Concept : anomalies de temps

Une anomalie de temps est une tranche horaire qui, pour un ou plusieurs motifs, est atypique pour un employé. Workday utilise le Machine Learning pour déterminer les schémas normaux de saisie des temps des employés à partir des données historiques en fonction des éléments suivants :

Saisies de temps.
Absences.
Calendriers de travail.
Si les approbateurs de temps ont approuvé, refusé, corrigé ou renvoyé des tranches horaires similaires.

Workday identifie les tranches horaires qui enfreignent ces schémas et leur affecte un score. Ce score quantifie la probabilité que la tranche horaire soit anormale. Lorsque Workday identifie une tranche horaire comme anormale, cela ne signifie pas que celle-ci n'est pas valide, mais qu'elle est atypique et peut nécessiter une attention particulière.

Une fois que Workday a identifié des tranches horaires anormales, vous pouvez :

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
.

La détection des anomalies de temps est destinée à compléter les validations de saisies des temps. Les validations de saisies des temps et les conditions de règle sont le meilleur moyen de détecter les erreurs connues. Par ailleurs, la détection des anomalies de temps vous permet d'identifier les saisies de temps inhabituelles qui n'enfreignent pas les validations.

Le modèle de Machine Learning observe les actions (approbation, refus, correction ou renvoi) effectuées par les responsables, les administrateurs et les employés. À l'aide de ces données, le modèle apprend les types de saisie de temps acceptables ou non. Par exemple, un responsable approuve régulièrement les tranches horaires d'un employé de 8 h à 17 h du lundi au vendredi. Au fil du temps, Workday apprend que les tranches de 8 h à 17 h sont acceptables. Par ailleurs, un employé saisit à plusieurs reprises des tranches horaires de 7 h à 23 h et le responsable les renvoie toujours. Workday apprend ainsi que ce comportement n'est pas acceptable et affecte un score d'anomalie plus élevé aux futures tranches horaires similaires.

Au fur et à mesure que Workday observe les actions, le modèle de Machine Learning identifie plus précisément les anomalies. Toutefois, cela signifie que Workday n'est pas en mesure de détecter les anomalies si un responsable ou un administrateur n'est jamais intervenu auparavant. Par exemple, un employé soumet des temps erronés en indiquant un samedi de 1 h à 5 h. Depuis l'activation de la détection des anomalies de temps dans l'environnement client, les employés n'ont pas encore saisi de tranches horaires similaires et les administrateurs ne sont pas intervenus sur celles-ci. Workday ne marque donc pas cette tranche horaire comme constituant une anomalie. Une fois que le responsable intervient sur la tranche horaire, Workday commence à apprendre que celle-ci et les tranches horaires similaires ne sont pas acceptables, et affecte alors un score d'anomalie plus élevé aux tranches horaires similaires.

Le modèle est utilisé pour s'entraîner sur les données de temps historiques de chaque employé. Afin de disposer de suffisamment de données pour le modèle à analyser, Workday vous recommande de déployer Workday Time Tracking au moins un an avant d'implémenter la détection des anomalies de temps. Nous vous recommandons d'activer le service de Machine Learning et les catégories de données dans un environnement client de production afin que le modèle puisse s'entraîner avec des données en temps réel pendant au moins 3 semaines. Vous pouvez suivre les résultats dans le rapport

Tendances des anomalies de temps

. Attendez que les résultats des anomalies soient cohérents avant de les rendre visibles dans le rapport

Réviser les temps

. Pour masquer les anomalies de temps aux responsables et aux approbateurs des temps pendant cette période, ne cochez pas la case

Inclure les anomalies de temps

dans la tâche

Modifier un modèle d'approbation des temps

.

Le test de cette fonctionnalité dans un environnement client de test est limité car le modèle a besoin d'un flux constant de données en temps réel pour apprendre les modèles de tranches horaires acceptables et non acceptables. Lorsque vous activez la détection des anomalies de temps dans votre environnement client de production, le modèle de Machine Learning peut accéder à davantage de données et être plus précis. Si vous avez besoin de tester la détection des anomalies de temps dans un environnement client de test, vous pouvez activer la fonctionnalité dans les environnements clients Implementation. Pour générer des anomalies de temps dans un environnement client de test, vous devez soumettre et approuver ou refuser des tranches horaires dans cet environnement client.

