Konzept: Abnormalitäten in Ergebnissen der Entgeltabrechnung
Dieses Thema gilt für:
- Workday Payroll for Australia
- Workday Payroll for Canada
- Payroll for UK
- Payroll für die USA
Was sind Abnormalitäten bei Ergebnissen der Entgeltabrechnung?
Anomalien bei Ergebnissen der Entgeltabrechnung sind alle Ergebnisse, die aus einem oder mehreren Gründen für eine regulär ausgeführte Entgeltberechnung untypisch sind. Workday verwendet Machine Learning, um normale Entgeltberechnungs- und Ergebnismuster zu bestimmen, die auf historischen Abrechnungsergebnissen sowie aktuellen und historischen Mitarbeiterdaten basieren.
„Abrechnungsanomalien“ verwendet die Zahlungsinformationen der Mitarbeiter basierend auf ihren aktuellen und historischen Ergebnissen der Entgeltabrechnung, um historische Muster für abnormale Zahlungen zu lernen. Anschließend werden diese Muster verwendet, um abnormale Ergebnisse der Entgeltabrechnung für die aktuelle Abrechnungsperiode vorherzusagen.
Das Machine Learning-Modell berücksichtigt auch historische Daten, z. B. ob Administratoren ähnliche Abrechnungsergebnisse als normal oder abnormal markiert haben. Workday identifiziert dann Ergebnisse der Entgeltabrechnung, die gegen diese Muster verstoßen, und weist dem Ergebnis einen Score zu, der die Wahrscheinlichkeit quantifiziert, dass das Ergebnis abnormal ist.
Wenn Workday ein Ergebnis der Entgeltabrechnung als abnormal identifiziert, bedeutet dies nicht, dass das Ergebnis ungültig ist. Vielmehr gilt das Ergebnis als atypisch und erfordert ggf. zusätzliche Aufmerksamkeit. Je mehr Daten das Machine Learning-Modell erfasst, desto genauer identifiziert Workday Anomalien.
Konfidenz bei Abnormalität
Das Konfidenzniveau ist das Konfidenzniveau des Modells in seiner Prognose einer Vergütungsanomalie, die entweder „Normal“ oder „Abnormal“ ist. Mögliche Werte sind: "Hoch", "Mittel", "Niedrig" oder "Keine". Es kann keine Berechnung angewendet werden, wenn die Ergebnisse für eine Vorhersage nicht ausreichen. Beispielsweise für einen neuen Mitarbeiter.