verão na Xpand IT. Esta terceira edição prometia apostar no verdadeiro potencial e proporcionar uma experiência marcante durante as férias de Verão a estudantes e recém-licenciados. E o prometido é devido: recebemos 23 participantes, distribuídos entre os escritórios de Lisboa, Braga, Porto e Viana do Castelo. Todas as áreas tecnológicas da Xpand IT receberam de braços abertos os estagiários, que foram rapidamente integrados nos projetos e nas diferentes iniciativas do dia-a-dia da empresa.

Durante este acolhimento, quisemos transmitir o ADN da Xpand IT, que vai além dos desafios profissionais nos vários projetos; foi com esse espírito que organizámos diversos almoços nas várias equipas para promover o convívio e amizade entre colegas e criámos diversas iniciativas desportivas, como treinos de corrida semanais e uma aula de Surf, porque somos fieis ao princípio “corpo são, mente sã”.

É com enorme satisfação que dizemos que o balanço destes dois meses ao abrigo do programa de Estágios de Verão 2018 foi bastante positivo tanto para a empresa como para quem nos visitou. Feito o balanço, partilhamos alguns testemunhos pela voz de quem por cá passou:

Até agora esta experiência foi fantástica. O início do meu projeto foi muito diferente dos que experienciei na Faculdade, fez-me investigar conceitos que eu conhecia, mas nunca tinha utilizado. No fundo, a experiência é muito enriquecedora, não só por causa do projeto em si, mas também devido a toda a rotina do trabalho que eu não tinha experienciado. O escritório de Braga é um ótimo sítio para trabalhar, porque todas as pessoas fazem com que te sintas confortável e ajudam-te sempre que precisas.

Adriana Guedes

Depois de 5 semanas a trabalhar na Xpand IT, sinto que estou mais confortável e consigo resolver problemas mais facilmente, a cada dia que passa. O ambiente laboral motiva-me para alcançar o meu potencial absoluto, não apenas com projetos de trabalho, mas também projetos pessoais, criando com isto uma sede de conhecimento que nunca senti antes.

António Melo

É uma experiência épica, sinto que a Xpand IT é uma empresa cativante, com pessoas simpáticas e alegres, sempre prontas para nos ajudar. Tenho sorte em trabalhar em algo que realmente gosto. Graças a isso, venho sempre trabalhar para a Xpand IT com um sorriso!

Cláudio Correia

Esta experiência foi mais uma edição de sucesso, pautada tanto pela integração nas equipas como pela contribuição dos estagiários nos vários projetos desenvolvidos nas equipas técnicas.

Aqui ficam alguns dos melhores momentos do nosso acolhimento:

  • Estágios de Verão
  • Estágios de Verão
  • Estágios de Verão
  • Estágios de Verão
  • Estágios de Verão
  • Estágios de Verão

A maior prova deste sucesso é termos ganho uns quantos colaboradores que vão integrar a empresa e continuar connosco vestindo a camisola de Xpanders!

Ana PaneiroEstágios de Verão 2018
read more

Machine Learning: autonomous learning

Machine Learning has been developing further every day, thanks to the digital transformation movement. The original basis was a theory that believed computers could learn to perform specific tasks and to recognise patterns. The challenge was simple: to check if computers could learn from data.

Machine Learning provides systems with the possibility to learn and improve from experience, without needing specific programming for that effect. The focus is on developing programs that use available data and can learn on their own. The mathematical models are built and powered with – potentially – large amounts of data. The algorithms learn to identify patterns and to extract insights that are applied when new information is processed. This term dates back to 1959, when the pioneer Arthur Samuel defined Machine Learning as the ability of a computer to learn without being explicitly programmed to do so.

This learning process starts with data processing and trying to identify patterns. The main goal is to allow computers to learn autonomously without the need for human assistance, using that knowledge to make decisions according to what was “learnt”. Even though machine learning algorithms have been around for a long time, the application of these mathematical calculations to Big Data, with more frequency is a recent development. However, according to industry reports, what is considered to be an exponential growth in this area today is going to be seen as only “baby steps” in 50 years. This AI field is expected to grow extremely fast in the coming years.

Examples of Machine Learning

The continuing interest in this practice stems from a few key factors that have also made data mining and Bayesian analysis extremely popular: growth in the volume and variety of available data; cheaper and more powerful computational processes; and low cost storage.

A few examples of machine learning applications in some companies include self-driving vehicles; recommendations from online platforms such as Amazon and Netflix based on users’ behaviour; voice recognition systems such as SIRI and Cortana; PayPal’s platform, which is based on machine learning algorithms to fight fraud by analysing large quantities of data from the customer and assessing risks; the model from Uber that uses algorithms to determine time of arrival and departure locations; SPAM detecting mechanisms in email accounts; facial recognition that occurs in platforms such as Facebook.

Industries that are choosing Machine Learning

Most industries with large amounts of data have already acknowledged the potential of this technology. The possibility to extract insights allows companies to obtain a competitive advantage and work more efficiently.

Financial Services

Banks and other financial entities are using machine learning with two goals: extracting valuable insights from customer data and preventing fraud. Insights identify investment opportunities according to customers’ profiles, and, concerning fraud, the identification of high-risk customers and suspect transactions is improved.

Furthermore, this technology can also influence customer satisfaction. By analysing a user’s activity, smart machines can predict, for example, a possible account closure before it happens and prompt mitigating actions.

Health

Health entities can capitalise on the integration between IoT and data analysis to develop better solutions for patients. The emergence of wearables allows acquiring data related to the patients’ health, which, in turn, allows health professionals to detect relevant patterns including risk patterns. Therefore, this technology offers the potential for better diagnosis and treatment.

Retail

Nowadays, the impact of smart machines in users’ retail experience is quite obvious. The result is a highly personalised service that includes recommendations based on purchase history or online activity; improvements in customer service and delivery systems, where machines decipher the meaning of users’ emails and delivery notes, in order to prioritise tasks and ensure customer satisfaction; and dynamic price management by identifying patterns in price fluctuations and allowing to prices to be determined according to the demand. The ability to gather, analyse and use data to personalise, for example, a purchase experience (or implement a marketing campaign) is the future of retail.

