概念：人力最佳化機器學習流程

人力需求預測引擎使用結構化的多步驟流程，將原始歷史資料轉換為可靠的人力需求預測。您的資料可建置深入了解業務需求，進而直接製定最佳化的人員任用任用決策。您的資料絕不會離開Workday環境。

步驟	說明	資料處理
資料引入與分析	您的資料會安全地儲存在中央資料中心，機器學習引擎會擷取這些資料並啟動探索性資料分析 (EDA)。	我們會分析原始資料，以了解其屬性、趨勢和基本面特徵。
前處理與清除	此步驟可確保模型培訓所需的資料乾淨且一致。資料會透過數個自動化動作進行處理。	我們會合併資料、移除重複項目、以零填補缺少的區間、執行異常值偵測與取代、清除不一致並新增排程事件 (例如假日或升遷)。
模型訓練	然後，機器學習引擎會使用經過清理和預處理的資料來訓練模型。	此模型會根據您定義的所有排程組織中的每日指標資料，尋找模式和趨勢。模型會在這個階段學習您的資料與需求之間的歷史關係。
產生預測	經過訓練的機器學習引擎會產生每日預測。系統會根據到職確定的最佳擬合度，使用趨勢型預測模型或坡度增強樹狀模型產生預測。	機器學習引擎會使用排程組織資料和經過訓練的模型，為每個排程組織產生每日預測。
預測分佈	每日預測會進一步細分，以滿足您的營運需求。	機器學習引擎會使用排程組織的歷史模式，將每日總預測重新分配到您配置的間隔 (例如每小時、30 分鐘或 15 分鐘的區間)。
輸出與應用	特定區間的最終預測會離開機器學習引擎，並儲存起來供報告使用。	人力對應規則會使用這些預測來計算必要, 必填, 必修人力需求，人力最佳化引擎最後會使用這些預測，為您的團隊建立最適合的時間表。