Você está aqui:
Visão geral dos recursos e ativos do aplicativo Tableau Next para Coleções
Revise esses recursos de entrada e ativos usados ao instalar e configurar o aplicativo Tableau Next para Coleções usando o tipo de modelo de configuração da Estrutura de pontuação, Pontuação de risco de cobrança.
Edições obrigatórias
| Disponível em: Lightning Experience |
| Disponível em: Veja a disponibilidade de produto e edição. |
Recursos de entrada
A configuração do modelo Pontuação de risco de cobrança inclui um conjunto de campos predefinidos que você pode selecionar como recursos de entrada para treinamento e pontuação do modelo de IA preditiva.
| Rótulo de recurso de entrada | Descrição |
|---|---|
| Total de encargos | O total de juros e taxas associados a um plano de cobrança. |
| Trimestre de vencimento | A semana do ano em que o prazo cai. |
| Vida da coleção | O número de dias entre a data de vencimento e a data de fechamento. |
| Código de motivo | Um código exclusivo que representa o motivo do plano de cobrança. |
| Motivo | O motivo para iniciar o processo de cobrança, incluindo não pagamento de contas, falência, faturas pendentes e titulares de conta falecidos. |
| Oportunidades de recuperação | A probabilidade de uma coleção ser paga com sucesso. |
Ativos
Quando você instala o aplicativo Tableau Next para Coleções, esses ativos são instalados. Você pode personalizar esses ativos de acordo com seus requisitos de negócios.
- Transformação de dados em lote de treinamento: Essa transformação de dados em lote é criada e executada durante a instalação do aplicativo Tableau Next. O nome da transformação de dados de lote de treinamento está no formato, <nome do aplicativo> Treinamento BDT. Por exemplo, se o nome do aplicativo for Coleções, o nome da transformação em lote de treinamento será BDT de treinamento de coleções. Ele coleta dados de vários objetos de Modelo de dados relevantes com base na configuração e cria os dados de treinamento nivelados em um novo Objeto de modelo de dados de transformação. O nome do Objeto de modelo de dados recém-criado está no formato, <nome do aplicativo> RiskScore. Por exemplo, se o nome do seu aplicativo for Coleções, o nome do Objeto de modelo de dados será Coleções RiskScore. A transformação de dados em lote de treinamento usa dados de Coleções históricas para treinar o modelo preditivo.
- Modelo de IA preditiva do Einstein: O modelo é criado durante a instalação do aplicativo Tableau Next. Treine o modelo usando os dados de treinamento. A configuração desse modelo é derivada dos ajustes de modelo predefinidos, Pontuação de risco de cobrança. O nome do modelo de IA preditiva é Pontuação de risco de cobrança, que você pode visualizar no Einstein Studio.
- Transformação de dados em lote de pontuação: Essa transformação de dados em lote é criada e executada durante a instalação do aplicativo Tableau Next. O nome da transformação de dados em lote de pontuação está no formato, <nome do aplicativo> Pontuação BDT. Por exemplo, se o nome do aplicativo for Coleções, o nome da transformação em lote de pontuação será BDT de Pontuação de coleções. Ele coleta dados de vários objetos do Modelo de dados relevantes com base na configuração e também coleta dados novos e em andamento do Plano de coleção. Usa o modelo do Einstein treinado para atribuir as pontuações de risco a eles. Os dados consolidados, junto com as pontuações de risco, são armazenados em um objeto Modelo de dados de transformação chamado Pontuação de risco <nome do aplicativo>.
Este artigo resolveu seu problema?
Diga-nos para podermos melhorar!
