Inteligência preditiva estruturas

Inteligência preditiva fornece três estruturas de modelo diferentes na versão Washington DC : classificação, semelhança e clustering. Cada estrutura é especialista em diferentes tipos de previsões.

Inteligência preditiva estrutura de classificação

A estrutura de classificação Inteligência preditiva permite que você use algoritmos de aprendizado de máquina para definir valores de campo categóricos durante a criação do registro. Por exemplo, você pode usar o modelo para definir a categoria do incidente com base na descrição resumida. Você pode treinar modelos preditivos para que eles atuem como um agente para categorizar e rotear o trabalho automaticamente com base em sua experiência anterior de manipulação de registros.

Habilite Inteligência preditiva para lidar com volumes de solicitações de entrada a custos mais baixos. Automatize a categorização e a atribuição de solicitações para reduzir:

• Tempos de resolução da tarefa.
• O número de interações necessárias para resolver tarefas.
• As taxas de erro de categorização e atribuição de trabalho.

Para obter mais informações, consulte Criar e treinar uma solução de classificação.

Inteligência preditiva estrutura de semelhança

A estrutura de semelhança Inteligência preditiva identifica registros existentes que têm valores semelhantes a um novo registro. Por exemplo, você pode treinar um subconjunto de seus registros de incidentes para recomendar uma resolução com base nas informações de um registro de incidente semelhante. Ao reutilizar incidentes encerrados semelhantes que têm uma resolução comprovada, você pode ajudar os agentes e executantes a fornecer rapidamente a melhor resolução para um incidente de entrada.

A estrutura de semelhança não precisa de uma correspondência exata de palavras-chave para suas comparações de texto porque seus algoritmos identificam palavras e sinônimos semelhantes com base em contextos semelhantes. Por exemplo, as frases impressora não funcionando e impressora quebrada são reconhecidas como semelhantes. A estrutura também coleta, aprende e aplica o contexto específico do setor. Por exemplo, a frase não é possível ingressar na rede tem um contexto diferente em uma empresa de rede de computadores do que em uma seguradora de saúde.

A estrutura de semelhança usa uma solução de semelhança de fluxo de trabalho. Para obter mais informações, consulte Criação e treinamento de uma solução de semelhança.

Inteligência preditiva estrutura de clustering

O clustering divide os dados em grupos que podem ser usados para identificar padrões. Você pode então abordar os registros coletivamente ou encontrar lacunas nos dados existentes. Por exemplo, você pode agrupar novos incidentes semelhantes para identificar uma indisponibilidade grave.

A estrutura de clustering usa uma solução de clustering de fluxo de trabalho. Para obter mais informações, consulte Criação e treinamento de uma solução de clustering.

Descontinuado na versão [ Washington DC : estrutura de regressão Inteligência preditiva

Importante:

O suporte para a criação de novas soluções de regressão foi removido na versão Washington DC. Você ainda poderá treinar e editar soluções existentes, mas não poderá criar novas.

A regressão é uma estrutura de aprendizado de máquina que você pode treinar com dados históricos para prever saídas numéricas, como uma temperatura ou um preço de ação. As estruturas de regressão podem ser usadas diretamente para medir o sucesso. Por exemplo, você pode usar a regressão para estimar o tempo necessário para resolver um incidente ou um caso.

Para obter mais informações, consulte Criar e treinar uma solução de regressão.