Étapes : définir l’apprentissage automatique pour les anomalies liées aux heures
Il se peut que vous deviez prendre des mesures supplémentaires pour activer cette fonction en fonction de l’accord sur les services d’abonnement de votre organisation. Votre organisation est soit assujettie à la convention principale de services (MSA) ou à l’entente principale de services universels (UMSA). Pour déterminer l’accord sur les services d’abonnement de votre organisation :
- Sélectionnez votre avatar de profil dans Workday Community .
- SélectionnezProfil.
- Dans votre page de profil, sélectionnez le nom de votre organisation, qui se trouve sous votre nom et à côté de votre titre d'emploi ().
- Affichez la valeur de votreentente d'utilisation des services d'abonnement.
Si la valeur est :
- UMSA, la fonctionnalité est automatiquement disponible. Vous pouvez omettre l' étape'activation de la contribution de fonctionnalités et d'intelligence artificielle pour les services d'innovation pour les clients MSA. Pour en savoir plus sur les contributions de données de l’apprentissage automatique, voir Concept : Workday AI for Universal Subscription Agreement Customers .
- MSA, vous devez activer cette fonctionnalité par l'intermédiaire des services d'innovation à l'aide de l' étape'activation de la fonction d'innovation Services et de la contribution de données IA pour les clients MSA.
Remarque : Les clients UMSA n’ont pas de tâches ni de rapports Innovation Services dans leurs locataires, car ils s’appliquent uniquement aux clients MSA. Les clients UMSA peuvent ignorer toute l’information concernant Innovation Services.
- Déployez le suivi des heures de Workday. Nous vous recommandons de déployer Time Tracking au moins un an avant de mettre en œuvre la détection des anomalies liées aux heures.
- Créez des modèles d’approbation des heures.
Vous pouvez permettre à Workday d’utiliser l’apprentissage automatique pour détecter les entrées d’heures atypiques afin de pouvoir :
- Créer des rapports personnalisés pour afficher les scores des anomalies liées aux heures et les principaux motifs d’anomalies liés aux heures pour les blocs d’heures.
- Accéder au rapportTendances des anomalies liées aux heurespour afficher ces tendances par organisation de supervision.
- Permettre aux gestionnaires et aux responsables du pointage d’afficher les anomalies liées aux heures et d’effectuer les actions nécessaires par rapport à celles-ci dans le rapport dans le rapportRéviser des heures.
- Dans le rapportInnovation Services and Data Selection Opt-In, sélectionnez la sectionHCM: Workforce Management Machine Learning Services.Pour build un modèle d’apprentissage automatique capable de détecter les anomalies liées aux heures, vous devez choisir d'utiliser toutes les catégories suivantes :
- Time Configuration Data
- Données sur le travailleur
- Historical Schedule Block Data
- Worker Time and Absence Data
Vous pouvez également choisir d’utiliserUser Feature Delivery Datapour aider Workday à détecter les anomalies liées aux heures.Vous devrez peut-être prendre des mesures supplémentaires pour activer cette fonction selon l’entente d’abonnement au service de votre organisation. Pour en savoir plus, consultez cet article de Community . - Accédez à la tâcheModifier la configuration du locataire - Apprentissage automatique.Sélectionnez la région dans laquelle Workday héberge les données utilisées pour améliorer et personnaliser les fonctionnalités d’apprentissage automatique et d’analyse.Sécurité :Set Up: Tenant Setup - Machine Learningdans le domaine fonctionnel System.
- (Facultatif) Accédez à la tâcheModifier un modèle d’approbation des heures.Cochez la caseInclure les anomalies liées aux heurespour afficher ces anomalies dans le rapportRéviser des heures.Sécurité : domaineSet Up: Time Trackingdans le domaine fonctionnel Time Tracking.
Nous vous recommandons d’entraîner le modèle d’apprentissage automatique dans le locataire de production pendant au moins trois semaines. Lorsque vous effectuez l'entraînement dans un locataire de production, vous vous assurez que le modèle dispose d'un flux constant de données réelles sur lesquelles effectuer l'entraînement, afin qu'il puisse apprendre des structures de blocs d'heures acceptables et acceptables.
Si vous devez effectuer un test dans un locataire hors production, vous pouvez activer la détection des anomalies liées aux heures dans les locataires de mise en œuvre. Si vous avez commencé des tests dans un locataire de mise en œuvre avant le 2024-10-04, vous devez maintenant activer l’extraction de données sur demande pour poursuivre l’extraction de données normale.