Concetto: Anomalie ore

Le anomalie ore sono blocchi orari che, per uno o più motivi, risultano atipici per un collaboratore. Il sistema utilizza il machine learning per determinare i modelli normali di immissione ore dei collaboratori, a partire dai dati storici e in base a:

Immissioni ore
Permessi
Orari
Se i responsabili dell'approvazione hanno approvato, rifiutato, corretto o rinviato blocchi orari simili.

Vengono identificati i blocchi orari che non rispettano questi schemi e viene assegnato un punteggio al blocco orario. Questo punteggio quantifica la probabilità che il blocco orario sia anomalo. Quando un blocco orario viene identificato come anomalo, ciò non significa che il blocco orario non sia valido. Significa invece che il blocco orario è atipico e potrebbe richiedere un'attenzione aggiuntiva.

Una volta che sono stati identificati i blocchi orari anomali, è possibile:

Creare report personalizzati per visualizzare i punteggi delle anomalie ore e i motivi principali delle anomalie ore per i blocchi orari.
Accedere al report
Tendenze anomalie ore
per 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 report
Revisione ore
.

Il rilevamento delle anomalie ore ha lo scopo di integrare le convalide di immissione ore. Le convalide di immissione ore e le condizioni regola sono il modo migliore per individuare gli errori noti. In alternativa, il rilevamento delle anomalie ore aiuta a identificare le immissioni ore insolite che non violano le convalide.

Il modello di machine learning osserva le azioni (approvazione, rifiuto, correzione, rinvio) eseguite da manager, amministratori e collaboratori. Utilizzando questi dati, il modello apprende quali tipi di immissione ore sono accettabili o non accettabili. Esempio: un manager approva regolarmente i blocchi orari di un collaboratore dalle 8:00 alle 17:00, dal lunedì al venerdì. Con il passare del tempo, il sistema apprende che i blocchi dalle 8:00 alle 17:00 sono accettabili. In alternativa, il collaboratore immette ripetutamente blocchi orari dalle 7:00 alle 23:00 e il manager rinvia ripetutamente quei blocchi orari. Il sistema apprende che questo comportamento non è accettabile e assegna un punteggio di anomalia più alto a futuri blocchi orari simili.

Poiché il sistema esamina un numero sempre crescente di azioni, il modello di machine learning identifica con sempre maggior precisione le anomalie. Tuttavia, ciò implica che il sistema non è in grado di rilevare anomalie se un manager o un amministratore non ha mai eseguito azioni su di esse. Esempio: un collaboratore inoltra erroneamente le ore di sabato dall'1:00 alle 5:00. Dall'abilitazione del rilevamento delle anomalie orarie nel tenant, i collaboratori non hanno immesso blocchi orari simili e gli amministratori non hanno intrapreso azioni su blocchi orari simili. Di conseguenza il sistema non contrassegna questo blocco orario come anomalo. Una volta che il manager avrà eseguito un'azione sul blocco, il sistema inizia ad apprendere che questo blocco e i blocchi simili non sono accettabili. Il sistema assegna quindi un punteggio di anomalia più elevato a blocchi orari simili.

Il modello esegue il training sui dati temporali storici per ogni collaboratore. Per disporre di dati sufficienti per l'analisi del modello, è consigliabile distribuire la rilevazione presenze e assenze almeno un anno prima di implementare il rilevamento delle anomalie orarie. È consigliabile abilitare il servizio di machine learning per la gestione del personale e le categorie di dati in un tenant di produzione, in modo che il modello possa essere addestrato con dati dinamici per almeno 3 settimane. È possibile monitorare i risultati nel report

Tendenze anomalie temporali

. Attendere che i risultati delle anomalie siano coerenti prima di renderli visibili nel report

Revisione ore

. Per nascondere le anomalie ore ai manager e ai responsabili approvazione orari durante questo periodo, non selezionare la casella di controllo

Includi anomalie ore

nell'attività

Modifica modello di approvazione ore

.

Il test di questa funzionalità in un tenant non di produzione presenta limitazioni perché il modello richiede un flusso costante di dati dinamici per apprendere i modelli di blocchi orari accettabili e inaccettabili. Quando si abilita il rilevamento delle anomalie temporali nel tenant di produzione, il modello di machine learning può accedere a più dati e migliorare rapidamente la precisione. Se è necessario testare il rilevamento delle anomalie temporali in un tenant non di produzione, è possibile abilitare la funzionalità nei tenant di implementazione.

