Loading
Samlinger og gendannelse
Indhold
Vælg filtre

          Ingen resultater
          Ingen resultater
          Her er nogle søgetips

          Kontroller stavemåden for dine søgeord.
          Brug mere generelle søgeudtryk.
          Vælg færre filtre for at gøre søgningen bredere.

          Søg efter alle i Hjælp til Salesforce
          Tilpas de uddannelses- og scoringsdatatransformationer, der bruges til forudsigelser for samlingsrisikoscore

          Tilpas de uddannelses- og scoringsdatatransformationer, der bruges til forudsigelser for samlingsrisikoscore

          Tilpas aktiverne i Tableau Next-appen, der er oprettet til forudsigelse af samlingsrisikoscores i henhold til dine forretningskrav.

          EditionsHeading

          Tilgængelig i: Lightning Experience
          Tilgængelig i: Vis produkt- og versionstilgængelighed.
          Brugertilladelser påkrævet
          Hvis du vil tilpasse Tableau Next-appaktiver: Data Cloud-administrator

          Tilpas træningsdatatransformeringen i henhold til dine forretningskrav, og kør derefter den forudsigende AI-model. Brug træningsmetrikker til at evaluere modellens ydeevne, og find ud af, om den er klar til aktivering. Træningsmetrikker giver oplysninger om, hvor effektivt modellen forstår mønstre og relationer i træningsdataene og angiver dens forudsigende effektivitet. Gør dette gentaget, indtil du opnår de krævede resultater. Tilpas datatransformeringen for scoringsbatch i henhold til de ændringer, du har foretaget i datatransformeringen for træningsbatch. Kør scoringsdatatransformeringen for at forudsige risikoscores for de nye indsamlingsplaner.

          1. Vis og rediger træningsbatchdatatransformeringen, som er inkluderet i Tableau Next-appen, der er installeret og konfigureret til konsolidering af træningsdata. Navnet på træningsbatchdatatransformeringen er i formatet <Appnavn> Trænings-BDT. Hvis f.eks. din app har navnet Samlinger, er navnet på datatransformering, Samlinger Uddannelse BDT.
          2. Kør den træningsbatch datatransformering, som du tilpassede tidligere.
          3. Kontroller batch datatransformering status.
          4. Tilpas modellen i Einstein Studio ved brug af de ændrede træningsdata.
          5. Evaluer modelens kvalitet, og find ud af, om den er klar til aktivering ved hjælp af træningsmetrikker.
          6. Rediger modellen efter behov.
          7. Gentag trin 1 til 6, indtil du opnår de krævede resultater.
            Modelkvalitet er en vigtig succesfaktor i forudsigende AI-løsninger. Einstein Studio understøtter kontinuerlig, iterativ forbedring af forudsigelsesmodeller.
          8. Aktiver modellen.
          9. Vis og rediger datatransformeringen for scoringsbatch, som er inkluderet i appen Tableau Next, der er installeret og konfigureret til at forudsige risikoscores. Navnet på datatransformering for scoringsbatch er i formatet <Appnavn> Scoring BDT. Hvis f.eks. dit appnavn Samlinger, er navnet på den scorende datatransformering, Samlinger - Scoring BDT.
          10. Kør den scoringsbatchdatatransformering, som du tilpassede tidligere.
          11. Kontroller batch datatransformering status.
          12. Hvis du vil sikre, at eventuelle seneste opdateringer af indsamlingsplaner tages højde for, og at de nyeste risikoscoringsdata er tilgængelige for indsamlingsplaner, skal du planlægge datatransformationen af scoringsbatch i henhold til dine forretningskrav.
          13. For at sikre, at træningsdataene kalibreres regelmæssigt, skal du planlægge træningsbatchdatatransformering til at køre et par gange om året, i henhold til dine forretningskrav.
           
          Indlæser
          Salesforce Help | Article