HR 예측 인텔리전스 워크벤치 구현
머신 러닝을 사용하여 비즈니스 프로세스를 최적화할 수 있습니다. HR 예측 인텔리전스 워크벤치 사용 사례를 훈련하고 구현하여 기존 애플리케이션 워크플로우를 보강할 수 있습니다.
일반 사용 사례 템플릿 탐색
sn_piwb_hr_content.admin 역할이 있으면 사용 사례 템플릿을 탐색하고 예측 머신 러닝 모델을 만들 수 있습니다. 머신 러닝 모델을 만들려면 먼저 사전 구축된 사용 사례 템플릿을 선택합니다. 다음 템플릿 중 하나를 사용하여 사용 사례를 설정할 수 있습니다.
- 안내형 템플릿에는 구현을 수행할 수 있도록 종합적인 설정 프로세스가 포함되어 있습니다. 자동 훈련된 모델을 사용할 수 있는 템플릿은 데이터를 기반으로 미리 생성된 모델을 제공하여 설정 프로세스를 가속화합니다.
- 클래식 템플릿에는 구현을 수행할 수 있도록 종합적인 설정 정보가 포함되어 있습니다. 기존 템플릿을 활용하여 비즈니스 요구사항에 따라 모델을 구성, 테스트 및 교육합니다.
템플릿에 자동 훈련된 모델 사용 가능이라고 표시되면 사용 사례 설정의 평가 단계로 바로 이동할 수 있습니다. 자동 훈련된 모델이 기준에 적합한 경우, 모델을 비즈니스 프로세스와 바로 통합할 수 있습니다. 그렇지 않으면 모델을 튜닝하거나 다른 모델을 만들 수 있습니다. 사용 사례의 이름 및 설명을 나중에 변경할 수 있습니다.
솔루션 정의
이러한 솔루션 정의는 예측 인텔리전스 및 HR이 모두 활성 상태인 인스턴스에서 템플릿으로 사용할 수 있습니다. 고유한 솔루션 정의 기록을 생성하여 동작을 사용자 지정합니다.
| 솔루션 유형 | 솔루션 정의 | 설명 | 구현 |
|---|---|---|---|
| 분류 | 수신 케이스의 HR 서비스 예측 | 케이스의 올바른 HR 서비스를 예측합니다. | 가이드 있음 |
| 분류 | 수신 케이스의 할당 그룹 예측 | 케이스의 올바른 할당 그룹을 예측합니다. | 가이드 있음 |
| 분류 | 이메일 케이스 범주화 | 시간과 비용을 절약하여 생산성을 향상하기 위해 이메일 케이스의 HR 서비스를 자동으로 분류합니다. | 가이드 있음 |
| 유사성 | 유사 종결 HR 케이스 | HR 에이전트의 더 신속하고 더 나은 해결을 지원하기 위해 과거에 종결된 유사한 케이스를 추천합니다. | 클래식 |
| 유사성 | 사용자 프로파일 기반 권장 | 컨텐츠 검색과 개인화된 환경을 위해 유사한 프로파일을 보유한 사용자를 기반으로 상위 3개의 관련 문서와 카탈로그 항목을 추천합니다. | 클래식 |
| 유사성 | 유사한 HR 케이스 및 지식 | 지식베이스에서 지식 격차의 검색을 자동화하고 요청을 기반으로 하는 지식 개선에 대한 통찰력을 추천합니다. | 클래식 |
| 유사성 | HR 작업에 대한 유사한 지식 문서 | 직원의 HR 또는 컨텐츠 또는 캠페인 할 일을 완료하는 데 도움이 될 관련 문서를 표시합니다. | 클래식 |
| 유사성 | HR 케이스에 대한 유사한 지식 문서 | ML을 사용하여 가장 관련성이 높은 지식 문서를 식별함으로써 HR 에이전트의 보다 빠르고 더 나은 해결을 지원합니다. | 클래식 |
| 회귀 | HR 케이스 해결 시간 | 가시성과 투명성을 높이기 위해 과거의 유사한 종결 케이스를 분석하여 케이스에 예상되는 해결 시간을 정합니다. | 클래식 |
| 클러스터링 | 수요 인사이트: HR 케이스 클러스터에 Knowledge 필요 | 지식이 없는 케이스 클러스터를 식별하고 지식베이스에서 지식 격차를 채우는 작업을 지원합니다. | 클래식 |
사용 사례 생성 단계
예측 머신 러닝 모델을 만들려면 여러 단계를 거쳐야 합니다. 모델을 만들고 교육한 후에는 모델을 평가 및 조정하고, 예측 결과를 테스트하고, 모델을 비즈니스 프로세스와 통합해야 합니다. 사용 사례 모델 생성 단계는 다음과 같습니다.
- 모델 생성 및 교육: 매개변수를 정의하여 고유의 데이터를 기반으로 교육할 모델을 만듭니다. 사용할 범위와 정밀도의 올바른 조합을 정의하여 모델을 조정하고 개선하면서 여러 모델을 만듭니다.
- 모델 테스트: 모델의 예측 결과를 가져와서 비즈니스 프로세스와 통합하는 데 가장 적합한 모델을 결정합니다. 모델이 올바른 결과를 반환하는지 확인하려면 단일 또는 배치 테스트 프로세스를 사용하면 됩니다.
- 가장 적절한 모델 통합: 가장 적절한 모델을 비즈니스 프로세스에 배포합니다. 최상의 결과를 반환하는 모델을 확인한 후에는 결과를 수정하고 모델을 프로덕션에 통합합니다.
예측 정확도 유지관리
비즈니스 조건의 변경 사항을 반영하기 위해 새로운 솔루션을 재교육, 수정 또는 생성하여 예측 차이를 관리할 수 있습니다. 여러 소비 지점과 가상 사용자에서 필요한 만큼 작동하는지 확인하기 위해 시간에 따른 비즈니스 규칙을 테스트하고 수정합니다.