Transportation

Analysing data to identify patterns and trends is key to the transportation industry, since profit growth means more efficient routes and the projection of potential problems. Data analysis and the modelling aspects of machine learning are important tools for delivery companies and public transportation, allowing them to improve their income.

Machine learning apps allow companies to automate the analysis and interpretation of business interactions, extracting valuable insights that make personalising products and services, possible.

Xpand IT has a complete service portfolio in Machine Learning. If you want to know how to use Machine Learning in your business and obtain real added value, we can help. Do you want to know how we can help your business? Contacts us here and get the best out of this technology!

Sílvia RaposoMachine Learning: autonomous learning
read more

Machine Learning: aprender de forma autónoma

Com o movimento de transformação digital, o ramo de Machine Learning foi ganhando cada vez mais tração. Primeiramente assente numa teoria que advogava que os computadores poderiam aprender a efetuar tarefas específicas e a reconhecer padrões, o desafio colocado era simples: verificar se os computadores poderiam aprender com os dados.

Machine Learning proporciona aos sistemas a possibilidade de aprender e melhorar com a experiência, sem necessidade de haver uma programação específica para esse efeito. O foco é no desenvolvimento de programas que utilizem os dados disponíveis e consigam aprender por si. Os modelos matemáticos são construídos e alimentados com – potencialmente – grandes volumes de dados. Os algoritmos aprendem a identificar padrões e a retirar insights que são aplicados quando se processa nova informação. Este termo surgiu em 1959, quando o pioneiro Arthur Samuel definiu Machine Learning como a capacidade de um computador aprender sem ser explicitamente programado para o fazer.

Este processo de aprendizagem começa com processamento de dados, tentando identificar padrões. O objetivo principal é de permitir que os computadores aprendam autonomamente sem assistência humana, usando esse conhecimento para tomar decisões em concordância com o que foi “aprendido”. Embora os algoritmos de machine learning tenham estado presentes durante muito tempo, a aplicação destes cálculos matemáticos a Big Data, cada vez com maior fluidez, é um desenvolvimento mais recente. No entanto, de acordo com relatórios da indústria, o que se considera hoje em dia ser um crescimento tão exponencial nesta área, daqui a 50 anos será apenas visto como “baby steps”. É esperado que este ramo de IA cresça de forma muito acelerada nos próximos tempos.

Exemplos de Machine Learning

O interesse recorrente nesta prática é devido a alguns fatores que também tornaram o data mining e a análise Bayesiana extremamente populares. O crescimento no volume e variedade de dados disponíveis, o processo computacional que é mais barato e mais poderoso, e o armazenamento com um custo mais reduzido representam alguns dos atrativos deste ramo.

Alguns exemplos da aplicação de machine learning em algumas empresas incluem veículos de condução autónoma; recomendações de plataformas online como Amazon e Netflix com base no comportamento dos utilizadores; sistemas de reconhecimento de voz como a SIRI e Cortana; a plataforma Paypal assente em algoritmos de machine learning para combater a fraude, analisando grandes quantidades de dados do cliente e avaliando o risco; o modelo da Uber que utiliza algoritmos para determinar hora de chegada e determinar localizações de  partida; mecanismos de deteção de SPAM na conta de e-mail; reconhecimento facial que ocorre em plataformas como o Facebook.a

Indústrias apostam em Machine Learning

A maioria das indústrias com grandes quantidades de dados já reconheceu o potencial desta tecnologia. A possibilidade de extração de insights permite às empresas obter uma vantagem competitiva e trabalhar de forma mais eficiente.

Serviços Financeiros

Tanto os bancos como as demais entidades financeiras estão a usar machine learning com dois propósitos: retirar insights valiosos dos dados e prevenir a fraude. Os insights identificam oportunidades de investimento adequadas aos perfis dos clientes, e no campo da fraude, são identificados clientes de alto-risco.

Para além disso, com esta tecnologia também se consegue influir o nível de satisfação do cliente. Recorrendo à análise da atividade do utilizador, as smart machines conseguem prever um possível fecho de conta antes dele ocorrer, por exemplo.

Saúde

As entidades de saúde podem capitalizar na junção entre IoT e análise de dados, para desenvolver melhores soluções para os pacientes. O aparecimento de wearables permite a aquisição de dados relativos à saúde dos pacientes, que por sua vez permite aos profissionais de saúde detetarem padrões relevantes ou situações de risco. Esta tecnologia permite, por isso, melhorar o diagnóstico e o tratamento.

Retalho

Hoje em dia é bastante notório o impato das smart machines na experiência do utilizador. O resultado é um serviço altamente personalizado que inclui recomendações baseadas no histórico de compra ou atividade online; melhoria no serviço de apoio ao cliente e sistemas de entregas, em que as máquinas decifram o significado dos emails dos utilizadores e notas de entregas de forma a priorizar tarefas e garantir a satisfação do cliente; rastrear mudanças de preços, identificando padrões nas flutuações de preços, permitindo estabelecer os mesmos de acordo com a procura. A capacidade de reunir dados, analisar e utilizar os mesmos para personalizar uma experiência de compra (ou implementar uma campanha de marketing) é o futuro da indústria de retalho, por exemplo.

Transporte

Analisar dados para identificar padrões e tendências é chave para a indústria de transporte, uma vez que o aumento de lucro é sintomático de rotas mais eficientes e da previsão de potenciais problemas. A análise de dados e os aspetos modelares de machine learning são ferramentas importantes para empresas de entregas e de transportes públicos poderem aumentar os seus dividendos.

As aplicações de machine learning permitem às empresas automatizar a análise e a interpretação das interações do negócio, retirando insights valiosos que permitem personalizar produtos e serviços, em última instância.  Esta aposta na transformação digital irá certamente traduzir-se num investimento que se revelará uma decisão lucrativa para o negócio.

