Predictive Intelligence verwenden

  • Freigeben Version: Xanadu
  • Aktualisiert 1. August 2024
  • 3 Minuten Lesedauer

    • Trainieren und verwenden Sie Predictive Intelligence -Lösungen für verschiedene Aufgaben, die in andere ServiceNow -Produkte wie Document Intelligence und Task Intelligenceintegriert werden können.

    Übersicht

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

    • Vorschläge für relevante Artikel anzeigen.
    • Aufgaben zuweisen, kategorisieren und priorisieren.
    • Erkennen Sie schwerwiegende Incidents.
    • Falllösungen empfehlen.
    • Verhindern Sie doppelte Artikel und Ideen.
    • Erkennen Sie Phishing-Versuche.

    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

    Nachdem Sie Ihre Lösungen erstellt und trainiert haben, rufen Sie die Predictive Intelligence-API auf, um eine Lösungsvorhersage zu treffen. Verwenden Sie die Ergebnisse, um die Leistung der Lösung zu messen und nach Bedarf Changes 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, an denen die Lösung ein Ergebnis vorhersagen konnte.
    Durchschnittliche Vorhersagegenauigkeit (letzte 30 Tage) Der Prozentsatz der Vorhersagen, bei denen der vorhergesagte Wert dem endgültigen Wert des Felds entsprach, als der Datensatz geschlossen wurde. Klicken Sie auf den Genauigkeitswert, um eine Aufgliederung nach Klassen anzuzeigen.
    Tägliche Vorhersagegenauigkeit Der Prozentsatz der an einem bestimmten Tag geschlossenen Datensätze, an denen der vorhergesagte Feldwert mit dem endgültigen Wert übereinstimmte.

    Weitere Informationen finden Sie unter Vorhersagen testen und überwachen.

    Ihre Instanz wird vorbereitet

    Um Predictive Intelligenceoptimal zu nutzen, bereiten Sie vor. Sie müssen keinen Code schreiben oder Berechnungen durchführen, aber zu entscheiden, was Sie mit den Lösungsdefinitionen tun möchten, erleichtert die Implementierung.

    • Identifizieren Sie die Probleme, die Sie mit Predictive Intelligencelösen möchten.
    • 30.000–300.000 hochwertige Datensätze haben, 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: Klonen Sie die Produktionsinstanz in eine Instanz außerhalb der Produktion.
    • Tage 2–10: Erstellen Sie eine Lösungsdefinition, trainieren Sie sie anhand historischer Datensätze, und überprüfen Sie, ob die Lösung in der Instanz außerhalb der Produktion wie gewünscht funktioniert.
    • Tage 11–13: Erstellen Sie Import- und Update-Sätze, um die Lösung in die Produktion zu bringen, trainieren und validieren Sie sie auf der neuen Instanz, und legen Sie die Häufigkeit für das erneute Trainieren fest.
    • Tag 14 und am: Überwachen Sie die 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 Unser Leitfaden für die ersten Schritte mit Predictive Intelligence.