التنبؤ بالوقائع: نماذج مبتكرة لتفادي الحوادث في بيئات تكنولوجيا المعلومات المنظمة
تعتبر إدارة التغيير الفعالة في تكنولوجيا المعلومات عاملًا حيويًا لنجاح الأعمال، خاصة في القطاعات المنظمة مثل المالية. تكشف دراسة جديدة عن نموذج تنبؤي يعمل على تقييم المخاطر المرتبطة بالتغييرات قبل تنفيذها، مما يسهم في تعزيز سلامة العمليات.
تُعد إدارة التغيير في تكنولوجيا المعلومات أداة حيوية تضمن نجاح الشركات التي تعتمد على البرمجيات والخدمات، خصوصًا في المجالات التي تتطلب تنظيمًا صارمًا مثل القطاع المالي. حيث تعتبر موثوقية العمليات وقابلية التدقيق والشفافية من العناصر الأساسية في هذه البيئات.
تشير الأبحاث إلى أن نسبة كبيرة من الحوادث التقنية تُعزى إلى التغييرات، مما يستدعي ضرورة تحديد التغييرات ذات المخاطر العالية قبل تنفيذها. وفي هذا السياق، تقدم دراسة حديثة تقنية تنبؤية مبتكرة لتقييم مخاطر الحوادث تعمل في أحد أكبر البنوك الدولية.
يعتمد النموذج المقترح على مبادئ الذكاء الاصطناعي، حيث يساعد المهندسين خلال مراحل التقييم والتخطيط للتغييرات من خلال التنبؤ بإمكانية حدوث حوادث. تم تصميم هذا النموذج ليحقق متطلبات الالتزام القانوني مع التركيز على قابلية التدقيق والشفافية، من خلال استخدام قيم SHAP لتزويدنا برؤى تفصيلية على مستوى الخصائص وضمان أن القرارات التي يتم اتخاذها تكون قابلة للتتبع.
استندت الدراسة إلى مجموعة بيانات واقعية على مدى عام كامل، حيث تمت مقارنة العملية الحالية المعتمدة على القواعد مع ثلاثة نماذج من نماذج التعلم الآلي: HGBC وLightGBM وXGBoost. وقد أثبت نموذج LightGBM تفوقه في الأداء، خاصة عندما تم تعزيز البيانات ببيانات الفريق المجمعة التي تعكس السياق التنظيمي.
النتيجة الرئيسية التي تم التوصل إليها هي أن النماذج القائمة على البيانات، والتي تتمتع بالإمكانية للتفسير، يمكن أن تتفوق على الأساليب المعتمدة على القواعد، مع تحقيق احتياجات الامتثال، مما يتيح تقليل المخاطر بشكل استباقي ويعزز من موثوقية العمليات في تكنولوجيا المعلومات.
تشير الأبحاث إلى أن نسبة كبيرة من الحوادث التقنية تُعزى إلى التغييرات، مما يستدعي ضرورة تحديد التغييرات ذات المخاطر العالية قبل تنفيذها. وفي هذا السياق، تقدم دراسة حديثة تقنية تنبؤية مبتكرة لتقييم مخاطر الحوادث تعمل في أحد أكبر البنوك الدولية.
يعتمد النموذج المقترح على مبادئ الذكاء الاصطناعي، حيث يساعد المهندسين خلال مراحل التقييم والتخطيط للتغييرات من خلال التنبؤ بإمكانية حدوث حوادث. تم تصميم هذا النموذج ليحقق متطلبات الالتزام القانوني مع التركيز على قابلية التدقيق والشفافية، من خلال استخدام قيم SHAP لتزويدنا برؤى تفصيلية على مستوى الخصائص وضمان أن القرارات التي يتم اتخاذها تكون قابلة للتتبع.
استندت الدراسة إلى مجموعة بيانات واقعية على مدى عام كامل، حيث تمت مقارنة العملية الحالية المعتمدة على القواعد مع ثلاثة نماذج من نماذج التعلم الآلي: HGBC وLightGBM وXGBoost. وقد أثبت نموذج LightGBM تفوقه في الأداء، خاصة عندما تم تعزيز البيانات ببيانات الفريق المجمعة التي تعكس السياق التنظيمي.
النتيجة الرئيسية التي تم التوصل إليها هي أن النماذج القائمة على البيانات، والتي تتمتع بالإمكانية للتفسير، يمكن أن تتفوق على الأساليب المعتمدة على القواعد، مع تحقيق احتياجات الامتثال، مما يتيح تقليل المخاطر بشكل استباقي ويعزز من موثوقية العمليات في تكنولوجيا المعلومات.