A Xpand IT tem um portefólio de serviços completo na área de Machine Learning. Se pretender saber como pode colocar Machine Learning ao serviço do seu negócio e obter um verdadeiro valor acrescentado, nós ajudamos. Quer saber de que forma podemos ajudar o seu negócio? Entre em contato connosco aqui e retire o máximo proveito desta tecnologia!

Sílvia RaposoMachine Learning: aprender de forma autónoma
read more

Apache Superset Open Source BI: almost the alternative to Tableau

What is Apache Superset?

Superset is a modern BI app with a simple interface, feature-rich when it comes to views, that allows the user to create and share dashboards.

This app is simple and doesn’t require programming, and allows the user to explore, filter and organise data. The best part is… it’s Open Source!

What does Apache Superset provide?

What is truly appealing about Apache Superset is the fact that you can explore each dashboard in a complex way. Superset allows you to focus on each graph/metric and easily filter and organise.

Another attractive feature in this app is the SQL/IDE editor with interactive querying.

Concerning security, Superset allows you to define a list of users and a list of default functionalities (associated with the groups of users) and allows you to view user statistics, providing you total control. You can establish baseline permissions, as well as granting access to certain views or menus. The app also provides an action log.

Visually, Superset has a minimalist and well-organised interface. Even though it is not as easy to use as Tableau, Superset can be an alternative to creating dashboards or people with some knowledge of SQL.

Database support

Superset supports most SQL databases by using Python ORM (SQL Alchemy), which allows you to access MySQL, Postgres, Oracle, MS SQL Server, MariaDB, Sybase, Redshift and others (more information here).

Superset also works with Druid (for example, Airbnb uses Superset with Druid 0.8x), but it does not have all the advanced features available.

SQL-LAB

This feature is definitely a plus. SQL-Lab allows you to select a database, schema and table (previously uploaded) and do an interactive query, preview the data and also save the query history (as shown below).

SQL Lab

A semantic layer allows you to define fields and metrics (for example, ratios or anything expressed by SQL):

SQL Lab

Query history:

Query history
Query history

You also have Python modules available (some available macros), inside SQL, via Jinja.

The least positive side of this is the fact that you cannot add or query multiple tables at the same time. The solution is making a view, which works as a logical layer and abstracts the query from SQL, therefore acting as a virtual table. The only negative aspect of this is that there will always be a query running against another view query, thereby potentially resulting in performance issues.

How to create a dashboard

To create a dashboard, Superset works as follows: there are sources, where you can find databases and tables; slices which are sheets with graphs; and, lastly, dashboards which are composed of groups of slices. Each slice is associated with one or more dashboards, and each dashboard has various associated slices.

Apache Superset dashboard

Views have different types of graphs available such as histograms, box plots, heatmaps or line charts.

Apache Superset dashboard

It is simple to edit graphs: the available features for each view are on the left-hand side, and you just have to change them and press “Run Query”.

Although flexible in most areas, Superset imposes some standardisation, which happens with the colour schemas.

Apache Superset dashboard

Each view allows you to filter views through wildcards.

Apache Superset dashboard

Superset also allows you to share the view, export data to .json and .csv, and see the exact query performed behind each view.

Apache Superset dashboard

Security

Superset integrates with the main authentication backends (database, OpenID, LDAP, OAuth, REMOTE_USE, …).

Concerning privileges, as stated above, this app provides default roles such as Admin (full access), Alpha Gamma, Sql_lab and Public.

It is possible to establish permissions for each user, restricting access to a subset of data sources, menus, views, specific metrics and other criteria. Hence, it is relatively easy to define which type of permission and/or access to data is granted to each person.

People using Superset

According to GitHub, Superset is currently being used by Airbnb, Twitter, GfK Data Lab, Yahoo!, Udemy and others.

It is important to note that “Superset was tested in large environments with hundreds of users. The production environment of Airbnb runs with Kubernetes and more than 600 active users who see more than 100 thousand graphs per day”.

Superset Vs Tableau

Tableau

Superset

  • Able to join between tables within the same or different DBs.
  • Unable to query/join multiple tables. Only possible view by view, which means having multiple queries, thereby affecting performance.
  • Detailed customisation of dashboards, with legends, filters, tags, etc.
  • Limited customisation by type of view (however, creation of CSS templates is available).
  • Easy beginner learning and doesn’t require users to know SQL. Since the platform allows more complex and flexible tasks, there is a second learning curve for users who want to make the best use of Tableau.
  • Easy and smooth learning, but requires SQL knowledge from users.
  • Paid
  • Free and Open Source

Superset’s main advantages

Besides all the advantages already stated, one of the main features of Superset is… it’s Open Source Business Intelligence!

Other advantages:

  • Provides BI without needing code (easy to use for those who are not programmers: you only need to know basic SQL);
  • Easy and quick setup;
  • Provides “SQL-Lab” that allows interactive querying;
  • A semantic layer that broadens the dashboard with ratios and other metrics (based on SQL);
  • Easy and attractive interactive view, that allows data exploration;
  • Satisfies the needs of most companies to allow simple data analysis.

Superset’s disadvantages

  • The app still doesn’t support NoSQL databases;
  • Even though the number of users is growing, it still has little or no support;
  • Sometimes, SQL-Lab freezes in queries for large amounts of data;
  • Has a considerable number of other unsolved issues.

Susana Santos

Data Scientist, Xpand IT

Susana SantosApache Superset Open Source BI: almost the alternative to Tableau
read more

Apache Superset Open Source BI: a quase alternativa a Tableau

O que é o Apache Superset?

O Apache Superset é uma aplicação de Business Intelligence com uma interface minimalista, com visualizações interessantes e que permite a criação e partilha de dashboards.

É uma aplicação simples, que não envolve a necessidade de grandes conhecimentos de programação, permitindo ao utilizador explorar, filtrar e agrupar os dados de forma simples e rápida. E a melhor parte é ser open-source.

O que é que o Apache Superset oferece?

O Apache Superset permite explorar de forma complexa cada visualização ao permitir detalhar cada gráfico/métrica e facilmente filtrar e agrupar os dados, permitindo a construção de dashboards com elevado valor para o utilizador.

