HR Predictive Intelligence-Workbench – Implementierung

  • Freigeben Version: Yokohama
  • Aktualisiert 30. Januar 2025
  • 3 Minuten Lesedauer

    • Sie können maschinelles Lernen verwenden, um Ihre Geschäftsprozesse zu optimieren. Sie können trainieren und implementieren HR Predictive Intelligence-WorkbenchAnwendungsfälle zur Erweiterung Ihrer vorhandenen Anwendungs-Workflows.

    Erkunden Sie allgemeine Anwendungsfallvorlagen

    Mit der Rolle „sn_piwb_hr_content.admin“ können Sie die Anwendungsfallvorlagen erkunden und prädiktive Modelle für maschinelles Lernen erstellen. Um ein Modell für maschinelles Lernen zu erstellen, wählen Sie zuerst eine vorgefertigte Anwendungsfallvorlage aus. Sie können eine der folgenden Vorlagen zum Einrichten der Anwendungsfälle verwenden.
    • Geführt Vorlagen umfassen einen umfassenden Setup-Prozess, der Sie bei der Implementierung unterstützt. Vorlagen mit verfügbaren automatisch trainierten Modellen beschleunigen Ihren Setup-Prozess, indem sie ein vorab generiertes Modell basierend auf Ihren Daten bereitstellen.
    • Klassisch Vorlagen enthalten umfassende Setup-Informationen, die Sie bei der Implementierung unterstützen. Nutzen Sie die vorhandenen Vorlagen, um die Modelle basierend auf Ihren Geschäftsanforderungen zu konfigurieren, zu testen und zu trainieren.

    Wenn eine Vorlage angibt Automatisch trainiertes Modell verfügbar , Dies bedeutet, dass Sie direkt zur Evaluierungsphase des Anwendungsfall-Setups wechseln können. Wenn das automatisch trainierte Modell akzeptabel ist, können Sie das Modell direkt in Ihre Geschäftsprozesse integrieren. Andernfalls können Sie das Modell optimieren oder ein anderes erstellen. Sie können den Namen und die Beschreibung des Anwendungsfalls später noch ändern.

    Lösungsdefinitionen

    Diese Lösungsdefinitionen sind als Vorlagen für Instanzen verfügbar, bei denen beide vorhanden sind Predictive IntelligenceUnd HR sind aktiv. Erstellen Sie Ihre eigenen Lösungsdefinitions-Datensätze, um das Verhalten anzupassen.

    Tabelle : 1. HR-Lösungsdefinitionen
    Lösungstyp Lösungsdefinition Beschreibung Implementierung
    Klassifizierung Prognostizieren Sie den HR-Service für eingehende Fälle Sagt den richtigen HR-Service für Fälle voraus. Geführt
    Klassifizierung Prognostizieren Sie die Zuweisungsgruppe für eingehende Fälle Sagt die richtige Zuweisungsgruppe für Fälle voraus. Geführt
    Klassifizierung E-Mail-Fallkategorisierung Kategorisiert den HR-Service für die E-Mail-Fälle automatisch, um die Produktivität durch Zeitersparnis und Kosteneinsparungen zu verbessern. Geführt
    Ähnlichkeit Ähnliche geschlossene HR-Fälle Empfiehlt ähnliche Fälle, die in der Vergangenheit geschlossen wurden, um einen HR-Mitarbeiter bei einer schnelleren und besseren Lösung zu unterstützen. Klassisch
    Ähnlichkeit Anwenderprofilbasierte Empfehlung Empfiehlt die 3 wichtigsten relevanten Artikel und Katalogelemente basierend auf Anwendern mit einem ähnlichen Profil für Content Discovery und personalisierte Experience. Klassisch
    Ähnlichkeit Ähnliche HR-Fälle und ähnliche Kenntnisse Automatisiert die Erkennung von Wissenslücken in Ihren Knowledge Bases und empfiehlt Einblicke in die Verbesserung von Wissen, das von der Nachfrage gesteuert wird. Klassisch
    Ähnlichkeit Ähnliche Wissensartikel für HR-Aufgabe Zeigt zugehörige Artikel an, um Mitarbeiter beim Abschließen der HR-, Inhalts- oder Kampagnenaufgaben zu unterstützen. Klassisch
    Ähnlichkeit Ähnliche Wissensartikel für HR-Fall Verwendet ML, um die relevantesten Wissensartikel zu identifizieren, um einen HR-Mitarbeiter bei einer schnelleren und besseren Lösung zu unterstützen. Klassisch
    Regression Zeit für HR-Falllösung Bestimmt die erwartete Lösungszeit eines Falls, indem ähnliche geschlossene Fälle in der Vergangenheit analysiert werden, um Transparenz und Transparenz zu verbessern. Klassisch
    Clustering Nachfrageeinblicke: HR-Fallcluster benötigen Wissen Identifiziert die Fallcluster, die kein Wissen haben, und hilft beim Schließen der Wissenslücken in Ihrer Knowledge Base. Klassisch

    Phasen der Anwendungsfallerstellung

    Die Erstellung eines auf maschinellem Lernen basierenden Vorhersagemodells umfasst mehrere Phasen. Nachdem Sie Ihr Modell erstellt und trainiert haben, bewerten und optimieren Sie, testen Sie Vorhersageergebnisse, und integrieren Sie das Modell in Ihren Geschäftsprozess. Phasen der Erstellung von Anwendungsfallmodellen:
    • Modelle erstellen und trainieren: Definieren Sie Parameter, um ein Modell zu erstellen, das Sie basierend auf Ihren eindeutigen Daten trainieren. Erstellen Sie mehrere Modelle, während Sie Ihre Modelle optimieren und verfeinern, indem Sie die richtige Kombination aus Abdeckung und Genauigkeit für die Verwendung definieren.
    • Testen Sie Ihre Modelle: Rufen Sie Vorhersageergebnisse aus Ihren Modellen ab, um zu entscheiden, welches am besten in Ihren Geschäftsprozess integriert werden soll. Um zu sehen, ob ein Modell ein korrektes Ergebnis zurückgibt, können Sie entweder den Einzel- oder den Batch-Testprozess verwenden.
    • Integrieren Sie das beste Modell: Stellen Sie das beste Modell in Ihrem Geschäftsprozess bereit. Nachdem Sie ermittelt haben, welches Modell die besten und zutreffendsten Ergebnisse zurückgibt, integrieren Sie es in die Produktion.

    Wartung der Vorhersagegenauigkeit

    Sie können Prognoseabweichungen verwalten, indem Sie Lösungen neu trainieren, ändern oder neue Lösungen erstellen, um Änderungen in Ihren Geschäftsbedingungen widerzuspiegeln. Testen und ändern Sie Ihre Business-Regel im Laufe der Zeit, um sicherzustellen, dass sie über mehrere Verbrauchspunkte und Anwenderpersona hinweg wie gewünscht funktioniert.