ベンダー管理ワークスペースでベンダー成功指標とともにインストールされる

  • リリースバージョン: Washingtondc
  • 更新日 2024年02月01日
  • 読む3読むのに数分

    • ベンダー成功指標アプリケーションを使用すると、ベンダーのパフォーマンスを他のトップパフォーマンスベンダーと比較できます。

    重要:
    Success Indicators (com.snc.vendor.insights) プラグインは、別途 ServiceNow Store からインストールする必要があります。詳細については、「ベンダー管理ワークスペース のアクティブ化」を参照してください。
    表 : 1. ベンダー成功指標とともにインストールされるジョブスケジュール
    名前 説明
    ベンダー成功指標の週次 Scheduled Job 毎週実行され、過去 30 日間のベンダー属性データを収集します。ジョブは次に、予測インテリジェンス を使用して、高いパフォーマンスのベンダーとの属性の相関を計算します。
    表 : 2. ベンダー成功指標とともにインストールされるプロパティ
    名前 説明
    sn_app_ml_insights.top_n_results さらに分析するためにインサイト結果テーブルから取得する上位 N 件の結果。デフォルト値は 5 です。
    sn_app_ml_insights.max_records_to_process 成功指標ジョブによって処理される最大レコード数。デフォルト値は 50000 です。
    sn_app_ml_insights.attr_category_string_value_limit カテゴリを作成する前に許可される文字列値の最大数。デフォルト値は 5 です。
    sn_app_ml_insights.keep_last_n_runs テーブルクリーナーを実行した後に保持される最新の実行数。デフォルト値は 2 です。
    sn_app_ml_insights.attr_datatype_inclusion_list ベンダーインサイト属性の定義に使用する有効なデータタイプのカンマ区切りリスト。

    デフォルト値は、 boolean,currency,date,datetime,due_date,field_name,glide_date,glide_date_time,glide_list,int,integer,long,string,time,translated,translated_field,translated_text です。
    sn_app_ml_insights.chi_squared_critical_value 2 つの値を比較して統計的有意性があるかどうかを確認するカイ二乗検定の臨界値。デフォルト値は 3.84 です。
    sn_app_ml_insights.chi_squared_threshold カイ二乗検定の臨界値のしきい値。デフォルト値は 5 です。
    表 : 3. ベンダー成功指標とともにインストールされる属性
    属性名 属性タイプ デフォルト値
    Performance Analytics インジケーター
    平均可用性 平均可用性 true
    平均 SLA 達成度 平均 SLA 達成度 true
    平均安定性 平均安定性 true
    平均顧客満足度 平均顧客満足度 true
    SO の平均パフォーマンススコア サービスオファリングの平均パフォーマンススコア true
    ベンダー満足度 ベンダー満足度 true
    テーブル属性
    契約 SLA コミットメント SLA 定義 [contract_sla] true
    契約 SLA タイプ SLA 定義 [contract_sla] true
    国 会社 [core_company] true
    ランク 会社 [core_company] true
    関係開始 会社 [core_company] false
    サービスコミットメントタイプ サービス コミットメント [service_commitment] true
    サービスオファリングビジネス重要性 サービスオファリング [service_offering] true
    契約の総コスト 会社 [core_company] false
    一意のサブスクライバー 会社 [core_company] true
    ベンダーステータス 会社 [core_company] false
    ベンダータイプ 会社 [core_company] false