Outro atrativo nesta aplicação é o editor SQL/IDE com querying interativa.

Em relação à segurança, o Superset permite definir uma lista de utilizadores, de funções default (associadas aos grupos de utilizadores) e permite visualizar estatísticas de utilizadores, fornecendo controlo total. Permite ainda definir permissões de base, assim como permissões para aceder a certas visualizações ou menus, fornecendo também logs de todas as ações.

Visualmente, o Superset apresenta um interface muito minimalista e bem organizado. Já em termos de facilidade de uso, embora não esteja ao nível do Tableau, o Superset pode ser uma alternativa para a elaboração de dashboards por utilizadores com algum conhecimento de SQL.

Ao nível das funcionalidades e da complexidade que permite colocar nas visualizações, existe um grande hiato para ferramentas como o Tableau.

Suporte de bases de dados

O Apache Superset suporta a maioria das bases de dados SQL, através de Python ORM (SQL ALchemy). Assim é possível aceder a MySQL, Postgres, Oracle, MS SQL Server, MariaDB, Sybase, Redshift entre outros, através da SQLAchemy (mais informação aqui).

O Superset funciona também com Druid (por exemplo, o Airbnb usa Superset com Druid 0.8x), embora não tenha todas as features avançadas disponíveis.

SQL-LAB

Esta feature é definitivamente um plus. O SQL-Lab permite selecionar a base de dados, schema e tabela (que já tenham sido carregadas previamente), e fazer querying interativa, pré-visualizar os dados e também guardar o histórico das queries (como é possível observar abaixo).

SQL Lab

Tem uma camada semântica que permite calcular campos e métricas (por exemplo rácios, ou qualquer coisa que possa ser expressada através de linguagem SQL):

SQL Lab

Histórico de queries

Histórico de queries
Histórico de queries

Também tem disponíveis módulos de Python (algumas macros), dentro do SQL, via Jinja.

O lado menos positivo é que não é possível adicionar ou fazer query de várias tabelas ao mesmo tempo. A solução é fazer uma view que funciona como uma camada lógica que abstrai a query de SQL e dessa forma funciona como uma tabela virtual. A limitação é que existirá sempre uma query a correr em cima de outra query da visualização, pelo que poderão existir issues de performance.

Construir um dashboard

Para criar um dashboard, o Superset funciona da seguinte forma: existem as sources, onde constam todas as bases de dados e tabelas; as slices são as páginas com os gráficos, e por fim os dashboards que são compostos por conjuntos de slices.  Cada slice pode estar associada a um ou mais dashboards.

superset dashboard

Quanto às visualizações, tem à disposição diferentes tipos de gráficos tais como histogramas, box plots, heatmaps ou line charts.

Para editar os gráficos, o processo é simples: do lado esquerdo temos as propriedades disponíveis para cada visualização.

Embora seja flexível na maioria dos campos, o Superset força alguma standardização como é o caso dos schemas de cores.

superset dashboard

Cada visualização permite filtros, através de wildcards.

superset dashboard

O Superset também permite partilhar a visualização, exportar os dados para .JSON ou .CSV e também permite observar a query exata que está a ser realizada em cada visualização.

superset dashboard

Segurança

O Superset tem integração com os principais backends de autenticação (database, OpenID, LDAP, OAuth, REMOTE_USER, …)

Em termos de privilégios, como referido acima, esta aplicação providencia roles default como sejam o Admin (acesso total), Alpha, Gamma, Sql_lab e Public.

É possível estabelecer permissões para cada usuário, restringir o acesso a apenas um subset de fontes de dados, menus, views, métricas específicas e outras ações. Posto isto é relativamente fácil definir que tipo de permissões e/ou acesso a dados que é dado a cada pessoa.

Utilização do Superset

Atualmente, o Superset está a ser usado pelo Airbnb, Twitter, GfK Data Lab, Yahoo!, Udemy e outros. Segundo a página do GitHub o Superset já foi testado em grandes ambientes com centenas de utilizadores. O ambiente de produção do Airbnb corre com Kubernetes e serve mais de 600 utilizadores ativos que visualizam mais de 100 mil gráficos por dia.

Superset Vs Tableau

Tableau

Superset

  • Permite fazer join entre tabelas partindo da mesma DB ou com diferentes DBs.
  • Não permite fazer query/join de múltiplas tabelas. É necessário fazer view by view, o que acarreta ter várias queries o que afeta a performance.
  • Permite customizar os dashboards ao detalhe, com legendas, filtros, etiquetas, etc.
  • As customizações são restritas por tipo de visualização (embora seja possível criar templates de CSS)
  • A aprendizagem inicial é fácil e os utilizadores não precisam de conhecer SQL. A plataforma permite fazer tarefas mais complexas e flexíveis, existindo uma segunda curva de aprendizagem para os utilizadores que querem tirar o máximo partido do Tableau.
  • A aprendizagem não é difícil mas exige que os utilizadores tenham conhecimentos de SQL.
  • Pago
  • Grátis e Open-source

Vantagens principais do Superset

  • Business Intelligence sem necessitar de código (fácil de usar para que não é programador, basta saber o básico de SQL);
  • Setup é fácil e rápido;
  • Fornece um “SQL-Lab” que permite querying interativo;
  • Uma camada semântica que permite enriquecer o dashboard com rácios e outras métricas (baseadas em SQL);
  • Visualização interativa fácil e apelativa, permitindo a exploração de dados;
  • Providencia uma análise de dados simplista, mas que satisfaz as necessidades de clientes mais pequenos ou com menor volume de dados.

Desvantagens do Superset

  • A aplicação não suporta bases de dados NoSQL até ao momento;
  • Tem ainda uma base limitada de apoio, embora a comunidade de utilizadores esteja a crescer;
  • Por vezes o SQL-Lab bloqueia quando se faz queries em grandes quantidades de dados;
  • Não permite fazer visualizações complexas, limitando-se a uma utilização e exploração de dados mais básica.

Susana Santos

Data Scientist, Xpand IT

Susana SantosApache Superset Open Source BI: a quase alternativa a Tableau
read more

Best practice for service request management

Service request management

What are service requests?

