Ir para o conteúdo principal
Documentação
Documentação
Administrator Guide
Última atualização: 2025-09-19
Etapas: definir aprendizado de máquina para anomalias de horas

Etapas: definir aprendizado de máquina para anomalias de horas

Pode ser necessário executar etapas adicionais para habilitar essa funcionalidade com base no contrato de serviço de assinatura da sua organização. Sua organização está no Acordo de serviço principal (MSA) ou no Acordo de serviço principal universal (UMSA). Para determinar o contrato de serviço de assinatura da sua organização:
  1. Selecione o avatar do seu perfil no Workday Community.
  2. Selecione
    Perfil
    .
  3. Na página de perfil, selecione o nome da sua organização, que fica abaixo do seu nome e ao lado do título do seu cargo.
  4. Visualize o valor do seu
    acordo de serviço de assinatura
     .
Se o valor é:
  • UMSA
    , a funcionalidade fica automaticamente disponível. Você pode ignorar a etapa
    Habilitar recursos do Innovation Services e contribuições de dados de aprendizado de máquina para clientes da MSA
     . Para obter mais informações sobre contribuições de dados de aprendizado de máquina, consulte Conceito: Workday AI for Universal Main Subscription Agreement Customers.
  • MSA
    , você deve habilitar essa funcionalidade por meio do Innovation Services usando a etapa
    Habilitar recursos do Innovation Services e contribuições de dados de aprendizado de máquina para clientes da MSA
     .
Observação: os clientes UMSA não têm tarefas e relatórios do Innovation Services em seus locatários, pois são apenas para clientes MSA. Os clientes da UMSA podem ignorar todas as informações relacionadas ao Innovation Services.
  • Implemente o Workday Time Tracking. Recomendamos que você implemente o controle de horas pelo menos um ano antes de implementar a detecção de anomalias de horas.
  • Crie modelos de aprovação de horas.
Você pode permitir que o Workday use o aprendizado de máquina para detectar entradas de horas atípicas para que você possa:
  • Criar relatórios personalizados para visualizar pontuações e principais motivos de anomalias de horas para blocos de horas.
  • Acessar o relatório
    Tendências de anomalias de horas
     para visualizar tendências de anomalias de horas por organização de supervisão.
  • Permitir que gestores e responsáveis pelo controle de horas vejam e tomem medidas quanto às anomalias de horas no relatório
    Revisar horas
    .
  1. No relatório
    Innovation Services and Data Selection Opt-In
     , selecione a seção
    HCM: Workforce Management Machine Learning Services
     .
    Para criar um modelo de aprendizado de máquina que possa detectar anomalias de horas, você deve aceitar todas estas categorias:
    • Time Configuration Data
    • Dados do trabalhador
    • Dados históricos de blocos de programação
    • Dados de horas e ausências do trabalhador
    Você também pode aceitar
    os dados de entrega de funcionalidades do usuário
     para ajudar o Workday a detectar anomalias de horas.
    Pode ser necessário executar etapas adicionais para habilitar essa funcionalidade, dependendo do contrato de serviço de assinatura da sua organização. Para obter mais informações, consulte este artigo do Community .
  2. Acesse a tarefa
    Editar definição de locatário - Aprendizado de máquina
     .
    Selecione a região em que o Workday hospeda os dados usados para aprimorar e personalizar o aprendizado de máquina e as funcionalidades de análise.
    Segurança: domínio
    Set Up: Tenant Setup - Machine Learning
     na área funcional System.
  3. (Opcional) Acesse a tarefa
    Editar modelo de aprovação de horas
    .
    Marque a caixa de seleção
    Incluir anomalias de horas
     para exibir anomalias de horas no relatório
    Revisar horas
    .
    Segurança:
    Set Up: Time Tracking
     na área funcional Time Tracking.
Recomendamos que você treine o modelo de aprendizado de máquina no locatário Production por pelo menos três semanas. Quando você treina em um locatário de produção, garante que o modelo tenha um fluxo constante de dados reais para o treinamento, de forma que possa aprender padrões de blocos de horas aceitáveis e inaceitáveis.
Se você precisar fazer o teste em um locatário que não seja de produção, habilite a detecção de anomalias de horas nos locatários de implementação. Se você começou a fazer testes em um locatário de implementação antes de 04-10-2024, agora precisa habilitar a extração de dados sob demanda para continuar a extração de dados normal.