Прогнозирование справочных
полей
В BPMSoft модель машинного обучения типа «Прогнозирование справочного поля» позволяет предсказывать и автоматически заполнять значения справочных полей.
По умолчанию в BPMSoft преднастроены следующие модели прогнозирования справочных полей:
- «Прогнозирование: Сервис обращения»;
- «Прогнозирование: Группа ответственных обращения»;
- «Прогнозирование: Приоритет обращения».
Подробнее с каждой преднастроенной моделью вы можете ознакомиться в Преднастроенные модели машинного обучения.
Например, с помощью преднастроенной модели «Прогнозирование: Приоритет обращения» можно для каждого нового обращения автоматически заполнять поле «Приоритет» на основании описания проблемы и данных контрагента.
Рисунок 1 — Результат прогнозирования приоритета обращения
Возможны три типа прогнозирования справочного поля, согласно которым отображаются следующие кнопки:
-
— прогноз с несколькими близкими вероятностями. Существует несколько значений, вероятности которых близки. Поле остается незаполненным; 
— слабый прогноз. Возникает в случае, когда анализируемые данные невозможно сравнить с обучающей выборкой. Поле остается незаполненным;
— уверенный прогноз. Существует один явный лидер в прогнозе. Поле автоматически заполняется значением данного лидера.
Чтобы выбрать необходимое значение, нажмите кнопку и выберите подходящий вариант из выпадающего списка. В списке отображаются все возможные поля с соответствующими вероятностями.
Этапы настройки модели
Для настройки прогнозирования справочного поля необходимо выполнить следующие этапы:
- Создать модель или выбрать преднастроенную, настроить ее параметры. Подробнее: Создание модели.
- Обучить модель машинного обучения на бизнес-данных компании. Подробнее: Обучение модели.
- Настроить запуск прогнозирования: по бизнес-процессу, который позволяет регулировать время запуска и количество прогнозируемых записей.
Создание модели
Чтобы создать модель прогнозирования справочного поля, выполните следующие шаги:
- Перейдите в раздел «Модели машинного обучения» из дизайнера системы
или рабочего места «Конструктор». - Нажмите кнопку «Добавить» и выберите модель типа «Прогнозирование справочного поля».
Рисунок 2 — Создание модели типа «Прогнозирование справочного поля»
- В мини-карточке заполните обязательные поля:
- Название — название модели;
- Тип — тип модели машинного обучения, значение устанавливается автоматически согласно выбранному типу;
- Объект — объект, для записей которого необходимо прогнозировать данные;
- Название экземпляра — уникальное название текущего экземпляра модели машинного обучения. Рекомендуется использовать латинские буквы и цифры.
Рисунок 3 — Мини-карточка создания модели прогнозирования справочного поля
- Нажмите кнопку «Далее». Откроется страница настройки и обучения модели. Вы можете закрыть страницу и вернуться к ее настройкам позднее.
- Настройте параметры на странице модели и нажмите кнопку «Сохранить».
Параметры модели
На вкладке «Параметры» содержатся основные параметры для настройки модели.
Рисунок 4 — Страница преднастроенной модели прогнозирования приоритета обращения
Параметр «Какое значение необходимо прогнозировать?»
Выберите поле, для которого будет выполняться прогнозирование значения. В списке представлены все справочные поля, которые есть на странице указанного объекта. В результате прогнозирования выбранное поле будет автоматически заполнено.
Например, преднастроенная модель «Прогнозирование: Приоритет обращения» определяет значение поля «Приоритет» в обращении.
Рисунок 5 — Параметр модели «Какое значение необходимо прогнозировать?»
Параметр «От каких колонок зависит прогнозируемое значение?»
Колонки, которые модель проанализирует для прогнозирования. От значений этих колонок будет зависеть результат прогноза. Для выбора доступны как колонки объекта, по которому производится прогнозирование, так и связанных объектов.
Каждый из указанных параметров может влиять на результат прогнозирования. Его значимость определяется весом, который автоматически рассчитывается после обучения модели. Для просмотра веса параметров перейдите на вкладку «Обучение». Если вес параметра равен 0, то есть он не оказывает влияние на прогноз, то вы можете его исключить или заменить на другой параметр. Подробнее: Сведения об обучении модели
Например, для прогнозирования приоритета обращения преднастроенная модель анализирует значения следующих колонок: «Контрагент.Категория», «Описание», «Контрагент.Отрасль».
Рисунок 6 — Параметр модели «От каких колонок зависит прогнозируемое значение?»
Параметр «Какие записи должны попасть в обучающую выборку?»
Записи, которые попадут в обучающую выборку. Здесь необходимо настроить фильтрацию для формирования выборки, на которой будет обучаться модель. Если для обучения необходимо использовать все записи, не используйте фильтр.
Например, преднастроенная модель «Прогнозирование: Приоритет обращения» обучается только на тех обращениях, у которых заполнены следующие поля: «Контрагент.Категория», «Ответственный», «Контрагент.Отрасль».
Рисунок 7 — Параметр модели «Какие записи должны попасть в обучающую выборку?»
Параметр «В какую колонку сохранять результат прогнозирования?»
Поле объекта, в которое будет записываться результат работы модели. Как правило, результат прогноза сохраняется в поле, которое необходимо предсказать.
Рисунок 8 — Параметр модели «В какую колонку сохранять результат прогнозирования?»
Расширенные настройки модели
На вкладке «Расширенные настройки» вы можете указать дополнительные параметры для настройки модели.
Параметр «Добавить дополнительные колонки расширенными средствами?»
Здесь вы можете сформировать запрос на языке С# с использованием специальных классов для обращения к базе данных на выборку дополнительных колонок, от которых будет зависеть прогнозируемое значение.
Рисунок 9 — Параметр модели «Добавить дополнительные колонки расширенными средствами?»
Параметр «Расширенные параметры модели»
Минимальное и максимальное количество записей, используемых для обучения модели. Значения в полях устанавливаются автоматически, при необходимости вы можете их изменить.
Рисунок 10 — Параметр модели «Расширенные параметры модели»
Рекомендуем изучить
Онлайн-курс «Предиктивная аналитика, возможности машинного обучения в BPMSoft»
Модели машинного обучения
Создание бизнес-процесса с использованием модели
Обучение модели