IT teams receive a wide variety of service requests from their clients, including requests for access to apps, software improvements, computer upgrades and new smartphones. These kinds of requests are known, according to ITIL, as “Service Requests”, and “Request Fulfilment” is the corresponding management process. A lot of service requests are recurring, and in order to obtain maximum efficiency, it is necessary to establish processes and procedures to be followed.

Request fulfilment – what is it?

Request fulfilment is the process followed by the Service Desk team and consists of fulfilling a request from a client. Its mission is to answer the request with the best quality support. In an organisation where a high number of service requests need to be managed, it is recommended that the management is done via a totally independent workflow for logging and handling requests.

What are the four main processes of IT?

  1. Service request management – a formal request from a user for something that needs to be provided.
  2. Incident management – a non-planned disruption of an IT service or a reduction of its quality – for example: “The website is down.”
  3. Problem management – eliminate recurring incidents and minimise incidents that can be prevented – for example: “The reporting app problem is happening again.”
  4. Change management – standardised method to control changes to the IT system in order to minimise its impact on services – for example: “The database upgrade is now complete.”

Prioritisation in service request management

To IT teams in organisations, service requests frequently exceed available capacity in terms of time and resources. IT service teams in big companies constantly answer business requests and, much of the time, they must prioritise: responding first to clients who need the most attention. However, clients complain that it is hard to work with IT because they do not respond, and that it takes too long to complete requests that they need for work. A service request management system makes this process really simple, since it gives people a “self-service” ability, provides them with answers based on suggestions from a knowledge base and streamlines the whole request fulfilment process, therefore delivering an excellent service. In the light of all these issues, there are a few things that IT service teams should prioritise.

Top five prioritisations to deliver an excellent IT service:

  1. Client comes first – service desk teams can often be driven by supply instead of demand. Are you creating a service request catalogue with self-service features because you think it is good, or are you working directly with your clients, meeting their biggest needs? A lot of organisations have created a catalogue portal of service requests that has resulted in a very low usability. Learn from others’ mistakes, and create something based on demand, not on supply.
  2. Focus on “popular” requests – service desk teams can start from a broad and superficial standpoint or from a narrow and deep one. Understand what will serve your organisation and your clients best. It is common practice to start with a sub-group of “popular” services and expand from there, based on usage and feedback. Try not to overload your team in the early stages, and remember that a failed launch will make it more difficult to have clients coming back for a second try.
  3. Integrate knowledge – clients seek answers. Therefore, give them easy access to the knowledge base and redirect tickets to searchable items. Providing a self-service experience that your associates love is the first step to make the whole process easier and to make them ask again.
  4. Centralise the self-service portal – clients are always looking for a single place where they can get help, so even if you develop the most powerful self-service system, it will be useless if it’s not easily found by users. Always try to centralise and increase value when they use the services you offer.
  5. Streamline automation – providing highly functional and knowledge-centric service request management is an excellent first step, but you need to find ways to make your IT team deliver even more value to your clients through a self-service experience. Here, the power to be effective is found in automation. When you incorporate automation into your service desk functionality, you reduce the overall workload of your IT team by taking care of the most common and repetitive tasks.

Service request management process

Even though there are some variations in the way a service request is fulfilled, it is important to focus on how to leverage standardisation and improve the general quality and efficiency of the service. The schema below shows a simple service request fulfilment process, based on the recommendations from ITIL, that can be used as a starting point to adapt existing processes or establish new ones.

gestão de pedidos de serviço

An overview of the service request fulfilment process:

  1. A client requests support through their catalogue of services or via email.
  2. The service desk team analyses the request according to the qualification and approval process.
  3. A team member of the service desk works to fulfil the request, or forwards the request to someone who is able to complete it.
  4. When the request is fulfilled, the service desk completes the ticket. The team member consults the client to ensure that the request was fulfilled as expected.

Eight tips to consider when defining service requirements

  1. Start with the items most frequently requested and choose those that can be fulfilled in the fastest and easiest way. This will allow you to deliver immediate value to your clients and will allow the service desk team to learn as they build further elements of the service requests catalogue.
  2. Record every dimension of service requests (date of request, approval process, fulfilment procedures, fulfilment team, “owners” of the process, SLAs, reporting, etc.) before you add them to the catalogue. This will allow the IT team to manage the requirements of the request better over time. This step is really important to the more complex requests that will evolve in the future.
  3. Collect all necessary data to start the request processes, but do not overload your client with too many questions.
  4. Standardise the approval process as much as you can. For example, every request for a new monitor is considered pre-approved and every request for software requires approval from the client’s superior.
  5. Review the process and procedures of request fulfilment to identify which support teams are responsible for answering and if there are any specific requirements.
  6. Accept that knowledge must be provided in the knowledge base when a request offer is eleased. The main goals of self-service are to give clients what they want faster and to redirect requests as much as possible. This way you will be able to answer questions through a simple FAQ; include this knowledge as part of the plan when you create a service request offer.
  7. Review the Service Level Agreements (SLAs) to ensure that you have the right metrics and notifications properly defined, allowing requests to be fulfilled in a viable period of time.
  8. Accept that reporting is necessary, so you can properly manage the whole lifecycle of a service request and the catalogue, in the long run.

This content is based in an article published in the Atlassian Blog – Best Practices for Service Request Management. Xpand IT is the exclusive partner of Atlassian in Portugal, and was awarded the status of Atlassian Platinum Solution Partner..

Ana PaneiroBest practice for service request management
read more

As melhores práticas para a gestão de pedidos de serviço

Gestão de pedidos de serviço

O que são pedidos de serviço?

As equipas de TI recebem uma larga variedade de pedidos dos seus clientes, incluindo acesso a aplicações, melhoramentos de software, upgrades de computadores ou novos smartphones, por exemplo. Este tipo de pedidos é classificado segundo a ITIL como “Pedidos de Serviço” e identifica o inerente processo de gestão como “Resolução de Pedidos”. Muitos dos pedidos de serviço são recorrentes, portanto e para obter a máxima eficiência, devem ser definidos processos e procedimentos que sejam repetíveis.

