机构名称：
¥ 1.0
具有关系性的传统企业资源计划（ERP）系统需要数周的时间才能立即提供可预测的见解。提供了最准确的信息，以通过审查过去和未来的高级分析并捕获有关当前的信息，以做出最佳决策。将机器学习（ML）集成到金融ERP系统中，提供了一些好处，包括提高准确性，效率和节省成本。此外，ERP系统对于监督组织中人力资本管理（HCM）的不同方面至关重要。员工的绩效吸引了管理层的兴趣。尤其是为了确保在合适的时刻将适当的员工分配到方便的任务中，训练和限定他们，并建立评估系统以跟进他们的绩效，并试图维护潜在的工作才能。此外，正确预测员工薪水对于有效分配资源，保留人才并确保整体化的成功是必要的。常规的ERP系统薪资预测方法通常使用仅显示系统当前状态的静态报告，而无需分析员工数据或提供建议。我们设计并执行了一个原型来定义在Oracle EBS数据上应用ML算法，以使用直接来自ERP系统的实时数据来增强员工评估。基于准确性的测量，随机森林算法增强了该系统的性能。该模型在平衡数据集上提供了90％的精度。关键字
使用机器学习技术改进的企业资源计划系统
主要关键词
相关文件推荐
