HR-PIWB-Vorlage: Geschätzte Zeit bis zur Lösung empfehlen

Trainieren Sie Ihre Lösung, indem Sie Verlaufsdaten verwenden, um numerische Ausgaben basierend auf den Verlaufsdaten vorherzusagen. Konfigurieren Sie die Lösungsdefinition, um die geschätzte Zeit bis zur Lösung eines HR-Falls vorherzusagen.

Vorbereitungen

Erforderliche Rolle: sn_piwb_hr_content.admin

Warum und wann dieser Vorgang ausgeführt wird

Mit Regressionslösungen können Sie eine Punktschätzung und ein Vorhersageintervall vorhersagen. Bei Vorhersagen können Sie durch Regression auch ein Konfidenzniveau für das Vorhersageintervall (Bereich) angeben. Machen Sie sich mit den ETTR-Konfigurationsinformationen vertraut Geschätzte Zeit bis zur Lösung von HR-Fällen.

Prozedur

1. Navigieren zu Alle > Predictive Intelligence-Workbench > Anwendungsfälle > Erstellen Sie „Neu aus Vorlagen“an.
2. Wechseln Sie in der Vorlagenliste zu Geschätzte Zeit bis zur Lösung eines HR-Falls Und klicken Sie auf Starten .
   Ein Popup mit dem Modellnamen wird angezeigt. Dieser Anwendungsfall wird in der klassischen Predictive Intelligence behandelt. Sie werden dorthin gebracht, um das Setup abzuschließen. Sie können die folgenden Schritte ausführen:

   1. Stellen Sie sicher, dass Sie auf klicken Zeigen Sie die Produktdokumentation zum Einrichten dieses Anwendungsfalls an Dient zum Überprüfen der Anweisungen zum Konfigurieren der Lösungsdefinition.
      Hinweis:

      Stellen Sie sicher, dass Sie die Dokumentation zum Erstellen der Lösungsdefinition überprüfen und verstehen.
   2. Klicken Sie Auf Bringen Sie mich dorthin Um mit der Lösungsdefinition zu beginnen.
   Zielseite für Lösungen für maschinelles Lernen wird angezeigt.

   Abbildung : 1. HR-ML-Anwendungsfälle

   

3. Gehe zu Regression > ml_sn_sn_hr_core_global_hr_case_resolution_time Klicken Sie in den verfügbaren Lösungsdefinitionen auf Konfigurieren .
   Die Definition der Regressionslösung für die Lösungszeit des HR-Falls wird angezeigt.
4. Konfigurieren Sie diese Felder im Formular „Lösungsdefinition“ gemäß der folgenden Anleitung.