Resolução de pedidos – o que é?

Resolução de pedidos é o processo gerido pela equipa de Service Desk que consiste em resolver um pedido de um cliente. A sua missão consiste em responder ao pedido com o maior e mais elevado nível de qualidade de suporte. Numa organização onde um elevado número de pedidos de serviço têm de ser geridos, é recomendado efetuar a sua gestão numa corrente de trabalho totalmente independente e que possibilite gravar e manusear estes registos de forma separada.

Quais são os 4 processos de TI fundamentais?

  1. Gestão de pedidos de serviço – um pedido formal de um utilizador para algo que necessita de ser providenciado
  2. Gestão de incidentes – uma interrupção não planeada de um serviço de TI ou uma redução da qualidade do mesmo – exemplo: “website em baixo”
  3. Resolução de problemas – eliminar incidentes recorrentes e minimizar incidentes que não podem ser prevenidos – exemplo: “O problema da aplicação de reporting está a ocorrer novamente”
  4. Gestão da mudança – metódo standardizado para controlar mudanças ao sistema de TI para minimizar o impacto nos serviços – exemplo: “O upgrade da base de dados está agora terminado”

Priorização na gestão de pedidos de serviço

Para as equipas de TI nas organizações, os pedidos de serviços excedem muitas vezes a capacidade em termos de tempo e recursos. As equipas de serviços de TI em empresas de grande dimensão, respondem constantemente a pedidos de negócio e muitas vezes “entram em modo”: responder primeiro aos clientes que mais reinvindicam essa atenção. No entanto, os clientes reclamam que é difícil trabalhar com o TI, que este não responde e que leva demasiado tempo a fechar os pedidos de que necessitam para trabalhar. A gestão de pedidos de serviço torna todo este processo bastante mais simples, na medida em que dota as pessoas de uma capacidade “self-service”, fornece respostas com base em sugestões de uma  “knowledge base” e agiliza todo o processo de resolução de pedidos entregando assim, um serviço ótimo. À luz de todas estas questões, existem algumas coisas que as equipas de serviços de IT devem priorizar.

Top 5 de priorizações para entregar um serviço de TI ótimo

  1. Cliente primeiro – as equipas de “service desk” podem várias vezes ser conduzidas pela oferta em detrimento da procura. Está a criar um catálogo de pedidos de serviço com funcionalidades “self-service”, porque acha que é algo bom, ou está a trabalhar diretamente com os seus clientes na satisfação das suas maiores necessidades? Muitas organizações criaram um portal de catálogo de pedidos de serviços que resultou numa utilização baixíssima. Aprenda com os erros de outros e crie algo baseado na procura e não na oferta.
  2. Foco em pedidos “populares” – as equipas de “service desk” tanto podem começar de forma ampla e superficial ou estreita e profunda. Perceba o que vai servir melhor a sua organização e os seus clientes. É uma prática comum, começar com um sub-conjunto de oferta de serviços “populares” e escalar a partir daí com base na sua utilização e feedback. Tente não sobrecarregar em demasia a equipa numa fase inicial e lembre-se de que um lançamento falhado fará com que seja mais difícil fazer com que os clientes voltem para uma 2ª tentativa.
  3. Integre o conhecimento – os clientes procuram por respostas. Forneça-lhes portanto acesso facilitado à “knowledge base” e redirecione tickets com artigos pesquisáveis. Entregar uma experiência self-service que os seus colaboradores adorem, é o primeiro passo para que todo o processo seja facilitado e para que estes voltem a perguntar e encontrar respostas.
  4. Centralize o portal “self-service – os clientes procuram sempre um local único quando procuram ajuda, por isso, mesmo que desenolva o mais poderoso sistema de “self-service”, ele será inútil se os clientes não o encontrarem facilmente. Deve procurar caminhar sempre no sentido da centralização e procurar aumentar o valor fornecido aos clientes quando estes utilizam o catálogo de serviços.
  5. Alavanque a automação – fornecer uma gestão de pedidos de serviço altamente funcional e centrada no conhecimento é um excelente primeiro passo, mas é necessário encontrar formas para que a equipa de TI possa entregar ainda mais valor aos seus clientes com uma experiência self-service. O poder para ser efetivo aqui, encontra-se na automação. Quando conseguir incorporar a automação nas suas funcionalidades de “service desk”, estará a reduzir a carga de trabalho global da sua equipa de TI ao retirar as tarefas mais comuns e repetitivas.

O processo de gestão de pedidos de serviço

Embora possam existir algumas variações na forma como um pedido de serviço é resolvido, é importante focar-se em como pode alavancar a standardização e melhorar a qualidade e eficiência global do serviço. O esquema abaixo representa um processo simples de resolução de pedido de serviço, baseado nas recomendações ITIL e que pode ser usado como um ponto de partida para adaptar processos existentes ou definir novos.

O processo de resolução de pedidos de serviço em resumo:

  1. Um clientes solicita apoio através do seu catálogo de serviços ou via e-mail.
  2. A equipa de “service desk” analisa o pedido em consonância com o processo de qualificação e aprovação.
  3. Um membro da equipa de “service desk” trabalha para resolver o pedido, ou reencaminha o pedido para alguém que o possa fechar.
  4. Após a resolução do pedido, o “service desk” fecha o ticket. O membro da equipa consulta o cliente para assegurar-se de que o pedido deste foi devidamente resolvido.

