Loading
CRM Analytics
Трансформация prediction

Вы находитесь здесь:

  1. Справка Salesforce
  2. Документы
  3. CRM Analytics

Трансформация prediction

Трансформация prediction создает прогноз Einstein Discovery для набора данных. Einstein Discovery использует прогнозируемую аналитику, которая анализирует архивные данные (на основе добычи данных, компьютерного обучения и прогнозируемого статистического моделирования) для определения схем и прогноза будущих результатов.

Требуемые версии

Необходимые полномочия пользователя
Для добавления узла prediction к потоку данных: Полномочие на просмотр рекомендаций Einstein Discovery
Для просмотра прогнозов: Полномочие «Просмотр рекомендаций Einstein Discovery» (см. «Назначение наборов полномочий Einstein Discovery пользователям»)

После создания истории Einstein Discovery развертывание ее модели (см. Развертывание модели ) создает определение прогноза. При создании трансформации вы определяете имя определения прогноза для использования. Определение прогноза содержит модель для использования в прогнозе результатов. Einstein Discovery создает специальный столбец в наборе данных для содержания оценки прогноза (прогнозируемое значение результата, например, вероятность оттока клиента). Вы также указываете имя и отображаете имя нового столбца.

При создании трансформации prediction действуйте в соответствии с приведенным ниже руководством:

  • Для отображения кнопки «Прогноз» на панели инструментов, в вашей организации должен быть включен Einstein Discovery, а у организации пользователя должно быть полномочие на просмотр рекомендаций Einstein Discovery. Инструкции см. в разделе Настройка Einstein Discovery . zzz
  • Перед добавлением трансформации prediction модель нужно развернуть. Инструкции см. в разделе Развертывание модели .
  • Имена столбцов набора данных должны соответствовать именам столбцов набора данных, используемого для создания истории. Не переименовывайте имена столбцов в потоке данных. Переименование имен столбцов приводит к отсутствию предупреждений столбцов после завершения потока данных. Другие столбцы игнорируются, например, поля, созданные посредством computeExpression. Соотнесения полей с объектом Salesforce, указанные при развертывании модели, (см. «Развертывание модели»), не применяются к прогнозам в потоках данных.
  • Используйте определение прогноза с одной моделью. Определение прогноза с несколькими моделями (теми, что развернуты с фильтрами) в данное время не поддерживается в потоках данных.

Свойства трансформации prediction в редакторе потоков данных

Эта таблица описывает параметры узла prediction в редакторе потока данных.

Параметр Обязательно? Значение
Имя узла Да Уникальное имя, определяющее этот узел в потоке данных JSON. Используйте это имя для ссылки на этот узел в других узлах.
Исходный узел Да Узел потока данных используемый как вводные данные для этой трансформации. Трансформация prediction создает оценку прогноза на основе данных, предоставленных узлом ввода.
Определение прогноза Да Определение прогноза для использования. Нажмите на поле для выбора из списка развернутых определений прогнозов.
Имя поля вывода прогноза Да Имя нового столбца набора данных для размещения оценки.
Метки поля вывода прогноза Да Метка нового столбца набора данных для размещения оценки.

Параметры трансформации prediction в JSON потока данных

При определении трансформации prediction в JSON потока данных указывается имя узла, действие, исходный узел потока данных и вводные параметры для этой трансформации.

Данная таблица описывает параметры ввода JSON для трансформации prediction ("action": "prediction") в потоке данных.

Параметр Обязательно? Значение
predictionDefinitionName Да Имя используемого определения прогноза. Менеджер моделей отображает коды определения прогнозов. См. Управление моделями и прогнозами .
predictionColumnName Да Имя нового столбца набора данных для размещения оценки.
predictionColumnLabel Да Метка пользовательского интерфейса нового столбца набора данных для размещения оценки.
Пример
Пример Рассмотрим пример, прогнозирующий вероятность оттока каждого клиента и сравним прогноз с фактическим результатом. 
{
                "Customers": {
                "action": "edgemart",
                "parameters": {
                "alias": "Customers"
                
                },
                "edScore": {
                "action": "prediction",
                "parameters": {
                "predictionDefinitionName": "How_to_min_pAw3D_7383",
                "source": "Customers",
                "predictionColumnLabel": "Likelihood to Churn",
                "predictionColumnName": "attrition_score"
                
                },
                "Predicted": {
                "action": "computeExpression",
                "parameters": {
                "source": "edScore",
                "computedFields": [
                
                "name": "PredictedChurn",
                "saqlExpression": "case when 'attrition_score' > 0.4988 then \"true\" else \"false\" end",
                "label": "PredictedChurn",
                "type": "Text"
                
                ],
                "mergeWithSource": true
                
                },
                "Correct": {
                "action": "computeExpression",
                "parameters": {
                "source": "Predicted",
                "computedFields": [
                
                "name": "CorrectPrediction",
                "saqlExpression": "case when 'PredictedChurn' == 'Churn__c' then \"true\" else \"false\" end",
                "label": "CorrectPrediction",
                "type": "Text"
                
                ],
                "mergeWithSource": true
                
                },
                "Register": {
                "action": "sfdcRegister",
                "parameters": {
                "name": "Customers with Score",
                "alias": "CustomerWithScore",
                "source": "Correct"
                
                
                }
 
Загрузка
Salesforce Help | Article