Sie befinden sich hier:
Anpassen der für Inkasso-Risikobewertungsprognosen verwendeten Trainings- und Bewertungsdatentransformationen
Passen Sie die Vermögenswerte der Tableau Next-Anwendung an, die für die Prognose von Inkasso-Risikobewertungen entsprechend Ihren Geschäftsanforderungen erstellt wurden.
Erforderliche Editionen
| Verfügbarkeit: Lightning Experience |
| Verfügbarkeit: Zeigen Sie die Produkt- und Editionsverfügbarkeit an. |
| Erforderliche Benutzerberechtigungen | |
|---|---|
| Anpassen der Datenbestände der Tableau Next-Anwendung: | Data Cloud-Administrator |
Passen Sie die Datentransformation für Schulungen an Ihre Geschäftsanforderungen an und führen Sie dann das Prognose-AI-Modell aus. Verwenden Sie Trainingskennzahlen, um die Leistung des Modells auszuwerten und festzustellen, ob es aktiviert werden kann. Trainingskennzahlen geben Aufschluss darüber, wie effektiv das Modell Muster und Beziehungen in den Trainingsdaten versteht, und geben seine prognostizierte Wirksamkeit an. Führen Sie dies iterativ aus, bis Sie die erforderlichen Ergebnisse erzielen. Passen Sie die Datentransformation für Bewertungsbatches entsprechend den Änderungen an der Datentransformation für Trainingsbatches an. Führen Sie die Datentransformation für Bewertungen aus, um Risikobewertungen für die neuen Sammlungspläne zu prognostizieren.
- Anzeigen und Bearbeiten der Datentransformation für Trainingsbatches, die in der Tableau Next-Anwendung enthalten ist, die zum Konsolidieren von Trainingsdaten installiert und konfiguriert ist. Der Name der Datentransformation für den Trainingsbatch lautet <Anwendungsname> Training BDT. Wenn Ihre Anwendung beispielsweise "Sammlungen" heißt, lautet der Name der Datentransformation des Trainingsbatches "Sammlungen Training BDT".
- Führen Sie die zuvor angepasste Datentransformation für Trainingsbatches aus.
- Überprüfen Sie den Status der Batch-Datentransformation.
- Trainieren Sie das Modell in Einstein Studio mithilfe der geänderten Trainingsdaten neu.
- Bewerten Sie die Qualität des Modells und ermitteln Sie anhand der Trainingskennzahlen, ob es aktiviert werden kann.
- Bearbeiten Sie das Modell bei Bedarf.
-
Wiederholen Sie die Schritte 1 bis 6, bis Sie die erforderlichen Ergebnisse erzielen.
Die Modellqualität ist ein entscheidender Erfolgsfaktor für Prognose-AI-Lösungen. Einstein Studio unterstützt kontinuierliche iterative Verbesserungen für Prognosemodelle.
- Aktivieren Sie das Modell.
- Anzeigen und Bearbeiten der Datentransformation für Bewertungsbatches, die in der Tableau Next-Anwendung enthalten ist, die für die Prognose von Risikobewertungen installiert und konfiguriert ist. Der Name der Datentransformation für Bewertungsbatches lautet <Anwendungsname> Bewertungs-BDT. Wenn Ihre Anwendung beispielsweise "Sammlungen" heißt, lautet der Name der Datentransformation "Sammlungen" Bewertung BDT.
- Führen Sie die zuvor angepasste Datentransformation für Bewertungsbatches aus.
- Überprüfen Sie den Status der Batch-Datentransformation.
- Planen Sie die Datentransformation für Bewertungsbatches entsprechend Ihren Geschäftsanforderungen, um sicherzustellen, dass alle aktuellen Aktualisierungen an Sammlungsplänen berücksichtigt werden und die neuesten Risikobewertungsdaten für Sammlungspläne verfügbar sind.
- Wenn Sie sicherstellen möchten, dass die Trainingsdaten regelmäßig kalibriert werden, planen Sie die Ausführung der Datentransformation für Trainingsbatches entsprechend Ihren Geschäftsanforderungen so, dass sie einige Male pro Jahr ausgeführt wird.