8 dicas a considerar quando define requisitos de serviço

  1. Comece pelos items mais frequentemente solicitados e escolha aqueles que mais rápida e facilmente são resolvidos. Isto permitir-lhe-á entregar valor imediato aos seus clientes e permitirá que a equipa de “service desk” possa aprender à medida que constrói fases futuras do catálogo de pedidos de serviço.
  2. Documente todos requisitos dos pedidos de serviço (data do pedido, processo de aprovação, procedimentos de resolução, equipa de resolução, “donos” do processo, SLA’s, reporting, etc.) antes de os adicionar ao seu catálogo. Isto possibilitará à equipa de TI, gerir melhor os vários requisitos dos pedidos ao longo do tempo. Este passo é bastante importante para pedidos mais complexos que irão evoluir de futuro.
  3. Capture os dados necessários apra iniciar processos de pedidos, mas não sobrecarregue o seu cliente com demasiadas questões.
  4. Standardize o processo de aprovação sempre que possível. Por exemplo, todos os pedidos para novos monitores são considerados pré-aprovados e todos os pedidos de software carecem de aprovação por parte do superior do cliente.
  5. Reveja o processo e procedimentos de resolução de um pedido para identificar quais as equipas de suporte que são responsáveis pela resposta e se existe algum requisito específico.
  6. Identifique que conhecimento deve ser disponibilizado na “knowledge base” quando é libertada uma oferta de pedidos. O objetivo global do “self-service” é dar aos seus clientes aquilo que querem mais rapidamente e redirecionar pedidos sempre que possível. Desta forma poderá responder a questões através de um simples FAQ, incluindo este conhecimento como parte do plano quando criar uma oferta de pedidos de serviço.
  7. Reveja os Service Level Agreements (SLA’s) para garantir que tem as métricas corretas e as notificações devidamente definidas, permitindo que os pedidos sejam resolvidos num período de tempo viável.
  8. Identifique que reporting é necessário para que possa gerir devidamente todo o ciclo de vida de um pedido de serviço e o respetivo catálogo a longo prazo.

Gestão de pedidos de serviço com Jira Service Desk

O Jira Service Desk está no cerne da abordagem tecnológica da Atlassian à gestão de pedidos de serviço em TI (ou IT Service Management – ITSM). Construído com base na plataforma Jira, o Jira Service Desk é projetado de base para equipas de TI e é a a solução de Service Desk mais colaborativa que existe no mercado. Então, porque usar o Jira Service Desk para gerir pedidos de serviço?

Deixamos que seja um cliente de referência da Xpand IT, o Pestana Hotel Group, a dar-lhe essa resposta, através do testemunho dado no evento Atlassian Jam Sessions, levado a cabo em junho de 2018. Assista ao vídeo:

Quer conhecer melhor o Jira Service Desk?

Temos a iniciativa ideal para si. Se quer conhecer melhor todas as potencialidades desta plataforma de referência para gestão de pedidos de serviço, assista ao Webinar gratuito que a Xpand IT levará a cabo no próximo dia 27 de setembro. Vamos mostrar-lhe de que forma pode criar ou melhorar toda a gestão de service desk na sua empresa. Garanta já a sua slot!

INSCRIÇÃO GRATUITA

Este conteúdo é baseado num artigo publicado no Blog Atlassian – Best Practies for Service Request Management. A Xpand IT é parceira exclusiva Atlassian em Portugal, tendo atingido o estatuto Atlassian Platinum Solution Partner.

Ana PaneiroAs melhores práticas para a gestão de pedidos de serviço
read more

Pledge 1%: O apoio à Associação Crescerbem com Jira Software

A Associação Crescerbem é uma Instituição Particular de Solidariedade Social, fundada em 2011, e que tem como principal objetivo apoiar famílias de crianças que se encontram hospitalizadas e que demonstrem carência económica. A associação iniciou a sua atividade no Hospital Dona Estefânia, em Lisboa, junto ao qual mantem a sua sede, tendo, entretanto, alargado o apoio ao Hospital de Santa Maria e ao Hospital Beatriz Ângelo.

A missão da Crescerbem passa, precisamente, por capacitar as famílias de uma forma personalizada, atendendo às necessidades específicas de cada caso, tornando-as mais autónomas e independentes. Desta forma, o acompanhamento não acontece apenas durante o internamento, mas também no período que se segue após a alta médica.

Com o apoio domiciliário que a associação começou a garantir, outras necessidades foram sendo identificadas – para além do acompanhamento hospitalar – e, a partir desse momento, nasceram inúmeros projetos paralelos, como a dispensa solidária (cabazes de alimentos fornecidos às famílias), a lavandaria ou, ainda, a farmácia solidária (que fornece os medicamentos necesssários).

Apesar do número de famílias apoiadas e da quantidade de processos existentes, a informação ainda se encontrava toda offline. Ou seja, era impossível aceder à informação necessária sem estar fisicamente na sede da associação. Os voluntários passavam horas a procurar processos e a atualizá-los, o que resultava numa enorme falta de visibilidade sobre o estado atual de cada apoio. Informatizar toda esta informação era, por isso, extremamente necessário. No entanto, existia um problema: a falta de meios financeiros para apostar em soluções tecnológicas que conseguissem pôr fim a este problema.

Foi nesta fase que a Donate IT – uma comunidade de voluntários que trabalha em tecnologias da informação – entrou em cena, através de Sofia Neto, voluntária da comunidade e Collaboration & Development Solutions Lead da Xpand IT. Sofia conseguiu aliar o trabalho da Donate IT ao movimento Pledge 1% – movimento ao qual a Xpand IT aderiu no ano de 2017, comprometendo-se a doar, anualmente, 1% de lucro e 1% de produto a instituições de solidariedade social. De forma totalmente pro bono, a Xpand IT disponibilizou Jira Software à Crescerbem (incluindo a implementação e o suporte), cumprindo tanto a visão da Donate IT – ajudar os outros a ajudar – como a do Pledge 1%.

Este projeto, para além de ser extremamente importante na informatização de toda a documentação da Crescerbem, prova que o Jira Software tem muito mais funcionalidades do que a gestão de software. Na prática, pode ser adaptado a qualquer realidade.

Na associação, cada família corresponde àquilo que é um issue no Jira. Quando se inicia um novo apoio com uma nova família cria-se um novo issue e escolhe-se o tipo family. Neste caso, cada issue tem a informação completa que caracteriza cada família: quando se iniciou o apoio, quantos filhos existem, qual a naturalidade da família ou o contacto dos pais, são algumas das informações presentes.

