Skip to main content
Documentatie
Documentatie
Administrator Guide
Laatst bijgewerkt: 2026-02-06
Stappen: machine learning instellen voor afwijkingen van tijd

Stappen: machine learning instellen voor afwijkingen van tijd

Mogelijk moet u aanvullende stappen ondernemen om deze functie in te schakelen op basis van de abonnementsserviceovereenkomst van uw organisatie. Uw organisatie is opgenomen in de MSA (Main Service Agreement) of de Universal Main Service Agreement (UMSA). De abonnementsserviceovereenkomst van uw organisatie bepalen:
  1. Selecteer uw profielavatar in Workday Community .
  2. Selecteer
    Profiel
     .
  3. Selecteer op uw profielpagina de naam van uw organisatie. Deze staat onder uw naam en naast uw functietitel.
  4. Hiermee kunt u de waarde van uw
    abonnementsserviceovereenkomst
     weergeven.
Als de waarde is:
  • UMSA
     , de functie is automatisch beschikbaar. U kunt de stap
    'Innovation Services-functie' en 'AI-gegevensbijdragen' voor MSA-klanten inschakelen
     overslaan. Zie Concept: Workday AI for Universal Main Subscription Agreement Customers voor meer informatie over gegevensbijdragen op basis van machine learning.
  • MSA
     , u moet deze functie inschakelen via Innovation Services met behulp van de stap'
    Innovation Services-functie en AI-gegevensbijdragen inschakelen voor MSA-klanten'
     .
Opmerking: UMSA-klanten hebben geen Innovation Services-taken en -rapporten in hun tenants, omdat deze alleen voor MSA-klanten zijn. UMSA-klanten kunnen alle informatie met betrekking tot Innovation Services negeren.
  • Workday Time Tracking implementeren. U wordt aangeraden Tijdregistratie ten minste één jaar te implementeren voordat u detectie van tijdafwijkingen implementeert.
  • Tijdsgoedkeuringssjablonen maken.
U kunt ervoor zorgen dat Workday machine learning gebruikt om atypische tijdgegevens te detecteren, zodat u:
  • Aangepaste rapporten kunt maken om scores voor afwijkingen van tijd en de belangrijkste redenen voor afwijkingen van tijd voor tijdsblokken weer te geven.
  • Het rapport
    Trends voor afwijking van tijd
     kunt openen om trends voor afwijkingen per hiërarchische organisatie weer te geven.
  • Stel managers en tijdwaarnemers in staat om afwijkingen in de tijd te bekijken en actie te ondernemen in het rapport
    'Tijd beoordelen
     '.
  1. Selecteer in het rapport
    Innovation Services and Data Select Opt-In
     de sectie
    HCM: Workforce Management Machine Learning Services
     .
    Als u een machine learning model build waarmee afwijkingen in de tijd kunnen worden gedetecteerd, moet u aanmelden voor al deze categorieën:
    • Tijdconfiguratiegegevens
    • Medewerkersgegevens
    • Historische gegevens schemablok
    • Tijd- en verlofgegevens medewerker
    U kunt zich ook aanmelden voor
    'Leveringsgegevens gebruikersfunctie'
     , zodat Workday afwijkingen in de tijd kan detecteren.
    Afhankelijk van de abonnementsserviceovereenkomst van uw organisatie moet u mogelijk aanvullende stappen ondernemen om deze functie in te schakelen. Zie dit Community- artikel voor meer informatie.
  2. Open de taak
    Tenantinstellingen bewerken - machine learning
     .
    Selecteer de regio waarin Workday gegevens host die worden gebruikt voor het verbeteren en personaliseren van de functionaliteit voor machine learning en analyse.
    Beveiliging:
    Set Up: Tenant Setup - Machine Learning
     in het functionele gebied 'System'.
  3. (Optioneel) Open de taak
    Tijdsgoedkeuringssjabloon bewerken
    .
    Schakel het selectievakje
    Afwijkingen van tijd opnemen
     in om tijdafwijkingen weer te geven in het rapport
    Tijd beoordelen
    .
    Beveiliging:
    Set Up: Time Tracking
     in het functionele gebied 'Time Tracking'.
U wordt aangeraden het machine learning model ten minste drie weken in de tenant te trainen. Wanneer u traint in een tenant '', zorgt u ervoor dat het model een constante stroom werkelijke gegevens heeft om op te trainen, zodat het patronen van acceptabele en onacceptabele tijdsblokken kan leren.
Als u wilt testen in een niet- tenant '', kunt u detectie van tijdafwijkingen inschakelen in implementatietenants. Als u vóór 2024-10-04 bent begonnen met testen in een tenant , moet u nu gegevensextractie op aanvraag inschakelen om door te gaan met de normale gegevensextractie.