Passer au contenu principal
Documentation
Documentation
Administrator Guide
Dernière mise à jour : 2025-09-19
Étapes : définir le Machine Learning pour les anomalies de temps

Étapes : définir le Machine Learning pour les anomalies de temps

Il se peut que vous deviez effectuer des étapes supplémentaires pour activer cette fonctionnalité en fonction de l'accord de services d'abonnement de votre organisation. Votre organisation figure dans l'accord de service principal (MSA) ou dans le contrat UMSA (universal Maintain Service Agreement). Pour déterminer l'accord de service d'abonnement de votre organisation :
  1. Sélectionnez votre avatar de profil sur Workday Community.
  2. Sélectionnez
    Profil
    .
  3. Sur votre page de profil, sélectionnez le nom de votre organisation qui se trouve sous votre nom et en regard de votre désignation d'emploi.
  4. Affichez la valeur de votre
    Accord de services d'abonnement
     .
Si sa valeur est égale à :
  • UMSA
    , la fonctionnalité est automatiquement disponible. Vous pouvez ignorer l'étape
    Enable Innovation Services Features and Machine Learning Data Contributions for MSA Customers
     . Pour plus d'informations sur les contributions de données de Machine Learning, voir Concept : Workday AI for Universal Main Subscription Agreement Customers.
  • MSA
    , vous devez activer cette fonctionnalité via Innovation Services à l'aide de l'étape
    Enable Innovation Services Features and Machine Learning Data Contributions for MSA Customers
     .
Remarque : les clients UMSA n'ont pas de tâches et de rapports Innovation Services dans leurs environnements clients, car ils s'appliquent 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 1 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 rapport
    Tendances des anomalies de temps
     pour 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 rapport
    Réviser les temps
    .
  1. Activez la fonctionnalité Innovation Services et les contributions de données de Machine Learning.
    Dans le rapport
    Innovation Services and Data Selection Opt-In
     , sélectionnez la section
    HCM: Workforce Management Machine Learning Services
     .
    Pour créer un modèle de machine learning qui puisse détecter les anomalies de temps, vous devez activer toutes les catégories suivantes :
    • Time Configuration Data
    • Données de l'employé
    • Données historiques de tranches de planning
    • Données de temps et d'absence des employés
    Vous pouvez également activer
    les données User Feature Delivery
     pour 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 .
  2. Accédez à la tâche
    Modifier 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'Analyse.
    Sécurité : domaine
    Set Up: Tenant Setup - Machine Learning
     dans le domaine fonctionnel System.
  3. (Facultatif) Accédez à la tâche
    Modifier un modèle d'approbation des temps
    .
    Cochez la case
    Inclure les anomalies de temps
     pour afficher les anomalies de temps dans le rapport
    Réviser les temps
    .
    Sécurité : domaine
    Set Up: Time Tracking
     dans le domaine fonctionnel Time Tracking.
Nous vous recommandons de former le modèle de Machine Learning dans l'environnement client de production pendant au moins 3 semaines. Lorsque vous effectuez une formation dans un environnement client de production, vous vous assurez que le modèle dispose d'un flux constant de données réelles pour la formation afin qu'il puisse apprendre des modèles de tranches horaires acceptables et non acceptables.
Si vous devez effectuer des tests dans un environnement client de test, vous pouvez activer la détection des anomalies de temps dans les environnements clients d'implémentation. Si vous avez commencé à tester 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 de données normales.