Loading
Samlinger og gjenoppretting i Salesforce
Innhold
Velg filtre

          Ingen resultater
          Ingen resultater
          Her er noen søketips

          Kontroller stavemåten i søkeordene.
          Bruk mer generelle søkebegreper.
          Velg færre filtre for å utvide søket.

          Søk i all Salesforce Hjelp
          Tilpasse transformasjonene for opplærings- og scoredata som brukes til forutsigelser av risikoscore for samlinger

          Tilpasse transformasjonene for opplærings- og scoredata som brukes til forutsigelser av risikoscore for samlinger

          Tilpass aktivaene i Tableau Next-appen som er opprettet for å forutsi samlingsrisikoer i henhold til forretningskravene dine.

          Nødvendige utgaver

          Tilgjengelig i Lightning Experience
          Tilgjengelig i Se tilgjengelighet av produkter og versjoner.
          Nødvendig brukertillatelse
          For å tilpasse aktivaene i Tableau Next-appen: Data Cloud-administrator

          Tilpass opplæringsdatatransformasjonen i henhold til forretningskravene dine, og kjør deretter den prediktive AI-modellen. Bruk opplæringsmålinger til å evaluere modellens ytelse og finne ut om den er klar til aktivering. Opplæringsmålinger gir informasjon om hvor effektivt modellen forstår mønstre og relasjoner i opplæringsdataene, og angir dens prediktive effektivitet. Gjør dette gjentakende til du oppnår de nødvendige resultatene. Tilpass datatransformasjonen for scoringsbatcher i henhold til endringene du har gjort i datatransformasjonen for opplæringsbatcher. Kjør datatransformasjonen for scoring for å forutsi risikoscore for de nye innsamlingsplanene.

          1. Vis og rediger datatransformasjonen for opplæringsbatcher, som er inkludert i Tableau Next-appen som er installert og konfigurert for å konsolidere opplæringsdata. Navnet på datatransformasjon for batcher er i formatet <Appnavn> Opplærings-BDT. Hvis appnavnet for eksempel er Samlinger, er navnet på opplæringsbatchens datatransformasjon Samlinger Opplæring BDT.
          2. Kjør opplæringsdatatransformasjonen som du tilpasset tidligere.
          3. Kontroller datatransformasjonens status.
          4. Lær om modellen i Einstein Studio ved å bruke de endrede opplæringsdataene.
          5. Vurder modellens kvalitet og finn ut om den er klar til aktivering ved å bruke opplæringsmålingene.
          6. Rediger modellen om nødvendig.
          7. Gjenta trinn 1 til 6 til du oppnår de nødvendige resultatene.
            Modellkvalitet er en avgjørende suksessfaktor i forutsigelsesbaserte AI-løsninger. Einstein Studio støtter kontinuerlig, gjentagende forbedring av prediktive modeller.
          8. Aktiver modellen.
          9. Vis og rediger datatransformasjonen for scoringsbatcher, som er inkludert i Tableau Next-appen som er installert og konfigurert for å forutsi risikoscore. Navnet på datatransformasjonen for scoring av batcher er i formatet <Appnavn> Scoring BDT. Hvis appnavnet for eksempel er Samlinger, er navnet på datatransformasjonen for scoringsbatchen Samlinger Scoring BDT.
          10. Kjør datatransformasjonen for scoringsbatcher som du tilpasset tidligere.
          11. Kontroller datatransformasjonens status.
          12. For å sikre at eventuelle nylige oppdateringer av innsamlingsplaner tas i betraktning, og at de mest oppdaterte risikoscoredataene er tilgjengelige for innsamlingsplaner, planlegger du datatransformasjonen for scoring av batcher i henhold til forretningsbehovene dine.
          13. For å sikre at opplæringsdataene kalibreres regelmessig, planlegger du batchdatatransformasjonen til å kjøre noen ganger i året, i henhold til forretningsbehovene.
           
          Laster
          Salesforce Help | Article