Conceito: anormalidades no resultado da folha de pagamento
Este tópico se aplica a:
- Folha de pagamento para a Austrália
- Folha de pagamento para o Canadá
- Folha de pagamento para o Reino Unido
- Folha de pagamento para os EUA
O que são anormalidades no resultado da folha de pagamento?
Anormalidades no resultado da folha de pagamento são quaisquer resultados que, por um ou mais motivos, são atípicos para um cálculo de pagamento executado regularmente. O Workday usa o aprendizado de máquina para determinar o cálculo de pagamento normal e os padrões de resultados com base nos resultados de pagamento históricos e nos dados atuais e históricos do trabalhador.
As anomalias de pagamento usam as informações de pagamento dos trabalhadores, com base nos resultados atuais e históricos da folha de pagamento, para aprendizado de padrões de pagamento anormais históricos. Em seguida, ele usa esses padrões para prever resultados anormais da folha de pagamento para o período de pagamento atual.
O modelo de aprendizado de máquina também leva em consideração dados históricos, por exemplo, se os administradores marcaram resultados de pagamento semelhantes como normais ou anormais. O Workday então identifica os resultados da folha de pagamento que violam esses padrões e atribui uma pontuação ao resultado, quantificando a probabilidade de que o resultado seja anormal.
Quando o Workday identifica um resultado de folha de pagamento como anormal, isso não significa que o resultado é inválido. Em vez disso, o resultado é atípico e pode requerer atenção adicional. À medida que o modelo de aprendizado de máquina coleta mais dados, o Workday identifica anormalidades com mais precisão.
Confidencialidade de anormalidade
O nível de confiança refere-se ao nível de confiança do modelo em sua predição de uma anomalia de pagamento que é Normal ou Anormal. Os valores possíveis são: alto, médio, baixo ou nenhum. Nenhuma pode ser aplicada quando não há resultados suficientes nos quais basear uma predição; por exemplo, para um novo colaborador.