Sebbene possano esserci più fattori che contribuiscono a rendere anomalo un blocco orario, il sistema identifica un solo motivo di anomalia principale possibile per ogni blocco orario. È possibile visualizzare le anomalie su cui un manager può intervenire nel report Revisione ore. I possibili motivi di anomalia includono:

Motivo	Descrizione	In Revisione ore
Quantità calcolata	La quantità di ore immessa dal collaboratore è superiore o inferiore alla quantità di ore pianificata.	Sì
Entrata	La registrazione dell'entrata avviene al di fuori del normale orario di entrata del collaboratore (in base al calendario lavorativo).	Sì
Uscita	La registrazione dell'uscita avviene al di fuori del normale orario di uscita del collaboratore (in base al calendario lavorativo).	Sì
Giorno del mese	Il collaboratore ha immesso ore per un giorno del mese in cui in genere non lavora.
Giorno della settimana	Il collaboratore ha immesso ore per un giorno della settimana in cui in genere non lavora.	Sì
Tipo dipendente Sede Tipo sede Profilo professionale Organizzazione di supervisione Tipo collaboratore	Il collaboratore appartiene a un tipo di dipendente, a un tipo di collaboratore, a un profilo professionale o a un'organizzazione di supervisione che presenta spesso immissioni ore anomale. Esempio: i membri dell'organizzazione vendite hanno livelli più elevati di anomalie ore, perché immettono le ore sui dispositivi mobili mentre sono in viaggio. Questo fattore viene considerato per determinare il possibile motivo principale delle anomalie.
Modificato da terzi	Un utente diverso dal collaboratore ha modificato il blocco orario.
Blocco orario collaboratore per posizione	Un collaboratore con più posizioni ha immesso una o più posizioni diverse da quelle in cui lavora normalmente.
Blocco orario collaboratore per progetto	Un collaboratore di progetto ha immesso uno o più progetti diversi da quelli a cui lavora di solito.
Quantità registrata	La quantità di ore immessa dal collaboratore è superiore o inferiore al modello tipico di immissione ore del collaboratore.	Sì
Differenza quantità registrata/pianificata	La quantità di ore immessa dal collaboratore è superiore o inferiore alla quantità di ore pianificata.	Sì
Data turno	La data del turno nel blocco orario potrebbe essere insolita.
N. valori anomali delle ore	Il collaboratore ha uno storico che presenta più immissioni ore anomale.
Etichette calcolo ore	Il collaboratore ha immesso le ore per una o più etichette di calcolo ore che in genere non utilizza.
Storico timbrature	Lo storico delle timbrature per il blocco orario potrebbe includere una mancata registrazione di entrata, una mancata registrazione di uscita o entrambe.
Durata impiego	I collaboratori che sono in una posizione da un determinato periodo di tempo possono immettere più anomalie rispetto agli altri. Esempio: un collaboratore ha appena iniziato in una nuova posizione e ha immesso un blocco orario anomalo. Il possibile motivo principale per l'anomalia della sua immissione potrebbe essere la durata impiego.
Tipo di orario	Il tipo di ore immesso è diverso dal tipo di ore normale del collaboratore.	Sì
Worktag	I worktag immessi dal collaboratore sono diversi da quelli che immette normalmente.	Sì

Per quantificare la probabilità che un'immissione ore sia anomala viene utilizzato un punteggio di confidenza di anomalia. Il livello di confidenza anomalia è:

Basso quando corrisponde al 50-80%.
Medio quando corrisponde all'80-90%.
Alto quando corrisponde al 90-100%.

È possibile includere il punteggio di anomalia nei report personalizzati utilizzando il campo di report

Punteggio anomalie ore

dell'oggetto business Blocco orario.

È possibile abilitare la visualizzazione delle anomalie ore nel report

Revisione ore

. Quando si visualizzano le anomalie in Revisione ore, i manager e i responsabili delle tempistiche possono individuare rapidamente i problemi di immissione ore che richiedono la loro attenzione. Il sistema visualizza il filtro

Collaboratori con possibili anomalie nelle ore immesse

nella pagina di riepilogo del report

Revisione ore

. Vengono visualizzate anche le seguenti colonne:

N. possibili anomalie ore
nella pagina di riepilogo.
Possibile motivo anomalia ore
nella visualizzazione dei dettagli del collaboratore.
Livello di confidenza anomalia ore
nella visualizzazione dei dettagli del collaboratore.

Il report

Revisione ore

visualizza solo le anomalie ore su cui il manager può intervenire. Esempi:

I manager possono approvare solo le ore inoltrate. Il sistema non visualizzerà le anomalie ore relative alle ore approvate o non inoltrate.
Le ore devono essere pronte per l'approvazione senza errori. I manager non possono approvare le ore con errori.
Il sistema non visualizzerà le anomalie ore relative ai profili professionali perché i manager non possono modificare i profili dal report Revisione ore.