随着远程和混合办公员工队伍不断扩大，技术环境也日益复杂，管理数字化员工体验比以往任何时候都更加重要。但我们该如何衡量数字化员工体验？最常见的方法之一是使用调查，例如事件处理后的调查或年度客户满意度调查。但这些调查本身可能具有被动性、滞后性，并且范围有限。是否有一种方法，能够持续、自动地衡量涵盖更广泛 IT 职能领域的数字体验？

答案是肯定的！在 Ivanti Neurons Workspace 2022.2 版本中，我们推出了 Digital Experience Score（简称 DEX Score，数字体验评分）。我们从一组经过精心筛选、会影响数字体验的指标入手，将其输入我们的专有评分引擎，并生成 0 到 100 之间的 DEX Score。

首先，让我们来看评分引擎的输入项——指标。指标可以是硬盘存储空间等度量数据、防病毒保护等布尔标记，以及扫描发生时间等事件。我们希望构建一个评分系统，能够反映 IT 职能关键方面丰富的数字体验，因此从服务管理、应用、设备和安全等领域选取了指标。

显然，对于我们的评分引擎，我们无法透露太多核心方法细节，但可以说明的是，我们采用的是混合模型，也就是说，我们会使用多种统计和机器学习技术来计算评分。

我们的评分引擎不需要系统管理员手动调整用于判断指标好坏的阈值。对于硬盘存储空间等某些设备类指标，我们会分析历史读数，并使用统计模型推断正常行为范围。一旦确定了正常范围，就可以计算新的数据点与正常行为之间的差异或相似程度。量化正常与异常之间的关系，正是我们评分引擎的核心。

但对于事件主题和描述等文本类指标，又该如何处理？我们如何识别其中潜在的情绪，并将其转化为定性衡量结果？我们决定对与设备关联的未关闭事件应用情绪分析。我们的情绪分析模型是一个深度神经网络，可将事件文本分类为正面、负面和中性情绪。该模型已经过预训练，因此客户无需进行额外训练。

最后，我们并不只是单独分析各项指标；相反，我们使用一种数据挖掘算法，能够巧妙地将这些指标之间的相互作用纳入考量。这意味着，即使单个指标可能出现波动或峰值，或单独来看并不能说明太多问题，它们结合在一起后，就能告诉我们设备行为偏离正常状态的程度。该数据挖掘算法的另一项优势在于，它能够找出哪些指标导致了异常行为，因此我们会将其呈现为潜在问题。

如果不使用那些复杂的数据科学术语，我们所做的就是对不同时点的指标以及指标之间的关系进行比较和关联，然后将其汇总为一个单一、全面的评分。无需手动进行机器学习训练，也无需设置阈值，您是否已准备好以前所未有的方式洞察跨 IT 职能领域的数字体验？