Abrufen von Prognosen in Apex

Sie können Prognosen in Apex mit der ConnectApi.SmartDataDiscovery.predict-Methode programmgesteuert ausführen. Es gibt zwei Eingabetypen:

• Datensatz-IDs
• Datensatz-IDs und berechnete Felder, die nicht im Datensatz gespeichert werden

Diese Funktion akzeptiert die Eingabe von bis zu 200 Datensatz-IDs oder Rohdatenzeilen zusammen mit einer Prognosedefinitions-ID. Sie gibt bis zu 200 Prognosen vom Typ ConnectApi.SmartDataDiscoveryPrediction zurück.

Hinweis Stellen Sie vor dem Verwenden der Apex-Prognose-API das Modell bereit, das Sie für Prognosen verwenden möchten. Anweisungen finden Sie unter Bereitstellen von Modellen.

Weitere Informationen zum Apex-Code finden Sie im Apex Developer Guide..

Zum Anzeigen von Prognosen und Verbesserungen erforderliche Berechtigungen

Damit Benutzer Prognosen, Verbesserungen und die zugehörigen Details anzeigen können, muss ihnen in ihrem Salesforce-Account die Berechtigung "Empfehlungen von Einstein Discovery anzeigen" zugewiesen sein. Weitere Informationen finden Sie unter Zuweisen von Einstein Discovery-Berechtigungssätzen zu Benutzern.

API-Nutzungsobergrenzen

• ConnectApi.SmartDataDiscovery.predict kann bis zu 2.000 Mal pro Benutzer und Stunde aufgerufen werden.
• Jede ConnectApi.SmartDataDiscovery.predict-Methode kann bei einem einzelnen Aufruf bis zu 200 Datensätze verarbeiten.
• ConnectApi.SmartDataDiscovery.predict kann maximal 50.000 Mal pro Tag (24 Stunden) und Organisation aufgerufen werden.

Batch-Apex und Callouts für Modelle mit zusätzlichen Datensets

Wenn Sie bei Batch-Apex ein Modell verwenden, das einem zusätzlichen Datenset zugeordnet ist (siehe Modellvariablen zuordnen), sollten Sie die Anforderungen für Callouts befolgen, die in der Apex-Dokumentation im Thema zu Obergrenzen und Einschränkungen bei Callouts beschrieben sind.

Abrufen von Prognosen mit der Datensatz-ID als Eingabe

Syntax

public ConnectApi.SmartDataDiscoveryPrediction ConnectApi.SmartDataDiscovery.predict(ConnectApi.SmartDataDiscoveryPredictInputRecords input)

SmartDataDiscoveryPredictInputRecords-Klasse

Abrufen von Prognosen mit der Datensatz-ID und berechneten Feldern als Eingabe

Syntax

public ConnectApi.SmartDataDiscoveryPrediction ConnectApi.SmartDataDiscovery.predict(SmartDataDiscoveryPredictInputRecordOverrides input)

SmartDataDiscoveryPredictInputRecordOverrides-Klasse

ConnectApi.SmartDataDiscoveryPredictInputRowObject-Klasse

ConnectApi.SmartDataDiscoveryDiscoveryPredictSettings-Klasse

Ausgabeklassen

ConnectApi.SmartDataDiscoveryPrediction-Klasse

ConnectApi.SmartDataDiscoveryPredictObject-Klasse

ConnectApi.SmartDataDiscoveryPredict-Klasse

ConnectApi.SmartDataDiscoveryPredictCondition-Klasse

ConnectApi.SmartDataDiscoveryPredictColumn-Klasse

Connectapi.SmartDataDiscoveryPredictImportWarnings-Klasse

Connectapi.SmartDataDiscoveryPredictOutOfBoundsFields-Klasse

Ausnahmen

Wenn Zeilen vorhanden sind, deretwegen bei der Prognosemethode ein Fehler aufgetreten ist, gibt dieser Aufruf eine Ausnahme anstelle einer Prognose zurück.

ConnectApi.SmartDataDiscoveryPredictErrorObject-Klasse

Codebeispiel

Dieses Codebeispiel wurde zum Erstellen von Testfällen entwickelt.

// Initialize the Prediction API Input Record
ConnectApi.SmartDataDiscoveryPredictInputRecords predictInput = new ConnectApi.SmartDataDiscoveryPredictInputRecords();

// Set Prediction Definition
predictInput.predictionDefinition = '1ORB0000000TN1SOAW';

// Set Records
predictInput.records = new List<Id>{'006B0000004ApAZIA0'};

// Set Settings for Prediction
ConnectApi.SmartDataDiscoveryDiscoveryPredictSettings settings = new ConnectApi.SmartDataDiscoveryDiscoveryPredictSettings();
settings.maxMiddleValues = 3;//[0-3] limit of 3
settings.maxPrescriptions = 3;
settings.prescriptionImpactPercentage = 20;
predictInput.settings = settings;
////////////////////////////////////////////////////////////////

// Generate Predictions
ConnectApi.SmartDataDiscoveryPrediction response = ConnectApi.SmartDataDiscovery.predict(predictInput);
// Get Prediction
ConnectApi.SmartDataDiscoveryPredictObject prediction = (ConnectApi.SmartDataDiscoveryPredictObject) response.predictions[0];
// Get Prescriptions (Improvements)
List<ConnectApi.SmartDataDiscoveryPredictCondition> prescriptions = prediction.prescriptions;

// Iterate over the first prescription
ConnectApi.SmartDataDiscoveryPredictCondition first_prescription = prescriptions[0];
Double value = first_prescription.value;
List<ConnectApi.SmartDataDiscoveryPredictColumn> columns = first_prescription.columns;

// Prescriptions usually have one-column information:
ConnectApi.SmartDataDiscoveryPredictColumn column_1 = columns[0];

String columnName = column_1.columnName;
String columnValue = column_1.columnValue;
String columnInputVal = column_1.inputValue;
////////////////////////////////////////////////////////////////

// Get Top Factors (Top Predictors)
List<ConnectApi.SmartDataDiscoveryPredictCondition> topFactors = prediction.prediction.middleValues;
// Iterate over the first TopFactor
ConnectApi.SmartDataDiscoveryPredictCondition first_topFactor = topFactors[0];

Double tf_value = first_topFactor.value;
List<ConnectApi.SmartDataDiscoveryPredictColumn> tf_columns = first_topFactor.columns;
  
// Top Factors have multiple Columns, so it is recommended to iterate over the list
ConnectApi.SmartDataDiscoveryPredictColumn tf_column_1 = tf_columns[0];

String tf_columnName = tf_column_1.columnName;
String tf_columnValue = tf_column_1.columnValue;
String tf_columnInputVal = tf_column_1.inputValue;
////////////////////////////////////////////////////////////////

// Get Import Warnings
ConnectApi.SmartDataDiscoveryPredictImportWarnings importWarnings = prediction.prediction.importWarnings;

// System Debug
System.debug('Total ' + prediction.prediction.total);  
System.debug('Import Warnings ' +importWarnings);