Procedura: Configurare il machine learning per le anomalie ore
Potrebbe essere necessario eseguire ulteriori passaggi per abilitare questa funzionalità in base al contratto di servizio in abbonamento dell'organizzazione. L'organizzazione ha aderito al Contratto di servizio principale (MSA) o al Contratto di servizio principale universale (UMSA). Per determinare il contratto di servizio in abbonamento dell'organizzazione:
- Selezionare l'avatar del profilo nella Workday Community.
- SelezionareProfilo.
- Nella pagina del profilo, selezionare il nome dell'organizzazione, che si trova sotto il nome e accanto al titolo impiego.
- Visualizzare il valoredel Contratto di servizio in abbonamento.
Se il valore è:
- UMSA, la funzionalità è automaticamente disponibile. È possibile ignorare lo stepEnable Innovation Services Features and Machine Learning Data Contributions for MSA Customers. Per ulteriori informazioni sui contributi di dati di machine learning, consultare Concetto: Workday AI for Universal Main Subscription Agreement Customers.
- MSA, è necessario abilitare questa funzionalità tramite Innovation Services utilizzando lo stepEnable Innovation Services Features e Machine Learning Data Contributions for MSA Customers.
Nota: i clienti UMSA non hanno attività e report di Innovation Services nei loro tenant in quanto sono riservati ai clienti MSA. I clienti UMSA possono ignorare tutte le informazioni relative a Innovation Services.
- Utilizzare Workday Time Tracking. È consigliabile distribuire la rilevazione presenze e assenze almeno un anno prima di implementare il rilevamento delle anomalie temporali.
- Creare modelli di approvazione ore.
È possibile abilitare l'utilizzo del machine learning per rilevare immissioni ore atipiche, in modo da poter:
- Creare report personalizzati per visualizzare i punteggi delle anomalie ore e i motivi principali delle anomalie ore per i blocchi orari.
- Accedere al reportTendenze anomalie oreper visualizzare le tendenze delle anomalie ore per organizzazione di supervisione.
- Consentire a manager e responsabili delle tempistiche di visualizzare e se necessario intervenire sulle ore nel reportRevisione ore.
- Enable Innovation Services Feature e Machine Learning Data Contributions.Nel reportInnovation Services and Data Selection Opt-In, selezionare la sezioneHCM: Workforce Management Machine Learning Services.Per creare un modello di machine learning in grado di rilevare le anomalie orarie, è necessario abilitare tutte le seguenti categorie:
- Time Configuration Data
- Dati collaboratore
- Dati blocco orario storico
- Dati ore e assenze collaboratore
È anche possibile abilitarei dati di pubblicazione delle funzionalità utenteper aiutare il sistema a rilevare le anomalie temporali.Potrebbe essere necessario eseguire ulteriori passaggi per abilitare questa funzionalità, a seconda del contratto di servizio in abbonamento dell'organizzazione. Per ulteriori informazioni, consultare questo articolo della Community . - Accedere all'attivitàModifica configurazione tenant - Machine Learning.Selezionare l'area geografica in cui il sistema ospita i dati utilizzati per il miglioramento e la personalizzazione delle funzionalità di machine learning e analisi.Criteri di sicurezza: dominioSet Up: Tenant Setup - Machine Learningnell'area funzionale System.
- (Facoltativo) Accedere all'attivitàModifica modello di approvazione ore.Selezionare la casella di controlloIncludi anomalie oreper visualizzare le anomalie ore nel reportRevisione ore.Criteri di sicurezza: dominioSet Up: Time Trackingnell'area funzionale Time Tracking.
È consigliabile addestrare il modello di machine learning nel tenant di produzione per almeno 3 settimane. Quando si esegue l'addestramento in un tenant di produzione, si garantisce che il modello disponga di un flusso costante di dati reali su cui eseguire l'addestramento, in modo che possa apprendere modelli di blocchi orari accettabili e inaccettabili.
Se è necessario eseguire il test in un tenant non di produzione, è possibile abilitare il rilevamento delle anomalie temporali nei tenant di implementazione. Se è stato avviato il test in un tenant di implementazione prima del 04/10/2024, è necessario abilitare l'estrazione dei dati su richiesta per continuare l'estrazione dei dati normale.