   Feld	Wert
   Bezeichnung	Geben Sie einen eindeutigen Namen für Ihre Regressionslösung ein. Geben Sie beispielsweise ein Zeit für HR-Falllösung .
   Name	Wenn Sie Ihren Lösungsbezeichnungswert eingeben, wird dieses Feld automatisch mit einem vom System zugewiesenen Namen ausgefüllt, der Ihrem Bezeichnungswert ähnelt ml_sn_sn_hr_core_global_hr_case_resolution_time
   Wortkorpus	Wählen Sie einen vorhandenen Wortkorpus aus, der für Ihre Lösung relevant ist. In diesem Anwendungsfall wählen Sie beispielsweise einen Wortkorpus aus, der einen Titel wie hat Wortkorpusregression . Wenn Sie keinen relevanten Wortkorpus haben, führen Sie die Schritte unter „Wortkorpus erstellen“ aus. Wenn der Wortkorpus abgeschlossen ist, können Sie ihn im Formular „Regressionsdefinition“ im Feld „Wortkorpus“ auswählen. Die Wortkorpusauswahl ist jedoch optional. Wenn Ihre Eingabedaten Textspalten haben und Sie keinen Wortkorpus auswählen, trainiert Ihre Regressionslösung ein neues Wortkorpusmodell, indem Sie die Textspalten in Ihren Eingabedaten verwenden. Der resultierende Wortkorpus kann in jeder anderen Regressionslösung oder einem anderen ML-Lösungstyp wiederverwendet werden. Hinweis: Die Anzahl der Datensätze pro Tabelle für die Wortkorpuserstellung, die in Regressionslösungen verwendet werden, ist auf 300.000 begrenzt.
   Tabelle	Wählen Sie die Datenbanktabelle aus, auf die Sie Regression anwenden. Die Tabelle muss Verlaufsdatensätze enthalten, die das System verwenden kann, um die Dauer der Datenbankwiederherstellung vorherzusagen HR-Fall [sn_hr_core_case] .
   Ausgabefeld	Wählen Sie das Feld aus, dessen Wert das Vorhersagemodell festlegen soll. Im Allgemeinen ist ein gutes Ausgabefeld ein numerisches Feld, eine Ganzzahl oder ein Gleitkommafeld. In diesem Beispielszenario verwenden Sie Actual_Resolution_time Feld zum Messen einer Zeitdauer. Das Ausgabefeld muss einen numerischen Wert generieren.
   Felder	Wählen Sie einen oder mehrere Feldtypen aus, mit denen das System die Datensätze identifizieren kann, die Sie mithilfe von Regression trainieren möchten. In diesem Szenario verwenden Sie short_description, description, hr_service,assignment_group, topic_detail, topic_category, priority,sys_class_name. Eingabefeldtypen können Zeichenfolge, nominal oder numerisch sein.
   Filter	(Optional) Fügen Sie den Ausgabefelddatensätzen Filterbedingungen hinzu, die Sie mit Regression trainieren möchten. Stellen Sie sicher, dass Sie über ausreichende Datensätze verfügen, indem Sie die Filter anpassen. Die Mindestanzahl von Datensätzen für Regressionstraining beträgt 10.000 Datensätze. Die maximale Anzahl von Datensätzen für Regressionstrainings ist auf 300.000 beschränkt.
   Verarbeitungs­sprache	Wählen Sie die dominante Sprache des Datensatzes aus, den Sie für die Lösungsdefinition trainieren. Wenn die Datensatzsprache Englisch ist, wählen Sie aus Englisch . Außerdem wird standardmäßig die englische Verarbeitung auf alle Datensätze angewendet. Wenn Sie beispielsweise Italienisch auswählen, verarbeitet das System die Daten sowohl auf Englisch als auch auf Italienisch. Hinweis: Die Bedingung Wird verarbeitet Gibt einige der sprachspezifischen Schritte an, die im Rahmen des Trainings einer Lösung verwendet werden. Beispiel: Tokenisieren von Wörtern, Entfernen von Stoppwörtern und Stemmming.
   Stoppwörter	Wenn Sie Ihre Verarbeitungssprache auswählen, fügt das System automatisch eine Stoppwortliste hinzu, die dieselbe Sprache verwendet. Wenn Ihre Verarbeitungssprache beispielsweise Italienisch ist, wird die Standardmäßige Italienische Stoppwörter Liste wird angezeigt. Die Standardmäßige Englische Stoppwörter Liste wird auch in Ihrer Auswahl angezeigt. Wenn Sie eine anwenderdefinierte Stoppwortliste erstellen, können Sie sie im Feld Stoppwörter auswählen, um sie Ihrer Lösung hinzuzufügen. In diesem Szenario verwenden Sie Standardmäßige Englische Stoppwörter Liste.
   Schulungs­häufigkeit	Wählen Sie aus, wie oft das System die Lösung basierend auf Datensätzen neu generiert, die mit übereinstimmen Filtern . Ihre Optionen umfassen: Einmal ausführen Alle 30 Tage Alle 60 Tage Alle 90 Tage Alle 120 Tage Alle 180 Tage In diesem Szenario wählen Sie alle 30 Tage aus Standardmäßig führt das System das Training einmal aus. Diese Praxis bietet Ihnen Zeit, die Lösungsdefinition nach Bedarf zu überprüfen und zu aktualisieren, bis sie akzeptable Abdeckungs- und Genauigkeitswerte bereitstellt. Die Mindestanzahl von Datensätzen, die für das Training zur Regressionslösung erforderlich sind, beträgt 000. Der ML-Planer begrenzt die Anzahl der Schulungen, die eine Instanz innerhalb von 24 Stunden auf 50 neue ML-Schulungsanforderungen pro Instanz festlegen kann. Dies schließt geplante Anforderungen für erneutes Training aus. Darüber hinaus sind Clustering und Ähnlichkeitsaktualisierungen ebenfalls von diesem Grenzwert ausgeschlossen, auch wenn die neuen Schulungsanforderungen innerhalb eines 24-Stunden-Zeitfensters 50 überschreiten.

