Ti trovi qui:
Personalizzazione delle trasformazioni dati di addestramento e calcolo del punteggio utilizzate per le raccolte
Personalizzare gli asset dell'app Tableau Next creati per prevedere i punteggi di rischio Riscossioni in base alle esigenze aziendali.
Versioni (Edition) richieste
| Disponibile nelle versioni: Lightning Experience |
| Disponibile in: Visualizzare la disponibilità dei prodotti e delle versioni. |
| Autorizzazioni utente necessarie | |
|---|---|
| Per personalizzare gli asset dell'app Tableau Next: | Amministratore Data Cloud |
Personalizzare la trasformazione dati di addestramento in base alle esigenze aziendali ed eseguire il modello di intelligenza artificiale predittiva. Utilizzare le metriche di addestramento per valutare le prestazioni del modello e determinare se è pronto per l'attivazione. Le metriche di addestramento forniscono informazioni sull'efficacia con cui il modello comprende schemi e relazioni all'interno dei dati di addestramento e indicano la sua efficacia predittiva. Eseguire questa operazione in modo iterativo fino a ottenere i risultati richiesti. Personalizzare la trasformazione dati batch di calcolo del punteggio in base alle modifiche apportate alla trasformazione dati batch di addestramento. Eseguire la trasformazione dati di calcolo del punteggio per prevedere i punteggi di rischio per i nuovi piani di raccolta.
- Visualizzare e modificare la trasformazione dati batch di addestramento, inclusa nell'app Tableau Next installata e configurata per il consolidamento dei dati di addestramento. Il nome della trasformazione dati batch di addestramento è nel formato <Nome app> Training BDT. Ad esempio, se il nome dell'app è Raccolte, il nome della trasformazione dati batch di addestramento è Raccolte Formazione BDT.
- Eseguire la trasformazione dati batch di addestramento personalizzata in precedenza.
- Controllare stato trasformazione dati batch.
- Riaddestrare il modello in Einstein Studio utilizzando i dati di addestramento modificati.
- Valutare la qualità del modello e determinare se è pronto per l'attivazione utilizzando le metriche di addestramento.
- Modificare il modello se necessario.
-
Ripetere i passaggi da 1 a 6 fino a ottenere i risultati desiderati.
La qualità del modello è un fattore critico di successo nelle soluzioni di intelligenza artificiale predittiva. Einstein Studio supporta il miglioramento continuo e iterativo dei modelli predittivi.
- Attivare il modello.
- Visualizzare e modificare la trasformazione dati batch di calcolo del punteggio, inclusa nell'app Tableau Next installata e configurata per la previsione dei punteggi di rischio. Il nome della trasformazione dati batch di calcolo del punteggio è nel formato <Nome app> Calcolo del punteggio BDT. Ad esempio, se il nome dell'app è Raccolte, il nome della trasformazione dati batch di calcolo del punteggio è Collections Scoring BDT.
- Eseguire la trasformazione dati batch di calcolo del punteggio personalizzata in precedenza.
- Controllare stato trasformazione dati batch.
- Per assicurarsi che vengano tenuti presenti tutti gli aggiornamenti recenti ai piani di raccolta e che i dati più aggiornati sul punteggio di rischio siano disponibili per i piani di raccolta, pianificare la trasformazione dati batch di calcolo del punteggio in base alle esigenze aziendali.
- Per assicurarsi che i dati di addestramento vengano calibrati periodicamente, pianificare l'esecuzione della trasformazione dati batch di addestramento alcune volte all'anno, in base alle esigenze aziendali.
