Schritte: Machine Learning für Zeitanomalien einrichten
- Implementieren Sie Workday Time Tracking. Wir empfehlen, die Zeiterfassung mindestens ein Jahr vor der Implementierung der Erkennung von Zeitanomalien bereitzustellen.
- Erstellen Sie Zeitgenehmigungsvorlagen.
Sie können einstellen, dass Workday mithilfe von Machine Learning atypische Zeiteingaben erkennt. Dadurch haben Sie folgende Möglichkeiten:
- Benutzerdefinierte Berichte erstellen, um Scores für Zeitanomalien und die Top-Gründe für Zeitanomalien für Zeitblöcke anzuzeigen.
- BerichtZeitanomalie - Trendsöffnen, um Trends für Zeitanomalien nach Linienorganisation anzuzeigen.
- Managern und Zeitnehmern die Möglichkeit geben, im BerichtZeit prüfenZeitanomalien anzuzeigen und entsprechende Maßnahmen zu ergreifen.
- Wählen Sie im BerichtInnovation Services and Data Selection Opt-Inden AbschnittHCM: Workforce Management Machine Learning Services.Um ein Machine Learning-Modell zu erstellen, das Zeitanomalien erkennen kann, müssen Sie für alle folgenden Kategorien ein Opt-in setzen:
- Time Configuration Data
- Mitarbeiterdaten
- Historische Daten für Zeitplanblock
- Mitarbeiterzeit- und -abwesenheitsdaten
Sie können auch ein Opt-in für„User Feature Delivery Data“setzen, damit Workday Zeitanomalien erkennt.Abhängig von der Abonnementvereinbarung Ihrer Organisation müssen Sie möglicherweise zusätzliche Schritte ausführen, um dieses Feature zu aktivieren. Weitere Informationen finden Sie in diesem Community- Artikel. - Öffnen Sie die AufgabeMandanten-Setup bearbeiten - Machine Learning.Wählen Sie die Region aus, in der Workday Daten hostet, die zur Verbesserung und Personalisierung von Machine Learning- und Analysefunktionen verwendet werden.Sicherheit: DomäneSet Up: Tenant Setup - Machine Learningim funktionalen Bereich „System“
- (Optional) Öffnen Sie die AufgabeZeitgenehmigungsvorlage bearbeiten.Aktivieren Sie das KontrollkästchenZeitanomalien einschließen, um Zeitanomalien im BerichtZeit prüfenanzuzeigen.SicherheitSet Up: Time Trackingim funktionalen Bereich „Time Tracking“.
Wir empfehlen, das Machine Learning-Modell im Produktionsmandanten mindestens drei Wochen lang zu trainieren. Wenn Sie in einem Produktionsmandanten trainieren, stellen Sie sicher, dass das Modell über einen konstanten Strom realer Daten verfügt, auf denen trainiert werden kann, sodass es Muster akzeptabler und nicht akzeptabler Zeitblöcke erlernen kann.
Wenn Sie Tests in einem Nicht-Produktionsmandanten durchführen müssen, können Sie die Erkennung von Zeitanomalien in Implementierungsmandanten aktivieren. Wenn Sie vor dem 04.10.2024 mit dem Testen in einem Implementierungsmandanten begonnen haben, müssen Sie jetzt die On-Demand-Datenextraktion aktivieren, um die reguläre Datenextraktion fortzusetzen.