Usted estĆ” aquĆ:
DescripciĆ³n general de funciones y activos de Tableau Next App para recopilaciones
Revise estas funciones y activos de entrada que se utilizan al instalar y configurar la aplicaciĆ³n Tableau Next para recopilaciones utilizando el tipo de plantilla de configuraciĆ³n del Marco de trabajo de puntuaje, Puntuaje de riesgo de recopilaciones.
Ediciones necesarias
| Disponible en: Lightning Experience |
| Disponible en: Vea la disponibilidad de productos y ediciones. |
Funciones de entrada
La configuraciĆ³n de la plantilla Puntuaje de riesgo de recopilaciones incluye un conjunto de campos predefinidos que puede seleccionar como funciones de entrada para entrenar y puntuar el modelo de IA predictiva.
| Etiqueta de funciĆ³n de entrada | DescripciĆ³n |
|---|---|
| Cargos en total | El total de intereses y comisiones asociados con un plan de cobro. |
| Cuartil de fecha de vencimiento | La semana del aƱo en la que recae la fecha de vencimiento. |
| Vida de recopilaciĆ³n | El nĆŗmero de dĆas entre la fecha de vencimiento y la fecha de cierre. |
| CĆ³digo de motivo | Un cĆ³digo exclusivo que representa el motivo del plan de recopilaciĆ³n. |
| Motivo | El motivo para iniciar el proceso de cobro, incluyendo el impago de facturas, la quiebra, las facturas pendientes y los titulares de cuentas fallecidos. |
| Posibilidades de recuperaciĆ³n | Probabilidad de que un cobro se pague correctamente. |
Activos
Cuando instala la aplicaciĆ³n Tableau Next para Recopilaciones, se instalan estos activos. Puede personalizar estos activos segĆŗn sus requisitos de negocio.
- TrasformaciĆ³n de datos por lotes de entrenamiento: Esta TrasformaciĆ³n de datos por lotes se crea y se ejecuta durante la instalaciĆ³n de la aplicaciĆ³n Tableau Next. El nombre de la TrasformaciĆ³n de datos por lotes de entrenamiento tiene el formato <nombre de aplicaciĆ³n> Training BDT. Por ejemplo, si el nombre de la aplicaciĆ³n es Recopilaciones, el nombre de la transformaciĆ³n por lotes de entrenamiento es Recopilaciones Entrenamiento BDT. Recopila datos desde mĆŗltiples objetos de Modelo de datos relevantes basĆ”ndose en la configuraciĆ³n y crea los datos de entrenamiento aplanados en un nuevo Objeto de modelo de datos de transformaciĆ³n. El nombre del objeto de modelo de datos reciĆ©n creado tiene el formato RiskScore, <Nombre de aplicaciĆ³n>. Por ejemplo, si el nombre de su aplicaciĆ³n es Recopilaciones, el nombre del objeto del modelo de datos es Puntuaje de riesgo de recopilaciones. TrasformaciĆ³n de datos por lotes de entrenamiento utiliza datos de recopilaciones histĆ³ricas para entrenar el modelo predictivo.
- Modelo de IA predictiva Einstein: El modelo se crea durante la instalaciĆ³n de la aplicaciĆ³n Tableau Next. Entrene el modelo utilizando los datos de entrenamiento. La configuraciĆ³n de este modelo se deriva de la plantilla predefinida, Puntuaje de riesgo de recopilaciones configuraciones de plantilla. El nombre del modelo de IA predictiva es Puntuaje de riesgo de recopilaciones y puede verlo en Einstein Studio.
- TrasformaciĆ³n de datos por lotes de puntuaje: Esta TrasformaciĆ³n de datos por lotes se crea y se ejecuta durante la instalaciĆ³n de la aplicaciĆ³n Tableau Next. El nombre de la TrasformaciĆ³n de datos por lotes de puntuaje tiene el formato <nombre de aplicaciĆ³n> BDT de puntuaje. Por ejemplo, si el nombre de la aplicaciĆ³n es Recopilaciones, el nombre de la transformaciĆ³n por lotes de puntuaje es Puntuaje de recopilaciones BDT. Recopila datos desde mĆŗltiples objetos relevantes del Modelo de datos basĆ”ndose en la configuraciĆ³n, y tambiĆ©n recopila datos nuevos y en curso del Plan de recopilaciĆ³n. Utiliza el Modelo Einstein entrenado para asignar los puntuajes de riesgo en ellos. Los datos consolidados, junto con los puntuajes de riesgo, se almacenan en un objeto Modelo de datos de transformaciĆ³n denominado Puntuaje de riesgo <Nombre de aplicaciĆ³n>.
ĀæResolviĆ³ este artĆculo su problema?
Ā”HĆ”ganos saber cĆ³mo podemos mejorar!
