Ti trovi qui:
Panoramica delle funzioni e degli asset dell'app Tableau Next per le raccolte
Esaminare queste funzioni di input e asset utilizzati durante l'installazione e la configurazione dell'app Tableau Next per le raccolte utilizzando il tipo di modello di configurazione del framework di calcolo del punteggio, Punteggio di rischio delle raccolte.
Versioni (Edition) richieste
| Disponibile nelle versioni: Lightning Experience |
| Disponibile in: Visualizzare la disponibilità dei prodotti e delle versioni. |
Funzioni di input
La configurazione del modello di calcolo del punteggio del rischio per le raccolte include una serie di campi predefiniti che è possibile selezionare come funzioni di input per l'addestramento e il calcolo del punteggio del modello AI predittivo.
| Etichetta funzione di input | Descrizione |
|---|---|
| Totale addebiti | Interessi e spese totali associati a un piano di riscossione. |
| Scadenza Quartile | Settimana dell'anno in cui cade la data di scadenza. |
| Vita raccolta | Numero di giorni tra la data di scadenza e la data di chiusura. |
| Codice motivo | Codice univoco che rappresenta il motivo del piano di raccolta. |
| Motivo | Motivo dell'avvio del processo di riscossione, inclusi mancato pagamento delle fatture, bancarotta, fatture in sospeso e titolari di account deceduti. |
| Probabilità di ripristino | La probabilità che una riscossione venga pagata correttamente. |
Asset
Quando si installa l'app Tableau Next per le raccolte, vengono installati i seguenti asset. È possibile personalizzare questi asset in base alle esigenze aziendali.
- Trasformazione dati batch di addestramento: Questa trasformazione dati batch viene creata ed eseguita durante l'installazione dell'app Tableau Next. 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 batch di addestramento è Raccolte Formazione BDT. Raccoglie i dati da più oggetti modello di dati pertinenti in base alla configurazione e crea i dati di addestramento appiattiti in una nuova trasformazione Oggetto modello di dati. Il nome dell'oggetto modello di dati appena creato è nel formato <Nome applicazione> RiskScore. Ad esempio, se il nome dell'app è Raccolte, il nome dell'oggetto modello di dati è Raccolte RiskScore. La trasformazione dati batch di addestramento utilizza i dati delle raccolte storiche per addestrare il modello predittivo.
- Modello AI predittivo Einstein: Il modello viene creato durante l'installazione dell'app Tableau Next. Addestrare il modello utilizzando i dati di addestramento. La configurazione di questo modello deriva dal modello predefinito, le configurazioni del modello di calcolo del punteggio del rischio per le raccolte. Il nome del modello AI predittivo è Collections Risk Score ed è possibile visualizzarlo in Einstein Studio.
- Trasformazione dati batch di calcolo del punteggio: Questa trasformazione dati batch viene creata ed eseguita durante l'installazione dell'app Tableau Next. 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 batch di calcolo del punteggio è Collections Scoring BDT. Raccoglie i dati da più oggetti modello di dati pertinenti in base alla configurazione e raccoglie anche i dati del piano di raccolta nuovi e in corso. Utilizza il modello Einstein addestrato per assegnare i relativi punteggi di rischio. I dati consolidati, insieme ai punteggi di rischio, sono memorizzati in un oggetto Trasforma modello di dati denominato <Nome app> Risk Score.
Questo articolo ha risolto il problema?
Facci sapere, così possiamo migliorare!
