Modelo de PIWB de RH: tempo estimado de resolução recomendado

  • Versão de lançamento: Yokohama
  • Atualizado 30 de jan. de 2025
  • 7 min. de leitura

    • Treine sua solução usando dados históricos para prever saídas numéricas com base nos dados históricos. Configure a definição de solução para prever o tempo estimado para resolver um caso de RH.

    Antes de Iniciar

    Função necessária: sn_piwb_hr_content.admin

    Por Que e Quando Desempenhar Esta Tarefa

    As soluções de regressão permitem prever uma estimativa de ponto e um intervalo de previsão. Ao fazer previsões, a regressão também permite especificar um nível de confiança para o intervalo de previsão (intervalo). Entenda as informações de configuração do ETTR de Tempo estimado para resolver casos de RH.

    Procedimento

    1. Navegar até Tudo > Workbench de inteligência preditiva > Casos de Uso > Criar novo a partir de modelos.
    2. Na lista de modelos, acesse Tempo estimado para resolver um caso de RH e clique em Iniciar.
      Um pop-up com o nome do modelo é exibido. Este caso de uso é tratado na Inteligência preditiva clássica. Você será direcionado para lá para concluir a configuração. Você pode executar as seguintes etapas:
      1. Certifique-se de clicar em Exibir documentação do produto para configurar este caso de uso para revisar as instruções sobre como configurar a definição da solução.
        Nota:
        Certifique-se de revisar e entender a documentação para criar a definição da solução.
      2. Clique em Leve-me até lá para começar a definir a solução.
      A página principal de Soluções de aprendizado de máquina é exibida.
      Figura 1. Casos de uso de ML para RH
      Lista de casos de uso de ML para PIWB de RH
    3. Ir para Regressão > ml_sn_sn_hr_core_global_hr_case_resolution_time nas Definições de solução disponíveis, clique em Configurar.
      A definição de solução de regressão para o tempo de resolução de casos de RH é exibida.
    4. No formulário de definição de solução, configure esses campos de acordo com a orientação a seguir.
      Campo Valor
      Rótulo Insira um nome exclusivo para sua solução de regressão. Por exemplo, insira Tempo de resolução de caso de RH.
      Nome Conforme você insere o valor do rótulo da solução, este campo é preenchido automaticamente com um nome atribuído pelo sistema que é semelhante ao valor do rótulo ml_sn_sn_hr_core_global_hr_case_resolution_time
      Corpus de palavras

      Selecione um corpus de palavras existente que seja relevante para sua solução. Por exemplo, neste caso de uso, você seleciona um corpus de palavras que tem um título como Regressão de Corpus de Palavras.

      Se você não tiver um corpus de palavras relevante, siga as etapas em Criação de um corpus de palavras. Quando o corpus de palavras estiver completo, você poderá selecioná-lo no campo Corpus de palavras no formulário Definição de regressão.

      No entanto, a seleção do corpus de palavras é opcional. Se os dados de entrada tiverem colunas de texto e você não escolher um corpus de palavras, sua solução de regressão treinará um novo modelo de corpus de palavras usando as colunas de texto nos dados de entrada. O corpus de palavras resultante pode ser reutilizado em qualquer outra solução de regressão ou outro tipo de solução de ML.

      Nota:
      O número de registros por tabela para criação de corpus de palavras usado em soluções de regressão é limitado a 300.000.
      Tabela Selecione a tabela de banco de dados na qual você está aplicando a regressão. A tabela deve conter registros históricos que o sistema pode usar para prever o período de tempo para o Caso de RH de restauração do banco de dados [sn_hr_core_case].
      Campo de Saída

      Selecione o campo cujo valor você deseja que o modelo preditivo defina. Em geral, um bom campo de saída é um campo numérico, inteiro ou de ponto flutuante.

      Neste cenário de exemplo, você usa o campo actual_resolution_time para medir um período de tempo. O campo de saída deve gerar um valor numérico.
      Campos Selecione um ou mais tipos de campo que ajudam o sistema a identificar os registros que você deseja treinar usando a regressão. Neste cenário, você usa short_description, description, hr_service,assignment_group, topic_detail, topic_category, priority,sys_class_name. Os tipos de campo de entrada podem ser cadeia de caracteres, nominais ou numéricos.
      Filtro (Opcional) Adicione condições de filtro aos registros de campo de saída que você deseja treinar usando regressão. Certifique-se de ter registros suficientes ajustando os filtros.

      O número mínimo de registros para treinamento de regressão é de 10.000 registros.

