Kom igång med dataförberedelse

Vad är Dataförberedelse?

Dataförberedelse är processen att förbereda dina data så att de är optimerade för Einstein Discovery att:

• analysera och skapa användbara insikter i dina data
• utbilda modeller som härleder användbara förutsägelser och förbättringar för att fatta verksamhetsbeslut och förbättra resultat

Dataförberedelse innefattar att aggregera och optimera data som är associerade med resultatvariabeln du undersöker, tillsammans med potentiella förklarande variabler som kan påverka resultatet. Dataförberedelse är en process som grundar sig på upprepad förfining. Allt eftersom du går ner på djupet i dina data dyker nya ledtrådar upp. Upptäckter kan göra att du omvärderar tidigare antaganden och justerar din implementering av dataförberedelse enligt detta.

Investera i dataförberedelse för din lösning

Datavetare lägger vanligtvis mycket tid och energi på att planera och förbereda sina data. De vet till vilken grad indatans design och kvalitet är viktigt för kvaliteten på resultatet.

Du kanske inte kommer kunna matcha den Knowledge, kompetens och utbildning på guidenivå som dataforskare bidrar till dataförberedelseprocessen med, men du kan fortfarande lyckas om du:

• har domänkunskap om de data som är associerade med det verksamhetsresultat du försöker optimera
• använder CRM Analyticss omfattande dataintegreringsmöjligheter för att samla, rensa och fylla i datauppsättningen med data som är optimerade för analys
• använder vanliga dataförberedelsetekniker för att producera data med hög kvalitet som är korrekta, fullständiga, relevanta för dina verksamhetsverksamheter och relevanta för din lösning

Även om du inte är datavetare kan du förbättra dina resultat genom att tillämpa grundläggande principer som hjälp med att implementera din lösning.

Använd CRM Analyticss dataintegreringskapacitet

Einstein Discovery förlitar sig på data som lagras i CRM Analytics-datauppsättningar. CRM Analytics tillhandahåller flera kraftfulla verktyg som du kan använda för att förbereda (extrahera, ladda och transformera) dina data. På så sätt kan du fylla en datauppsättning med information som är optimerad för Einstein Discovery att använda. Mer information finns i Integrera och förbered data för analys, inklusive Kom igång med dataintegrering.

Einstein Discovery hjälper till med dataförberedelse

Einstein Discovery tillhandahåller följande för att hjälpa dig förbättra dina data för analys:

• Kvalitetsvarningar meddelar dig när Einstein Discovery upptäcker ett möjligt problem i dina data. Du kan avhjälpa dataproblem på två huvudsätt:
  • åtgärda problemet i din CRM Analytics-datauppsättning genom att använda dataförberedelseverktyg för att automatisera lösningen
  • åtgärda problemet i din modell genom att använda modellinställningar
  Om du åtgärdar problemet i datauppsättningen tillämpas de automatiserade korrigeringarna igen när du uppdaterar dina data. Om du åtgärdar problemet i modellen tillämpas korrigeringar när modellen skapas eller när förutsägelsen görs. Modellkorrigering påverkar inte data i datauppsättningen. Mer information finns i Hantera kvalitetsmeddelanden.
• Funktionsval innefattar att bestämma vilka förklarande variabler som ska inkluderas i din modell. Det bästa är om du vill att din modell har en optimerad uppsättning förklarande variabler som bäst förklarar variationer i resultatvariabeln. Med hjälp av automatiserade funktioner för val och korrelationer som hittas i dina data kan Einstein Discovery föreslå vilka variabler som ska inkluderas i — eller utelämnas från — din modell. På så sätt kan du fokusera din dataförberedelseaktivitet på de variabler du analyserar.
• Om vissa observationer inte uppfyller dina filterkriterier låter filter dig selektivt utesluta dem från en modell. Till exempel kan du i modellinställningar specificera nummer- och datumintervall, och du kan utelämna kategorier från analysen.
• Transformationer gör att du kan åtgärda dataproblem i din modell. Till exempel låter fuzzy matchning dig förbättra kategorigrupperingar genom att åtgärda stavning i kategorivärden.

Dataförberedelse och iterativ förbättring

Dataförberedelse är inte en process som utförs endast gång och sedan är klar. Faktum är att den första uppsättningen data som du producerar troligen kommer att exponera en mängd olika problem som du behöver åtgärda: saknade värden, felaktiga värden, avvikelser som är korrekta eller felaktiga, överflödig information som du behöver åtgärda och andra utmaningar. Som tur är ger CRM Analytics och Einstein Discovery dig omfattande kapaciteter för att sila igenom dina data, identifiera och åtgärda problem, och producera optimerade data utan att behöva skriva en kodrad. Du kan även automatisera rensningsprocessen med recept, dataflöden, jobbschemaläggningar och transformationer så att du kan tillämpa samma fixar för nya data.

Dataförberedelse kan fortsätta efter att din lösning har distribuerats. I takt med att nya insikter upptäcks är det vanligt att experimentera genom att lägga till eller ändra aspekter av de data som används för analysen. Du kan schemalägga att analysen kontinuerligt och stegvis ska lägga till nya data i din modell. Det är även vanligt att periodiskt uppdatera din modells variabler och fält med ny information och bättre fokuserade verksamhetsfrågor.