HR PIWB 템플릿: 해결 예상 시간 추천

  • 릴리스 버전: Yokohama
  • 업데이트 날짜 2025년 01월 30일
  • 읽기6분
  • 기록 데이터를 기반으로 숫자 출력을 예측하기 위해 기록 데이터를 사용하여 솔루션을 교육합니다. HR 케이스를 해결하는 데 소요되는 예상 시간을 예측하도록 솔루션 정의를 구성합니다.

    시작하기 전에

    필요한 역할: sn_piwb_hr_content.admin

    이 태스크 정보

    회귀 솔루션을 사용하면 포인트 추정치와 예측 간격을 예측할 수 있습니다. 예측을 할 때 회귀를 사용하면 예측 간격(범위)에 대한 신뢰도 수준을 지정할 수도 있습니다. HR 케이스 해결 예상 시간 문서를 통해 ETTR 구성 정보를 이해합니다.

    프로시저

    1. 다음으로 이동 모두 > 예측 인텔리전스 워크벤치 > 사용 케이스 > 템플릿에서 신규 작성.
    2. 템플릿 목록에서 HR 케이스 해결의 예상 소요 시간으로 이동하고 시작을 클릭합니다.
      모델 이름이 있는 팝업이 나타납니다. 이 사용 사례는 클래식 Predictive Intelligence에서 처리됩니다. 클래식 Predictive Intelligence로 이동하여 설정을 완료하게 됩니다. 다음 단계를 수행할 수 있습니다.
      1. 이 사용 사례를 설정하기 위한 제품 문서 보기를 클릭하여 솔루션 정의를 구성하는 방법에 대한 지침을 검토합니다.
        주:
        솔루션 정의를 생성하기 위한 문서를 검토하고 이해해야 합니다.
      2. 솔루션 정의를 시작하려면 이동하기를 클릭합니다.
      머신 러닝 솔루션 방문 페이지가 나타납니다.
      그림 1. HR ML 사용 사례
      HR PIWB에 대한 ML 사용 케이스 목록
    3. 이동 회귀 > ml_sn_sn_hr_core_global_hr_case_resolution_time 사용 가능한 솔루션 정의에서 구성을 클릭합니다.
      HR 케이스 해결 시간에 대한 회귀 솔루션 정의가 나타납니다.
    4. 솔루션 정의 양식에서 다음 지침에 따라 해당 필드를 구성합니다.
      필드
      레이블 회귀 솔루션의 고유한 이름을 입력합니다. 예를 들어 HR 케이스 해결 시간을 입력합니다.
      이름 솔루션 레이블 값을 입력하면 이 필드는 시스템에서 할당한, 레이블 값 ml_sn_sn_hr_core_global_hr_case_resolution_time과 유사한 이름으로 자동으로 채워집니다.
      Word 말뭉치

      솔루션과 관련된 기존 단어 말뭉치를 선택합니다. 예를 들어, 이 사용 사례에서는 단어 말뭉치 회귀와 같은 제목이 있는 단어 말뭉치를 선택합니다.

      관련 단어 말뭉치가 없는 경우 다음 단어 말뭉치 만들기 단계를 수행합니다. 단어 말뭉치가 완료되면 회귀 정의 양식의 단어 말뭉치 필드에서 단어 말뭉치를 선택할 수 있습니다.

      하지만 단어 말뭉치 선택은 선택 사항입니다. 입력 데이터에 텍스트 열이 있으며 단어 말뭉치를 선택하지 않으면 회귀 솔루션은 입력 데이터의 텍스트 열을 사용하여 새 단어 말뭉치 모델을 교육합니다. 그렇게 만들어진 단어 말뭉치는 다른 회귀 솔루션 또는 기타 ML 솔루션 유형에서 다시 사용할 수 있습니다.

      주:
      회귀 솔루션에 사용되는 단어 말뭉치 생성을 위한 테이블당 기록 수는 300,000으로 제한됩니다.
      테이블 회귀를 적용할 데이터베이스 테이블을 선택합니다. 이 테이블에는 시스템에서 데이터베이스 재개 HR 케이스[sn_hr_core_case]에 소요되는 시간을 예측할 수 있도록 기록 데이터가 포함되어야 합니다.
      출력 필드

      예측 모델을 설정할 값이 있는 필드를 선택합니다. 일반적으로 양호한 출력 필드는 숫자, 정수 또는 부동 소수점 필드입니다.

      이 예제 시나리오에서는 actual_resolution_time 필드를 사용하여 시간을 측정합니다. 출력 필드는 숫자 값을 생성해야 합니다.

      필드 시스템이 회귀를 사용하여 교육할 기록을 식별하는 데 도움이 되는 하나 이상의 필드 유형을 선택합니다. 이 시나리오에서는 short_description, description, hr_service,assignment_group, topic_detail, topic_category, priority,sys_class_name을 사용합니다. 입력 필드 유형은 문자열, 명사 또는 숫자일 수 있습니다.
      필터 (선택 사항) 회귀를 사용하여 교육할 출력 필드 기록에 필터 조건을 추가합니다. 필터를 조정하여 충분한 기록이 있도록 합니다.