      O número máximo de registros para treinamento de regressão está limitado a 300.000.
      Idioma de Processamento Selecione o idioma dominante do conjunto de dados que você está treinando na definição da solução. Se o idioma do conjunto de dados for inglês, escolha English. Além disso, o processamento em inglês é aplicado a todos os conjuntos de dados por padrão. Por exemplo, se você selecionar italiano, o sistema processará os dados em inglês e italiano.
      Nota:
      O termo processamento indica algumas das etapas específicas do idioma usadas como parte do treinamento de uma solução. Por exemplo, tokenizar palavras, remover palavras irrelevantes e truncar.
      Palavras irrelevantes Quando você seleciona o idioma de processamento, o sistema adiciona automaticamente uma lista de palavras irrelevantes que usa o mesmo idioma. Por exemplo, se o idioma de processamento for o italiano, a lista Palavras irrelevantes padrão em italiano será exibida. A lista Palavras irrelevantes padrão em inglês também aparecerá na sua seleção. Se você criar uma lista de palavras irrelevantes personalizada, poderá selecioná-la no campo Palavras irrelevantes para adicioná-la à sua solução. Neste cenário, você usa a lista Palavras irrelevantes padrão em inglês.
      Frequência de Treinamento
      Selecione a frequência com que o sistema gera novamente a solução com base nos registros correspondentes ao Filtro. Suas opções incluem:
      • Executar uma vez
      • A cada 30 dias
      • A cada 60 dias
      • A cada 90 dias
      • A cada 120 dias
      • A cada 180 dias

      Neste cenário, você seleciona A cada 30 dias

      Por padrão, o sistema executa o treinamento uma vez. Esta prática permite que você revise e atualize a definição da solução conforme necessário até que ela forneça valores aceitáveis de cobertura e precisão.

      O número mínimo de registros necessários para o treinamento da solução de regressão é de 10.000.

      O programador de ML limita o número de treinamentos que uma instância pode confirmar a 50 novas solicitações de treinamento de ML por instância em uma janela de 24 horas. Isso exclui solicitações de retreinamento programadas. Além disso, as atualizações de cluster e semelhança também são excluídas deste limite, mesmo se as novas solicitações de treinamento excederem 50 em uma janela de 24 horas.
    5. Clique na opção ou botão apropriado do menu de contexto para a definição da solução.
      OpçãoDescrição
      Salvar ou Salvar e Treinar Salve seu registro de definição de solução para que você possa retornar mais tarde ou salve-o e envie-o para treinamento.
      Enviar ou Enviar e Treinar Crie seu registro de definição de solução e envie-o ou envie-o e treine-o.
    6. Se você enviou a solução para treinamento, clique em OK na janela Ativação de treinamento para confirmar.
      O sistema programa a solução para treinamento com o serviço de treinamento mais próximo. O sistema envia uma notificação quando o treinamento é concluído, incluindo quaisquer erros que possam ter ocorrido no treinamento. Todos os outros usuários podem assinar a categoria Inteligência preditiva Notificações. Quando o treinamento é concluído, o sistema carrega a solução como um registro de anexo.

      Quando a configuração é concluída, os funcionários e agentes veem o tempo estimado de resolução nas seções de solicitação.

    O que Fazer Depois

    Neste cenário, você criou uma solução de ML a partir da definição da solução. Na seção Links relacionados da sua solução de ML, consulte as guias Estatísticas da solução, Solução de teste e Definição da solução. Na guia Estatísticas da Solução, revise as estatísticas de Estimativa de Ponto e Intervalo (intervalo de previsão) que sua solução forneceu.
    Figura 2. Definição da solução de regressão
    Estatísticas de definição de solução de regressão para caso de RH

    Na guia Testar soluções da sua solução, você pode testar a saída de previsão dos registros usados como entrada para a previsão inserindo valores nos campos de entrada. Você também pode usar o nível de confiança de previsão padrão de 95ou inserir um nível diferente entre 0 e 100. Usar 95 como o valor significa que o sistema tem 95% de confiança de que a previsão real está dentro do intervalo de previsão. Clique no botão Executar teste para encontrar a saída da previsão.

    Depois de executar o teste, as estatísticas de saída da previsão são exibidas. A estimativa de ponto na tela é um valor único em um ponto no tempo. Quando a configuração é concluída, os funcionários e agentes veem o tempo estimado de resolução nas seções de solicitação.

    Você pode verificar o status da integração em Administração de RH > Configurações de IA do RH > Definição de solução. O caso de uso agora está mapeado para a definição de solução selecionada.