Vytváření a správa predikcí
Dynamics 365 Customer Insights - Data je vybavena řadou možností, které využívají AI a strojové učení k předpovídání dat.
Predikce umožňují vytvářet lepší zákaznické prostředí, zlepšovat obchodní schopnosti a zdroje příjmů. Důrazně doporučujeme, abyste vyvážili hodnotu své predikce s dopadem, který má, a možnými opatřeními proti předpojatosti zavedenými z etických důvodů. Další informace, jak společnost Microsoft přistupuje k zodpovědné AI.
Generujte statistiky pomocí hotových modelů predikce
Nejjednodušší způsob, jak začít s předpovídáním dat, jsou předem definované modely, často označované jako vestavěné modely. K rychlému generování přehledů vyžadují pouze určitá data a strukturu.
K dispozici jsou následující modely:
- Celoživotní hodnota zákazníka: Předpovídá potenciální výnos ze zákazníka během jeho celé interakce s firmou.
- Doporučení produktu: Navrhuje sady prediktivních doporučení produktů na základě nákupního chování a zákazníků s podobnými nákupními vzory.
- Úbytek předplatitelů: Předpovídá, zda hrozí ztráta zákazníka, pokud přestane používat produkty nebo služby v rámci předplatného vaší společnosti.
- Úbytek transakcí: Předpovídá, zda si konkrétní zákazník v určitém časovém rámci již nebude kupovat vaše produkty nebo služby.
- Analýza postoje: Analyzuje postoje zákazníků z jejich názorů a identifikuje obchodní aspekty, které jsou často zmiňovány.
Chcete-li pochopit, jak jsou vaše data připravena vytvářet přehledy, přečtěte si téma Přehled sestavy přípravy dat.
Tip
Doporučujeme, abyste předpřipravené modely pravidelně aktualizovali o aktualizovaná data, abyste zajistili, že budou přesně informovat o vašem případu obchodního použití. Data se aktualizují ad-hoc, když systém ingestuje nové nebo aktualizované zdroje dat. Modely však v tomto případě pouze přehodnotí skóre a nadále budou používat stávající trénovací data.
Nakonfigurujte Plán aktualizací nastavením plánu přeškolení modelu během konfigurace. Model se podle tohoto plánu přeškolí a přehodnotí skóre. Tento plán můžete kdykoli změnit.
Správa existujících predikcí
Přejděte na stránku Přehledy>Predikce. Na kartě Moje predikce zobrazte předpovědi, které jste vytvořili, jejich typ predikce, název výstupní tabulky, stav, poslední úpravu predikce a poslední aktualizaci dat. Seznam predikcí můžete seřadit podle libovolného sloupce.
Chcete-li zobrazit dostupné akce, vyberte předpověď.
- Upravte predikci ke změně jeho vlastnosti.
- Obnovte predikci pro zahrnutí nejnovějších dat.
- Zobrazte podrobnosti predikce.
- Zpráva o použitelnosti vstupních dat pro zobrazení chyb, varování a doporučení.
- Odstraňte predikci.
Aktualizace předpovědi
Predikce lze aktualizovat podle automatického plánu nebo ručně na vyžádání. Chcete-li ručně obnovit všechny predikce, vyberte Obnovit vše. Chcete-li ručně obnovit predikci, vyberte ji a vyberte Obnovit. Na záložce naplánovat automatické obnovení jděte na Nastavení>Systém>Plán.
Tip
Úkoly a procesy mají své stavy. Většina procesů závisí na jiných upstreamových procesech, jako jsou aktualizace zdrojů dat a profilování dat.
Výběrem stavu otevřete podokno Podrobnosti o průběhu a zobrazíte průběh úloh. Chcete-li úlohu zrušit, vyberte Zrušit úlohu ve spodní části panelu.
U každé úlohy můžete výběrem možnosti Zobrazit podrobnosti zobrazit další informace o průběhu, jako je čas zpracování, datum posledního zpracování a případné chyby a varování související s úlohou nebo procesem. Vyberte Zobrazit stav systému ve spodní části panelu k zobrazení dalších procesů v systému.
Zobrazení sestavy použitelnosti vstupních dat
Sestava použitelnosti vstupních dat poskytuje konsolidovaný pohled na chyby a varování, které mohou generovat vaše předdefinované predikce. Poskytuje také doporučení, jak zlepšit výkon modelu.
Sestava je k dispozici poté, co model dokončí tréninkový proces. Každý model má samostatnou zprávu, bez ohledu na to, zda úspěšně dokončil trénink nebo ne.
Na kartě Moje předpovědi vyberte kartu predikce a vyberte Zpráva o použitelnosti vstupních dat. Nebo v predikce zobrazení podrobností vyberte Zpráva o použitelnosti vstupních dat.
Sestava obsahuje:
- Název: Popisný název chyby, varování nebo doporučení.
- Krok: Fáze, školení nebo skóre modelu a informace, který se týká.
- Stav: Závažnost informací (chyba, varování, doporučení).
- Název sloupce: Sloupec v tabulce, který je třeba upravit, aby se zlepšil výkon modelu.
- Tabulka: Název tabulky, kterou je třeba upravit, aby se zlepšil výkon modelu.
- Podrobnosti: Podrobnosti o chybě, varování nebo doporučení.