      회귀 교육의 최소 기록 수는 10,000개입니다.

      회귀 교육의 최대 기록 수는 300,000개로 제한됩니다.

      처리 언어 솔루션 정의에서 교육하려는 데이터 세트의 지배적 언어를 선택합니다. 데이터 세트 언어가 영어인 경우 영어를 선택합니다. 또한 기본적으로 모든 데이터 세트에 영어 처리가 적용됩니다. 예를 들어, 이탈리아어를 선택하면 시스템이 데이터를 영어와 이탈리아어로 처리합니다.
      주:
      처리 중이라는 용어는 솔루션 교육의 일부로 사용되는 언어별 단계를 나타냅니다. 예를 들면 단어 토큰화, 스톱 워드 제거, 어간 추출 등입니다.
      스톱 워드 처리 언어를 선택하면 시스템이 자동으로 동일한 언어를 사용하는 스톱 워드 목록을 추가합니다. 예를 들어, 처리 언어가 이탈리아어인 경우 기본 이탈리아어 스톱 워드 목록이 나타납니다. 기본 영어 스톱 워드 목록도 선택에 함께 표시됩니다. 사용자 지정 스톱 워드 목록을 만드는 경우 스톱 워드 필드에서 선택하고 솔루션에 추가할 수 있습니다. 이 시나리오에서는 기본 영어 스톱 워드 목록을 사용합니다.
      교육 빈도
      시스템이 필터와 일치하는 기록을 기반으로 솔루션을 다시 생성하는 빈도를 선택합니다. 옵션은 다음과 같습니다.
      • 한 번 실행
      • 30일마다
      • 60일 마다
      • 90일마다
      • 120일마다
      • 180일마다

      이 시나리오에서는 30일마다를 선택합니다.

      기본적으로 시스템에서 교육을 한 번 실행합니다. 이 연습에서는 허용 가능한 범위와 정확도 값을 제공할 때까지 필요한 만큼 솔루션 정의를 검토하고 업데이트할 시간이 제공됩니다.

      회귀 솔루션 교육에 필요한 최소 기록 수는 10,000개입니다.

      ML 스케줄러는 인스턴스가 커밋할 수 있는 교육의 수를 24시간 동안 인스턴스당 50개의 새로운 ML 교육 요청으로 제한합니다. 예약된 재교육 요청은 제외됩니다. 또한 새 교육 요청이 24시간 내에 50개를 초과하는 경우에도 클러스터링 및 유사성 업데이트는 이 제한에서 제외됩니다.

    5. 솔루션 정의에 대한 적절한 컨텍스트 메뉴 옵션 또는 버튼을 클릭합니다.
      옵션설명
      저장 또는 저장 및 교육 솔루션 정의 기록을 저장하여 나중에 반환하거나 교육을 위해 저장하고 제출할 수 있습니다.
      제출 또는 제출 및 교육 솔루션 정의 기록을 만들고 제출하거나 제출하고 교육합니다.
    6. 교육용 솔루션을 제출한 경우에는 교육 활성화 창에서 확인을 클릭하여 확인합니다.
      가장 가까운 교육 서비스를 사용하여 솔루션 교육이 예약됩니다. 교육이 완료되면 시스템에서 알림을 전송하며, 이 알림에는 교육에서 발생했을 수 있는 모든 오류가 포함됩니다. 다른 사용자가 예측 인텔리전스 알림 범주를 구독할 수 있습니다. 교육이 완료되면 시스템에서 솔루션을 첨부 레코드로 업로드합니다.

      구성이 완료되면 직원 및 에이전트는 요청 섹션에서 예상 해결 시간을 볼 수 있습니다.

    다음에 수행할 작업

    이 시나리오에서는 솔루션 정의에서 ML 솔루션을 생성했습니다. ML 솔루션의 관련 링크 섹션에서 솔루션 통계, 테스트 솔루션 및 솔루션 정의 탭을 참조하십시오. 솔루션 통계 탭에서 솔루션에서 제공한 포인트 추정치 및 범위(예측 간격) 통계를 검토합니다.
    그림 2. 회귀 솔루션 정의
    HR 케이스에 대한 회귀 솔루션 정의 통계

    솔루션의 테스트 솔루션 탭에서 입력 필드의 값을 입력하여 예측에 대한 입력으로 사용한 기록의 예측 출력을 테스트할 수 있습니다. 기본 예측 신뢰도 수준인 95를 사용하거나 0100 사이의 다른 수준을 입력할 수 있습니다. 95를 값으로 사용하는 것은 시스템에서 실제 예측이 예측 간격 내에 있으리라고 95% 신뢰한다는 뜻입니다. 예측 출력을 찾으려면 테스트 실행 버튼을 클릭합니다.

    테스트를 실행하면 예측 출력 통계가 나타납니다. 화면의 포인트 추정치는 한 시점의 단일 값입니다. 구성이 완료되면 직원 및 에이전트는 요청 섹션에서 예상 해결 시간을 볼 수 있습니다.

    통합 상태는 다음에서 확인할 수 있습니다. HR 관리 > HR AI 구성 > 솔루션 정의. 이제 사용 사례가 선택한 솔루션 정의에 매핑됩니다.