Implémentation de Console Intelligence prédictive RH

  • Rversion finale: Australia
  • Mis à jour 12 mars 2026
  • 4 minutes de lecture

    • Vous pouvez utiliser le machine learning pour optimiser vos processus business. Vous pouvez former et implémenter Console Intelligence prédictive RH des cas d’utilisation pour augmenter vos workflows d’application existants.

    Explorer les modèles de cas d’utilisation courants

    Avec le rôle sn_piwb_hr_content.admin, vous pouvez explorer les modèles de cas d’utilisation et créer des modèles d’apprentissage machine prédictifs. Pour créer un modèle d’apprentissage machine, vous devez d’abord sélectionner un modèle de cas d’utilisation prédéfini. Vous pouvez utiliser l’un des modèles suivants pour configurer les cas d’utilisation.
    • Les modèles guidés incluent un processus de configuration complet pour vous aider lors de l’implémentation. Les modèles contenant des modèles formés automatiquement disponibles accélèrent votre processus de configuration, en fournissant un modèle prégénéré en fonction de vos données.
    • Les modèles classiques incluent des informations de configuration complètes pour vous aider lors de l’implémentation. Exploitez les modèles existants pour configurer, tester et former les modèles en fonction des besoins de votre entreprise.

    Lorsqu’un modèle indique qu’un modèle formé automatiquement est disponible, cela signifie que vous pouvez accéder directement à la phase d’évaluation de la configuration du cas d’utilisation. Si le modèle formé automatiquement est acceptable, vous pouvez l’intégrer directement à vos processus business. Sinon, vous pouvez ajuster ce modèle ou créer un autre modèle. Vous pouvez changer le nom et la description du cas d'utilisation ultérieurement.

    Définitions des solutions

    Ces définitions de solutions sont disponibles en tant que modèles sur les instances où les RH Intelligence prédictive sont actifs. Créez vos propres enregistrements de définitions de solutions pour personnaliser le comportement.

    Tableau 1. Définitions de solutions RH
    Type de solution Définition de la solution Description Implémentation
    Classification Prédire le service RH pour les tickets entrants Prédit le service RH correct pour les tickets. Guidé
    Classification Prédire le groupe d’affectation pour les tickets entrants Prédit le groupe d’affectation correct pour les tickets. Guidé
    Classification Catégorisation des tickets d’e-mails Catégorise automatiquement le service RH pour les tickets d’e-mails afin d’améliorer la productivité en économisant du temps et de l’argent. Guidé
    Similarité Tickets RH fermés similaires Recommande des tickets similaires fermés dans le passé pour aider un agent RH à bénéficier d’une résolution plus rapide et de meilleure qualité. Classique
    Similarité Recommandation basée sur un profil d’utilisateur Recommande les 3 articles et éléments de catalogue les plus pertinents en fonction des utilisateurs ayant un profil similaire pour la découverte de contenu et l’expérience personnalisée. Classique
    Similarité Tickets RH similaires et base de connaissances Automatise la détection des lacunes de connaissances dans vos bases de connaissances et recommande des idées pour améliorer les connaissances en fonction de la demande. Classique
    Similarité Articles similaires de la base de connaissances pour la tâche RH Affiche les articles connexes pour aider les employés à effectuer les tâches RH, Contenu ou Campagne. Classique
    Similarité Articles similaires de la base de connaissances pour le ticket RH Utilise ML pour identifier les articles de la base de connaissances les plus pertinents afin d’aider un agent RH à accélérer et à améliorer la résolution. Classique
    Régression Délai de résolution du ticket RH Détermine le délai de résolution attendu d’un ticket en analysant des tickets fermés similaires dans le passé pour une meilleure visibilité et transparence. Classique
    Mise en grappe Aperçus de la demande : les grappes de tickets RH ont besoin de connaissances Identifie les grappes de tickets qui n’ont pas de connaissances et aide à combler les lacunes en connaissances dans votre base de connaissances. Classique

    Phases de création d'un cas d'utilisation

    La création d'un modèle d'apprentissage machine prédictif implique plusieurs phases. Une fois la création et la formation de votre modèle, évaluez et affinez les résultats de prédiction et intégrez le modèle à votre processus business. L'utilisation des phases de création de modèle de cas d'utilisation incluent :
    • Créez et formez des modèles : Définissez des paramètres pour créer un modèle que vous formez en fonction de vos données uniques. Créez plusieurs modèles au fur et à mesure que vous réglez et affinez vos modèles en définissant la bonne combinaison de couverture et de précision à utiliser.
    • Testez vos modèles : Obtenez des résultats de prédiction à partir de vos modèles pour décider lequel est le mieux à intégrer à votre processus business. Pour voir si un modèle renvoie un résultat correct, vous pouvez utiliser soit le processus de test unique, soit le test par lots.
    • Intégrez le meilleur modèle : Déployez le meilleur modèle dans votre processus business. Une fois que vous avez déterminé quel modèle renvoie le meilleur résultat correct, intégrez-le à la production.

    Maintenance de la précision des prédictions

    Vous pouvez gérer la dérive des prédictions en procédant à la reconversion, à la modification ou à la création de solutions pour refléter les changements dans vos conditions métier. Testez et modifiez votre règle métier dans le temps pour vous assurer qu’elle fonctionne comme souhaité sur plusieurs points de consommation et profils d’utilisateur.