Bien qu'il puisse exister plusieurs facteurs contribuant à ce qu'une tranche horaire soit une anomalie, Workday n'identifie qu'un seul motif principal d'anomalie possible pour chaque tranche horaire. Vous pouvez afficher les anomalies sur lesquelles un responsable peut intervenir dans le rapport Réviser les temps. Les motifs d'anomalie possibles sont les suivants :

Motif	Description	Dans Réviser les temps
Quantité calculée	La quantité de temps saisie par l'employé est supérieure ou inférieure à celle prévue.	Oui
Pointage d'arrivée	Le pointage d'arrivée a lieu en dehors des heures d'arrivée habituellement enregistrées pour l'employé (selon son calendrier de travail).	Oui
Pointage de sortie	Le pointage de sortie a lieu en dehors des heures de sortie habituellement enregistrées pour l'employé (selon son calendrier de travail).	Oui
Jour du mois	L'employé a saisi des temps pour un jour du mois où il ne travaille généralement pas.
Jour de la semaine	L'employé a saisi des temps pour un jour de la semaine où il ne travaille généralement pas.	Oui
Type de salarié Site Type de site Profil d'emploi Organisation hiérarchique Type d'employé	L'employé est associé à un type de salarié, à un type d'employé, à un profil d'emploi ou à une organisation hiérarchique qui présente souvent des anomalies de saisie des temps. Par exemple, les membres de l'organisation Sales présentent des niveaux plus élevés d'anomalies de temps car ils saisissent leurs temps sur des périphériques mobiles lorsqu'ils sont en déplacement. Workday tient compte de ce facteur pour déterminer le principal motif d'anomalie possible.
Modification par un tiers	Une personne autre que l'employé a modifié la tranche horaire.
Tranche horaire d'employé (poste)	Un employé ayant plusieurs postes a saisi au moins un poste différent parmi ceux qu'il occupe habituellement.
Tranche horaire d'employé (projet)	Un employé affecté à des projets a saisi un ou plusieurs projets différents de ceux sur lesquels il travaille habituellement.
Quantité déclarée	La quantité de temps que l'employé a saisie est supérieure ou inférieure au schéma standard de saisie des temps de l'employé.	Oui
Écart entre quantité déclarée et quantité prévue	La quantité de temps saisie par l'employé est supérieure ou inférieure à celle prévue.	Oui
Date de la période de travail	La date de la période de travail indiquée dans la tranche horaire peut être inhabituelle.
Nombre d'anomalies de temps	L'employé a un historique comptant plusieurs anomalies de saisie des temps.
Marqueurs de calcul des temps	L'employé a saisi des temps pour un ou plusieurs marqueurs de calcul des temps qu'il n'utilise généralement pas.
Historique des événements de pointage	L'historique des événements de pointage pour la tranche horaire peut inclure un pointage d'arrivée ou de sortie manquant, ou les deux.
Durée d'occupation du poste	Les employés qui occupent un poste depuis un certain laps de temps peuvent saisir plus d'anomalies que les autres. Par exemple, un employé vient de démarrer dans un nouveau poste et a saisi une tranche horaire anormale. Son principal motif d'anomalie possible pourrait être Durée d'occupation du poste.
Type de temps	Le type d'horaire saisi est différent du type d'horaire habituel de l'employé.	Oui
Worktags	Les worktags saisis par l'employé sont différents de ceux qu'il saisit généralement.	Oui

Workday utilise un score de confiance des anomalies pour quantifier la probabilité qu'une saisie de temps soit anormale. Le niveau de confiance des anomalies se présente comme suit :

Faible (50 à 80 %).
Moyen (80 à 90 %).
Élevé (90 à 100 %).

Vous pouvez inclure le score d'anomalie dans des rapports personnalisés à l'aide du champ de rapport

Score des anomalies de temps

dans l'objet de gestion Tranche horaire.

Vous pouvez activer l'affichage des anomalies de temps dans le rapport

Réviser les temps

. Lorsque vous affichez des anomalies dans le rapport Réviser les temps, les responsables et les chargés de temps peuvent rapidement identifier les problèmes de saisie des temps qui nécessitent leur attention. Workday affiche un filtre

Employés avec anomalies de temps possibles

sur la page de synthèse du rapport

Réviser les temps

. Workday affiche également les colonnes suivantes :

Nombre d'anomalies de temps possibles
sur la page de synthèse.
Motif d'anomalie de temps possible
dans la vue des données du salarié.
Niveau de confiance des anomalies de temps
dans la vue des données du salarié.

Le rapport

Réviser les temps

affiche uniquement les anomalies de temps sur lesquelles un responsable peut intervenir. Exemples :

Les responsables peuvent uniquement approuver les temps soumis. Workday n'affiche pas les anomalies de temps associées à des temps approuvés ou non soumis.
Les temps doivent être prêts à être approuvés sans erreur. Les responsables ne peuvent pas approuver des temps erronés.
Workday n'affiche pas les anomalies de temps associées à des profils d'emploi, car les responsables ne peuvent pas modifier les profils d'emploi à partir du rapport Réviser les temps.