5. Klicken Sie auf die entsprechende Kontextmenüoption oder Schaltfläche für Ihre Lösungsdefinition.

   Option	Beschreibung
   Speichern oder speichern und trainieren	Speichern Sie Ihren Lösungsdefinitionsdatensatz, damit Sie später zu ihm zurückkehren können, oder speichern Sie ihn, und übermitteln Sie ihn zum Training.
   Übermitteln oder übermitteln und trainieren	Erstellen Sie Ihren Lösungsdefinitionsdatensatz, und übermitteln Sie ihn, oder übermitteln Sie ihn, und trainieren Sie ihn.

6. Wenn Sie die Lösung zum Training übermittelt haben, klicken Sie auf OK Auf Trainingsaktivierung Fenster zur Bestätigung.
   Das System plant die Lösung für das Training mit dem nächstgelegenen Schulungsservice. Das System sendet Ihnen eine Benachrichtigung, wenn das Training abgeschlossen ist, einschließlich aller Fehler, die möglicherweise im Training aufgetreten sind. Alle anderen Anwender können abonnieren Predictive IntelligenceBenachrichtigungskategorie. Wenn das Training abgeschlossen ist, lädt das System die Lösung als Anhangsdatensatz hoch.

   Wenn die Konfiguration abgeschlossen ist, sehen die Mitarbeiter und Service Desk-Mitarbeiter die geschätzte Zeit bis zur Lösung in den Anforderungsabschnitten.

Nächste Maßnahme

In diesem Szenario haben Sie eine ML-Lösung aus Ihrer Lösungsdefinition erstellt. Im Abschnitt „zugehörige Links“ Ihrer ML-Lösung finden Sie die Registerkarten „Lösungsstatistiken“, „Testlösung“ und „Lösungsdefinition“. Überprüfen Sie auf der Registerkarte „Lösungsstatistiken“ die Statistiken zu Punktschätzung und -Bereich (Vorhersageintervall), die Ihre Lösung bereitgestellt hat.

Abbildung : 2. Definition der Regressionslösung

Auf der Registerkarte Testlösungen Ihrer Lösung können Sie die Vorhersageausgabe für die Datensätze testen, die Sie als Eingabe für die Vorhersage verwendet haben, indem Sie Werte für die Eingabefelder eingeben. Sie können auch das Standardkonfidenzniveau der Vorhersage von verwenden 95 , Oder geben Sie eine andere Ebene zwischen ein 0 Und 100 . Die Verwendung von 95 als Wert bedeutet, dass das System 95 % zuversichtlich ist, dass die tatsächliche Vorhersage innerhalb des Vorhersageintervalls liegt. Klicken Sie auf Test Ausführen Schaltfläche zum Suchen der Vorhersageausgabe.

Nachdem Sie den Test ausgeführt haben, werden die Prognoseausgabestatistiken angezeigt. Die Punktschätzung auf dem Bildschirm ist ein einzelner Wert zu einem Zeitpunkt. Wenn die Konfiguration abgeschlossen ist, sehen die Mitarbeiter und Service Desk-Mitarbeiter die geschätzte Zeit bis zur Lösung in den Anforderungsabschnitten.

Sie können den Integrationsstatus von überprüfen HR-Verwaltung > HR-KI-Konfiguration > Lösungsdefinitionan. Der Anwendungsfall ist jetzt der ausgewählten Lösungsdefinition zugeordnet.

• Geschätzte Zeit bis zur Lösung von HR-Fällen
  Bestimmen Sie die geschätzte Zeit bis zur Lösung eines Falls (ETTR) für einen Fall, indem Sie ähnliche geschlossene Fälle in der Vergangenheit analysieren, um Transparenz und Transparenz zu verbessern.
• ETTR-Vorhersagen werden angezeigt
  Zeigen Sie die Beispiele für ETTR-Ansichten auf der gesamten Journey eines Falls an, die die geschätzte Zeit bis zur Lösung basierend auf den Verlaufsdaten angibt.

Zugehörige Informationen

• Predictive Intelligence
• Erste Schritte mit Predictive Intelligence