Вы находитесь здесь:
Использование результатов из прогнозируемых моделей
Существует много способов потребления прогнозов, предписаний и лучших факторов, возвращенных из прогнозируемых моделей.
Требуемые версии
| Доступно в версиях: Все версии, поддерживаемые Data 360. См. Доступность версии Data 360. |
Структура потребления
| СХЕМА | ОПИСАНИЕ | ПАРАМЕТРЫ |
|---|---|---|
| по запросу | Динамическое создание прогнозов в потоке работы. Соотнесите поля ввода с моделью. Модель создает прогноз, который можно выполнить в рамках любого автоматизированного или ручного бизнес-процесса. Прогнозы по запросу не сохраняются нигде, если это не сделано вручную |
|
| пакет | Используйте пакетные прогнозы при анализе больших наборов данных. Идеально подходит для сравнения моделей на разных наборах данных, выполнения прогнозируемой аналитики или для создания сегментов аудитории, если самое актуальное значение прогноза не является бизнес-критическим. Пакетные прогнозы могут быть записаны обратно в объекты озера данных (DLO) или специальные объекты модели данных (DMO), не имеющие соотнесенных DLO (DMO трансформации или DMO прогноза ML) |
|
| потоковая передача | Когда самый последний прогноз является критическим для автоматизированного или ручного бизнес-процесса в большом наборе данных, потоковые прогнозы остаются актуальными в близком к реальному режиме времени при изменении вводных данных. Потоковые прогнозы сохраняются в специальном объекте модели данных (DMO) типа ML Prediction, не имеющем соотнесенного объекта озера данных (DLO). Потоковые прогнозы отлично подходят для запуска потоков, запущенных Data Cloud, при изменении значения прогноза. |
|
Потребители
| Потребитель | Описание | Дополнительная информация |
|---|---|---|
| Потоки | Подключите все данные, доступные в потоке, к прогнозируемой модели и создайте прогнозы и предписания по запросу. | Использование прогнозов в Flow Builder |
| Задания прогноза | Соотнесите DMO и связанные DMO с одной моделью. Созданные прогнозы сохраняются во вновь созданном DMO (типа ML Prediction), который автоматически связывается обратно с базовым DMO. | Использование прогнозируемых заданий |
| Пакетные трансформации данных | Создайте прогнозы, лучшие факторы и предписания из одной или нескольких моделей. Выполните дополнительные трансформации и выберите область обратной записи всех трансформированных результатов. | Трансформация данных посредством прогнозов и предписаний |
| Агенты | Создайте поток, создающий прогнозы и/или предписания и превратите его в действие агента. Агенты могут использовать результаты для принятия дальнейших решений и создания еще лучших ответов. | Agentforce Agents |
| Шаблоны напоминаний | Прогнозы, лучшие факторы и предписания, созданные на основе модели, могут быть трудными для расшифровки человеком. Напоминания могут помочь создать более читаемое представление прогноза и помочь пользователю понять, что он может сделать дальше. Создайте поток, создающий прогнозы, лучшие факторы и/или предписания в качестве результатов. Потом воспользуйтесь напоминанием для чтения информации и создания наиболее актуального содержимого для пользователей. | Конструктор подсказок |
| Приложения REST | Интегрируйте прогнозы по запросу в любое взаимодействие в Salesforce или за его пределами посредством общедоступного REST API для создания прогнозов. Используйте этот API для создания настраиваемых веб-компонентов Lightning или встраивания прогнозов во внешнюю систему. | Получение прогнозов в REST API |
| Apex | При активации прогнозируемой модели настраиваемое вызываемое действие создается автоматически для этой модели, чтобы ее можно было использовать в потоке. Аналогичное настраиваемое вызываемое действие может быть также выполнено в Apex посредством пространства имен «Вызываемый». |
Советы по взаимодействию с прогнозируемыми моделями
Для создания прогнозов прогнозируемая модель на основе искусственного интеллекта требует переменных ввода со значениями, введенными при выполнении.
- Во время настройки для пакетных трансформаций данных, потоков и заданий прогноза вы соотносите каждую переменную ввода модели с источником данных, предоставляющим значение.
- Для кода REST и Apex вы программным способом предоставляете вводные данные в запросе прогнозируемой модели.
- В прогнозах по запросу эти значения могут поступать из любого места, включая данные CRM, вводные данные пользователя, данные 360 и другие источники. Например, в потоке пользователь может предоставить одно из значений ввода.
- Ваши обучающие данные не являются источником переменных ввода.
После обработки запроса прогнозируемая модель возвращает прогноз и, по желанию, предписания и лучшие предикторы.
- Для заданий прогноза и пакетных трансформаций данных вывод модели автоматически сохраняется в связанном DMO.
- Для потоков необходимо настроить в Flow Builder, куда вы хотите вернуть вывод из прогнозируемой модели.
- Для кода REST и Apex необходимо программным способом обработать вывод, возвращенный из прогнозируемой модели.
Эта статья решила вашу проблему?
Оставьте свой отзыв, чтобы мы могли стать лучше!
