P A T H

Enriqueça os Dados de Fluxo de Preparação do Tableau com as Previsões do Einstein Discovery

Na versão de abril do Tableau Prep, agora você pode invocar o poder do Salesforce Einstein Discovery para pontuar em massa seus dados diretamente em seu fluxo. Trazer esses modelos preditivos poderosos para o Tableau Prep ajudará as pessoas mais próximas da empresa a usar técnicas analíticas avançadas para descobrir insights práticos, informar decisões proativas e resolver problemas mais rapidamente.

 

Com essa integração, você pode aplicar modelos preditivos de aprendizado de machine learning no Einstein Discovery aos seus dados de fluxo e, em seguida, gerar resultados previstos diretamente em seu fluxo. Por fim, envie os resultados para análise no Tableau.

 

Nesta postagem, veremos como uma organização pode usar o Einstein Discovery no Tableau Prep para prever e melhorar a retenção de funcionários.

Pontuação em massa usando Prep e Einstein Discovery

Os modelos criados no Einstein Discovery serão aplicados aos dados na etapa de predição. O usuário escolherá quantos principais preditores e principais melhorias gostaria de ver depois de executar o modelo em relação aos dados na Preparação. Sua saída de fluxo inclui novos campos para os resultados da previsão. Cada linha é pontuada em massa com base no modelo, permitindo que você examine seus resultados no nível da linha e visualize-os no Tableau.

 

Por exemplo, você pode querer descobrir a probabilidade de reter funcionários em sua organização.

 

Primeiro, você se conecta ao conjunto de dados do funcionário e adiciona uma etapa de previsão.

Notícia Prep e Einstein Discovery 01

Em seguida, você precisará inserir suas credenciais do Salesforce para se conectar aos modelos implantados do Einstein Discovery para pontuar seu conjunto de dados.

 

Em seguida, selecione o modelo a ser aplicado ao seu conjunto de dados. Você deseja usar o modelo “Previsão de retenção de funcionários” para determinar a probabilidade de um funcionário permanecer na empresa.

Notícia Prep e Einstein Discovery 02

Depois de selecionar um modelo, você pode escolher se deseja ver informações adicionais sobre seus dados, como previsões ou até mesmo melhorias:

 

Uma previsão é um valor estimado para um resultado futuro. Às vezes, uma previsão é chamada de pontuação ou inferência estatística.Uma melhoria é uma ação sugerida, com base em análises prescritivas, que um usuário pode realizar para melhorar a probabilidade de um resultado desejado. A ação sugerida pode melhorar o resultado previsto.

Notícia Prep e Einstein Discovery 03

Em seguida, você mapeará os campos entre seu conjunto de dados e o modelo selecionado. Clique em aplicar quando terminar e você verá os resultados no painel de perfil.

Notícia Prep e Einstein Discovery 04

Usando os outputs do modelo preditivo Einstein Discovery no Prep

O exemplo a seguir mostra os resultados do modelo sendo aplicado aos seus dados. Você notará que agora tem campos adicionais chamados Prediction, Predictor 1 , Predictor 1 Impact, bem como Improvement 1 e Improvement 1 Impact.
Notícia Prep e Einstein Discovery 05
 
Vamos olhar para uma linha específica e analisar os resultados.
 
Notícia Prep e Einstein Discovery 06

Para o funcionário com ID 3, o modelo prevê que a probabilidade de ser retido é de 91,78%, conforme mostrado na coluna “Prediction”. O principal fator que contribui para essa previsão é o salário mensal e o número de anos que ele está na empresa, que você pode ver no campo “Predictor 1”. Para obter uma pontuação de previsão ainda mais alta, podemos examinar as melhorias que poderiam ser feitas para garantir que o funcionário com ID 3 permaneça na empresa. O campo “Improvement 1” nos diz que se o salário mensal do funcionário subisse de $ 12.000 por mês para $ 13.890 a $ 19999 por mês, sua pontuação de previsão melhoraria em dois por cento.

 
Este exemplo mostra como podemos incorporar os modelos Salesforce Einstein Discovery no Prep e realizar uma pontuação em massa diretamente em um fluxo. A seguir, vamos analisar uma viz para examinar as pontuações e determinar quem está em risco de sair e o que podemos fazer para melhorar a probabilidade de permanecer na equipe.
 
Este gráfico de barras mostra as porcentagens de retenção com base em nossa previsão.
 
Notícia Prep e Einstein Discovery 07
A seguir, vamos focar no que podemos fazer para reter esses funcionários e melhorar o resultado. Neste exemplo, o modelo de previsão nos mostra que se o salário mensal desse funcionário aumentar entre $ 4.923 e $ 5.725, a taxa de retenção aumenta em nove por cento.
Notícia Prep e Einstein Discovery 08

08 de Abril de 2021

Gostou dessa solução? Veja o que mais você pode fazer:

Notícias Recentes

Language