Sie befinden sich hier:
Verwenden von Ausgaben aus Prognosemodellen
Es gibt viele Möglichkeiten, wie Sie Prognosen, Verordnungen und die wichtigsten Faktoren nutzen können, die aus Prognosemodellen zurückgegeben werden.
Erforderliche Editionen
| Verfügbarkeit: Alle Editionen, die von Data 360 unterstützt werden. Siehe Data 360-Editionsverfügbarkeit. |
Verbrauchsmuster
| MUSTER | BESCHREIBUNG | OPTIONEN |
|---|---|---|
| On Demand | Generieren Sie Prognosen dynamisch im Arbeitsfluss. Ordnen Sie die Eingabefelder dem Modell zu. Das Modell generiert eine Prognose, die in jedem automatisierten oder manuellen Geschäftsprozess ausgeführt werden kann. On-Demand-Prognosen werden nur manuell beibehalten |
|
| Batch | Verwenden Sie Batchprognosen beim Analysieren großer Datensets. Ideal zum Vergleichen von Modellen für verschiedene Datensets, zum Durchführen von Prognoseanalysen oder zum Erstellen von Zielgruppensegmenten, wenn der aktuelle Prognosewert nicht geschäftskritisch ist. Batch-Prognosen können in Data-Lake-Objekte (DLOs) oder spezielle Datenmodellobjekte (DMOs) ohne zugeordnete DLOs (DMOs vom Typ "Umwandeln" oder "ML-Prognose") zurückgeschrieben werden. |
|
| Streaming | Wenn die aktuellste Prognose für einen automatisierten oder manuellen Geschäftsprozess in einer großen Menge von Daten entscheidend ist, bleiben Streaming-Prognosen nahezu in Echtzeit auf dem aktuellen Stand, wenn sich Eingabedaten ändern. Streaming-Prognosen werden in einem speziellen Datenmodellobjekt (DMO) vom Typ "ML-Prognose" beibehalten, das kein zugeordnetes Data-Lake-Objekt (DLO) aufweist. Streaming-Prognosen eignen sich hervorragend zum Starten von durch Data Cloud ausgelösten Flows, wenn sich ein Prognosewert ändert. |
|
Verbraucher
| Verbraucher | Beschreibung | Weitere Informationen |
|---|---|---|
| Flows | Verbinden Sie alle Daten, auf die in einem Flow zugegriffen werden kann, mit einem Prognosemodell und generieren Sie On-Demand-Prognosen und -Verordnungen. | Verwenden von Prognosen in Flow Builder |
| Prognoseaufträge | Ordnen Sie ein DMO und zugehörige DMOs einem einzelnen Modell zu. Generierte Prognosen werden in einem neu erstellten DMO (vom Typ "ML-Prognose") beibehalten, das automatisch wieder mit dem Basis-DMO verknüpft wird. | Prognoseaufträge verwenden |
| Batch-Datentransformationen | Generieren Sie Prognosen, die wichtigsten Faktoren und Rezepte aus einem oder mehreren Modellen. Führen Sie zusätzliche Transformationen aus und wählen Sie aus, wo alle umgewandelten Ergebnisse zurückgeschrieben werden. | Umwandeln von Daten mit Prognosen und Rezepten |
| Agenten | Erstellen Sie einen Flow, der Prognosen und/oder Rezepte generiert, und wandeln Sie ihn in eine Agentenaktion um. Agenten können die Ergebnisse verwenden, um weitere Entscheidungen zu treffen und noch bessere Antworten zu generieren. | Agentforce-Agenten |
| Aufforderungsvorlagen | Prognosen, die wichtigsten Faktoren und Rezepte, die aus einem Modell generiert werden, können für einen Menschen schwer zu entziffern sein. Aufforderungen können dabei helfen, eine für Menschen lesbare Ansicht der Prognose zu generieren und einen Benutzer hinsichtlich seiner möglichen nächsten Schritte zu führen. Erstellen Sie einen Flow, der Prognosen, die wichtigsten Faktoren und/oder Rezepte als Ausgaben generiert. Verwenden Sie dann eine Aufforderung, um die Informationen zu lesen und die relevantesten Inhalte für Benutzer zu generieren. | Aufforderungsgenerator |
| REST-Anwendungen | Integrieren Sie On-Demand-Prognosen mithilfe der öffentlichen REST-API zum Generieren von Prognosen in eine beliebige Erfahrung innerhalb oder außerhalb von Salesforce. Verwenden Sie diese API, um benutzerdefinierte Lightning Web Components zu erstellen oder Prognosen in ein externes System einzubetten. | Abrufen von Prognosen in REST-APIs |
| Apex | Beim Aktivieren eines Prognosemodells wird automatisch eine benutzerdefinierte aufrufbare Aktion für dieses Modell erstellt, sodass es im Flow verwendet werden kann. Dieselbe benutzerdefinierte aufrufbare Aktion kann auch in Apex mit dem Invocable-Namespace ausgeführt werden. |
Tipps für die Interaktion mit Prognosemodellen
Zum Erstellen von Prognosen benötigt ein Prognose-AI-Modell Eingabevariablen mit Werten, die Sie zur Laufzeit bereitstellen.
- Während des Setups für Batch-Datentransformationen, Flows und Prognoseaufträge ordnen Sie jede Modelleingabevariable der Datenquelle zu, die den Wert bereitstellt.
- Bei REST und Apex-Code stellen Sie die Eingabedaten in der Anfrage programmgesteuert dem Prognosemodell bereit.
- Bei On-Demand-Prognosen können diese Werte von überall stammen, einschließlich CRM-Daten, Benutzereingaben, Data 360 und anderen Quellen. Beispielsweise kann ein Benutzer in einem Flow einen der Eingabewerte angeben.
- Ihre Trainingsdaten sind keine Quelle für Eingabevariablen.
Nach der Verarbeitung der Anforderung gibt das Prognosemodell eine Prognose und optional Rezepte und die wichtigsten Prädiktoren zurück.
- Bei Prognoseaufträgen und Batch-Datentransformationen wird die Modellausgabe automatisch im zugeordneten DMO gespeichert.
- Bei Flows müssen Sie in Flow Builder konfigurieren, wo die Ausgabe aus dem Prognosemodell zurückgegeben werden soll.
- Bei REST und Apex-Code müssen Sie die vom Prognosemodell zurückgegebene Ausgabe programmgesteuert verarbeiten.
Siehe auch:
Konnten Sie Ihr Problem mithilfe dieses Artikels lösen?
Geben Sie uns Feedback, damit wir uns verbessern können.
