Arbeiten mit Predictive Intelligence

  • Freigeben Version: Washingtondc
  • Aktualisiert 1. Februar 2024
  • 3 Minuten Lesedauer

    • Trainieren und verwenden Sie Predictive Intelligence -Lösungen, um verschiedene Aufgaben auszuführen und in andere ServiceNow -Produkte wie Document Intelligence und Task Intelligencezu integrieren.

    Übersicht

    Predictive Intelligence ist die Schnittstelle, über die Sie Modelle auf der KI-Plattform von ServiceNow trainieren können. Mit diesen Modellen können Sie Muster vorhersagen, schätzen und identifizieren, die zum Weiterleiten von Arbeit, Ausfüllen von Formularfeldern, Schätzen von Wartezeiten und mehr verwendet werden können.

    • Zeigen Sie Vorschläge für relevante Artikel an.
    • Weisen Sie Aufgaben zu, kategorisieren und priorisieren Sie sie.
    • Schwerwiegende Incidents erkennen
    • Empfehlen Sie Falllösungen.
    • Verhindern Sie doppelte Artikel und Ideen.
    • Phishing-Versuche erkennen

    Weitere Informationen zu den verschiedenen verfügbaren Lösungstypen finden Sie unter Erkunden Sie Predictive Intelligence.

    Trainieren Sie Ihre ML-Lösungen

    Predictive Intelligence Mit können Sie Vorhersagemodelle und ML-Lösungen trainieren, die Sie mithilfe von Daten in Ihren Instanzen anwenden können. Die von Ihnen erstellten Lösungen verwenden die -Frameworks, um Daten vorherzusagen, zu empfehlen und zu organisieren. Informationen zu den ersten Schritten finden Sie unter Erstellen und Trainieren von Lösungen.

    Sie können Predictive Intelligence auch auf andere Prozesse und Anwendungen erweitern, z. B.:

    Weitere Informationen finden Sie unter ServiceNow -Apps und -Funktionen, die verwenden Predictive Intelligence.

    Vorhersagen testen und überwachen

    Rufen Sie nach dem Erstellen und Trainieren Ihrer Lösungen die Predictive Intelligence-API auf, um eine Lösungsvorhersage zu treffen. Verwenden Sie die Ergebnisse, um die Leistung der Lösung zu messen und bei Bedarf Änderungen vorzunehmen.

    Sie können die Abdeckung und Genauigkeit der bereitgestellten Vorhersagemodelle mithilfe des Dashboards „Lösungsstatistiken“ nachverfolgen, das standardmäßig Berichte zu diesen Vorhersagebereichen bereitstellt.
    Bericht Beschreibung
    Durchschnittliche Vorhersageabdeckung (letzte 30 Tage) Der Prozentsatz der Vorhersagen, die aus der Gesamtzahl der versuchten Vorhersagen ein Ergebnis zurückgegeben haben. Klicken Sie auf den Abdeckungswert, um eine Aufgliederung nach Klassen anzuzeigen.
    Tägliche Vorhersagenabdeckung Der Prozentsatz der an einem bestimmten Tag erstellten Datensätze, für den die Lösung ein Ergebnis vorhersagen konnte.
    Durchschnittliche Vorhersagegenauigkeit (letzte 30 Tage) Der Prozentsatz der Vorhersagen, bei denen der vorhergesagte Wert mit dem endgültigen Wert des Felds beim Schließen des Datensatzes identisch war. Klicken Sie auf den Genauigkeitswert, um eine Aufgliederung nach Klassen anzuzeigen.
    Tägliche Vorhersagegenauigkeit Der Prozentsatz der an einem bestimmten Tag geschlossenen Datensätze, bei denen der vorhergesagte Feldwert mit dem endgültigen Wert identisch war.

    Weitere Informationen finden Sie unter Vorhersagen testen und überwachen.

    Instanz wird vorbereitet

    Damit Sie Predictive Intelligenceoptimal nutzen können, sollten Sie sich vorbereiten. Sie müssen keinen Code schreiben oder Berechnungen durchführen, aber die Entscheidung, was Sie mit den Lösungsdefinitionen tun möchten, erleichtert die Implementierung.

    • Identifizieren Sie die Probleme, die Sie mit Predictive Intelligencelösen möchten.
    • Über 30.000 bis 300.000 hochwertige Datensätze verfügen, aus denen Predictive Intelligence lernen kann.
    • Legen Sie Ihre Erwartungen fest.
    Hinweis:
    Inkonsistenzen oder Lücken in Trainingsdaten können zu falschen oder unzuverlässigen Vorhersagen führen.

    Implementierungsprozess

    Predictive Intelligence Die Implementierung von in einer Produktionsinstanz dauert ungefähr 14 Tage.

    • Tag 1: Produktionsinstanz in eine Nicht-Produktionsinstanz klonen
    • Tage 2–10: Erstellen Sie eine Lösungsdefinition, trainieren Sie sie anhand von Verlaufsdatensätzen und überprüfen Sie, ob die Lösung in der Nicht-Produktionsinstanz wie gewünscht funktioniert.
    • Tage 11–13: Erstellen Sie Import- und Update Sets, um die Lösung in die Produktion zu verschieben, trainieren und validieren Sie sie in der neuen Instanz und legen Sie die Häufigkeit für erneutes Trainieren fest.
    • Tag 14 und an: Überwachen der Lösung

    Im Allgemeinen können Workflows in Nicht-Produktionsumgebungen getestet und formatiert werden, bevor sie in die Produktionsinstanz verschoben werden, um Modelle weiter zu trainieren und Vorhersagen zu testen.

    Weitere Informationen zu den ersten Schritten mit Predictive Intelligencefinden Sie unter In unserem Leitfaden erfahren Sie, wie Sie mit beginnen Predictive Intelligence.