Aparece tudo organizado em diferentes tabs, para que seja mais fácil a consulta e edição da informação de cada família e todas as iniciativas são consideradas subtasks: um apoio domiciliário ou a medicação entregue. Passou, então, a existir um registo de tudo aquilo que é realizado e todos podem aceder a essa informação em qualquer local.

A próxima release já está a ser preparada pela Xpand IT e terá dois objetivos: o primeiro é introduzir o Confluence, de forma a facilitar ainda mais a partilha de informação sobre as tarefas a realizar ou as famílias com processos abertos; e o segundo é incluir o Xporter na oferta, para que a associação consiga exportar facilmente um relatório, por exemplo, para poder apresentá-lo sempre com a melhor formatação.

Com este software temos a possibilidade de informatizar todos os processos sociais e isto significa que, com apenas um clique, conseguimos ter acesso a toda a informação referente às famílias. Qual a importância desta mudança? Vamos ter mais tempo. Tempo para avançar com a expansão para outros hospitais, tempo para ajudar mais famílias, e tempo para avançar com a ideia de um negócio social, que tornará a Crescerbem autosustentável

Isabel Ramos - Co-fundadora, Crescerbem
Ana PaneiroPledge 1%: O apoio à Associação Crescerbem com Jira Software
read more

Pledge 1%: Supporting Associação Crescerbem with Jira Software

Associação Crescerbem is a Private Social Solidarity Institution, founded in 2011, and its main goal is to help families of hospitalised children in economic deprivation. The association started in Dona Estefânia Hospital in Lisbon, where the headquarters still remain nearby. Meanwhile, the support has been extended to Santa Maria Hospital and Beatriz Ângelo Hospital.

The mission of Crescerbem is, specifically, to provide for families in a personalised manner, according to the specific needs of each case and helping them become more independent and autonomous. This way, follow-up does not happen only when a child is hospitalised, but also in the period after the medical discharge.

The association started offering home support and, through that, other needs started to be identified besides medical follow-up; from that point on, countless parallel projects came to life, such as the solidarity pantry (food baskets provided to families), the laundry service, and the solidarity pharmacy (which provides the necessary medication).

Despite the number of families helped and the number of existing cases, all the information was still offline. This means that it was impossible to access the necessary information without physically being in the association’s headquarters. Volunteers spent hours searching for case files and updating them, which resulted in a huge lack of visibility on the current state of each support case. Therefore, computerising all this information was critical. However, there was a problem: the lack of financial means to spend on technological solutions that could put an end to this problem.

It was at this stage that Donate IT – a community of volunteers who work with information technology – came into action through Sofia Neto, community volunteer and Collaboration & Development Solutions Lead from Xpand IT. Sofia managed to unite her work at Donate IT to the movement Pledge 1% – a movement which Xpand IT joined in 2017, thereby committing to annually donate 1% of profit and 1% of products to social solidarity institutions. Completely pro bono, Xpand IT made Jira Software available to Crescerbem (including implementation and support), thereby accomplishing Donate IT’s vision  – helping to help others  – and Pledge 1%’s vision.

Besides being extremely important to the computerisation of all documents of Crescerbem, this project proves that Jira Software has a lot more uses than software management. In practice, it can be adapted to any reality.

Inside the association, each family corresponds to an ‘issue’ in Jira. When support to a new family starts, a new issue is created and the type family is chosen. Each issue has the complete information that characterises each family: information including when the support started, how many children, which country the family is from and the contact details of the parents.

Everything is organised in different tabs in order to make viewing and editing of the information on each family easier, and all initiatives are considered subtasks: e.g. home support or medication provided. Therefore, a new registry of everything that happens has become an integral part of the process, and everyone with access permission can access that information anywhere.

Xpand IT is already working on the new release and it will have two goals: the first one is to introduce Confluence to further facilitate the sharing of information about tasks to be undertaken or families with open cases; the second one is to include Xporter, so that the association can easily export a report, for example, and to always be able to present it with the best formatting.

With this software, we have the ability to computerise all social processes and this means that access to all information related to the families is only a click away. What is the importance of this change? We will have more time. Time to begin expanding to other hospitals; time to help more families; and time to move forward with the idea of a social business, which will make Crescerbem self-sustaining.

Isabel Ramos - Co-founder, Crescerbem
Ana PaneiroPledge 1%: Supporting Associação Crescerbem with Jira Software
read more

DevOps is not Dev & Ops – What I didn’t know about DevOps

All these years I have heard about DevOps, but I was truly convinced it was too techy for me.

I thought it was about continuous integration, automation, and awesome DevOps guys, who knew not only how to develop software but also how to release and manage production environments…

Now, I realise that I was completely wrong… DevOps is not Dev & Ops teams together… but an entire organisation that collaborates – really collaborates.

Of course you need automation; of course you need continuous integration – but that’s not all.

In a DevOps culture you must follow these rules:

  • Know the flow = understand how work goes from “to do” to “done”
  • You don’t work in a silo = instead of working in an isolated team that is just worried about their “own” work, you work for a purpose/value
  • You are constantly learning & improving = Don’t waste time – if something needs to be changed, change it

But how can you transform a whole organisation? Below, you can see some practical tips:

  • Make your work visible to everyone; don’t worry what others may think about it.
  • Change your mindset. Let me tell you a story, that someone once told me:

JFK, once when visiting NASA, saw a janitor cleaning the floor and asked him: What are you doing? He expected an answer like “I am cleaning the floor”, but instead the man said “I’m helping the men get to the Moon.”

  • Add value to your user stories; don’t create them just for someone to do something, but because you need to generate value, like improving customer satisfaction to 80%.
  • Collaborate, collaborate, collaborate even more… No man is an island, so don’t work like one.

Tools are not the most important element, but they can definitely help. Running shoes don’t make you a runner, but they will help you to run better.

If you are searching for tools that can help you understand the flow of work, make your work visible, and help you collaborate better with your team, just take a look at Jira, which allows teams to capture and organise work, assign it to the team and track team activity.

Sofia Neto

Collaboration & Development Solutions Manager, Xpand IT

Sílvia RaposoDevOps is not Dev & Ops – What I didn’t know about DevOps
read more