Étapes : définir le Machine Learning pour les anomalies de temps
Des étapes supplémentaires peuvent s'avérer nécessaires pour activer cette fonctionnalité en fonction du contrat d'abonnement de votre organisation. Votre organisation figure soit sur le accord principal de services (MSA), soit sur l'accord de service principal universel (UMSA). Pour déterminer le contrat d'abonnement de votre organisation :
- Sélectionnez votre avatar de profil dans Workday Community .
- SélectionnezProfil.
- Sur votre page de profil, sélectionnez le nom de votre organisation, qui se trouve sous votre nom et en regard de la désignation de l'emploi.
- Affichez la valeur de votreAccord d'abonnement.
Si la valeur est :
- UMSA, la fonctionnalité est automatiquement disponible. Vous pouvez ignorer l' étapeActiver la fonctionnalité Innovation Services et les contributions de données d'IA pour les clients MSA. Pour plus d'informations sur les contributions de données de Machine Learning, voir Concept : Workday AI for Universal Subscription Agreement Customers .
- MSA, vous devez activer cette fonctionnalité via Innovation Services en utilisant l' étapeActiver la fonctionnalité Innovation Services et les contributions de données d'IA pour les clients MSA.
Remarque : les clients UMSA n'ont pas de tâches et de rapports Innovation Services dans leurs environnements clients, car ils s'adressent uniquement aux clients MSA. Les clients UMSA peuvent ignorer toutes les informations concernant Innovation Services.
- Déployez Workday Time Tracking. Nous vous recommandons de déployer Workday Time Tracking au moins un an avant d'implémenter la détection des anomalies de temps.
- Créez des modèles d'approbation des temps.
Vous pouvez permettre à Workday d'utiliser le machine learning pour détecter les saisies de temps atypiques en vue d'effectuer les opérations suivantes :
- Créer des rapports personnalisés pour afficher les scores des anomalies de temps, ainsi que les principaux motifs d'anomalie de temps pour les tranches horaires.
- Accéder au rapportTendances des anomalies de tempspour afficher les tendances des anomalies de temps par organisation hiérarchique.
- Permettre aux responsables et aux chargés des temps de voir les anomalies de temps et d'intervenir en conséquence dans le rapportRéviser les temps.
- Dans le rapportInnovation Services and Data Selection Opt-In, sélectionnez la sectionHCM: Workforce Management Machine Learning Services.Pour build un modèle de Machine Learning capable de détecter les anomalies de temps, vous devez accepter toutes les catégories suivantes :
- Time Configuration Data
- Données des employés
- Historical Schedule Block Data
- Worker Time and Absence Data
Vous pouvez également activerUser Feature Delivery Datapour aider Workday à détecter les anomalies de temps.Il se peut que vous deviez effectuer des étapes supplémentaires pour activer cette fonctionnalité en fonction de l'accord de service d'abonnement de votre organisation. Pour plus d'informations, voir cet article de Workday Community . - Accédez à la tâcheModifier la définition de l'environnement client - Machine learning.Sélectionnez la région dans laquelle Workday héberge les données utilisées pour améliorer et personnaliser les fonctionnalités de Machine Learning et d'analyses.Sécurité : domaineSet Up: Tenant Setup - Machine Learningdans le domaine fonctionnel System.
- (Facultatif) Accédez à la tâcheModifier un modèle d'approbation des temps.Cochez la caseInclure les anomalies de tempspour afficher les anomalies de temps dans le rapportRéviser les temps.Sécurité : domaineSet Up: Time Trackingdans le domaine fonctionnel Time Tracking.
Nous vous recommandons d'entraîner le modèle de Machine Learning dans l' environnement client de production pendant au moins 3 semaines. Lorsque vous entraînez un entraînement dans un environnement client de production , vous vous assurez que le modèle dispose d'un flux constant de données réelles sur lequel effectuer l'entraînement afin qu'il puisse apprendre des modèles de tranches horaires acceptables et non acceptables.
Si vous devez effectuer un test dans un environnement client client de test, vous pouvez activer la détection des anomalies de temps dans les environnements clients d'implémentation. Si vous avez commencé les tests dans un environnement client d'implémentation avant le 04/10/2024, vous devez désormais activer l'extraction de données à la demande pour poursuivre l'extraction régulière des données.