Abrufen von Prognosen mit REST-Anforderungen

Lernziele

Nachdem Sie diese Lektion abgeschlossen haben, sind Sie in der Lage, die folgenden Aufgaben auszuführen:

• Beschreiben, was erforderlich ist, um von einem REST-Client auf den Einstein Prediction Service (Einstein-Prognoseservice) zuzugreifen
  
• Erstellen einer verbundenen Anwendung zur Verwaltung der Authentifizierung für Ihre REST API-Anforderungen
  
• Verwenden Ihres REST-Clients für die Interaktion mit dem Einstein Prediction Service (Einstein-Prognoseservice)
  

Einführung

Sie haben Ihr Modell jetzt in Salesforce bereitgestellt und können nun mithilfe Ihres bevorzugten REST-Clients den Einstein Prediction Service (Einstein-Prognoseservice) verwenden, um Prognosen zu erhalten.

Bevor Sie loslegen

Die CRM Analytics-fähige DE-Organisation, für die Sie sich in der vorherigen Lektion registriert haben, bietet alles Nötige für die Durchführung der Schritte in dieser Lektion. 

Nach Abschluss dieses Moduls müssen Sie jedoch die folgenden Voraussetzungen erfüllen, um über einen REST-Client mit dem Einstein Prediction Service (Einstein-Prognoseservice) zu interagieren.

• Sie verfügen über die CRM Analytics Plus-Lizenz oder die Einstein Predictions-Lizenz, die beide gegen Aufpreis verfügbar sind.
  
• Sie benötigen einen Benutzeraccount mit der Systemberechtigung View Einstein Discovery Recommendations (Empfehlungen von Einstein Discovery anzeigen).
  
• Sie benötigen Ihren bevorzugten REST-Client für die Übermittlung von Anforderungen und das Handling von Ergebnissen. Bei dieser Lektion verwenden wir Anweisungen und Beispiel-Screenshots für die Postman-Anwendung (Desktopversion). Die Aufgaben für die Interaktion mit Ressourcen des Einstein Prediction Service (Einstein-Prognoseservice) sind jedoch bei den meisten REST-Clients ähnlich, Sie können also gerne ein anderes Tool verwenden und mit vergleichbaren Schritten vorgehen. Zum Herunterladen der Postman-Desktopanwendung gehen Sie zu www.postman.com und navigieren zur Download-Seite für die Postman-Anwendung.
  Hinweis: Die Anweisungen in dieser Lektion wurden mit der Postman-Desktopversion getestet. Postman Web, für das spezielle Setup-Anweisungen für Salesforce erforderlich sind, ist für die Verwendung mit diesem Trailhead-Modul nicht zugelassen.
  
• Sie benötigen Zugriff auf eine verwaltete Anwendung in Salesforce, die REST-API-Anforderungen von Ihrem REST-Client autorisiert. Zum Erstellen einer verbundenen Anwendung in Salesforce muss Ihr Benutzeraccount über die Berechtigung "Manage Connected App" (Verbundene Anwendungen verwalten) verfügen.
  

Hinweis: Eventuell erstellt in Ihrem Unternehmen Ihr Salesforce-Administrator die verwaltete Anwendung für Sie.

Schritt 1: Erstellen einer verbundenen Anwendung in Salesforce

Erstellen Sie zunächst eine verbundene Anwendung, damit Ihr REST-Client sich sicher mit Ihrer Salesforce-Organisation verbinden kann. Weitere Informationen dazu finden Sie im Trailhead-Modul Verbundene Anwendung – Grundlagen.  

1. Geben Sie unter "Setup" im Feld "Quick Find" (Schnellsuche) den Text apps (Anwendungen) ein und klicken Sie dann auf App Manager (Anwendungs-Manager).
   
   
2. Klicken Sie im Lightning Experience App Manager (Anwendungs-Manager) auf New Connected App (Neue verbundene Anwendung). Geben Sie auf der Seite "New Connected App" (Neue verbundene Anwendung) dann die folgenden grundlegenden Informationen ein.
   
   

   Einstellung	Beschreibung
   Connected App Name (Name der verbundenen Anwendung)	Geben Sie einen Namen ein, der aussagekräftig und leicht erkennbar ist.
   API Name (API-Name)	Verwenden Sie die Struktur für API-Namen in Salesforce.
   Contact Email (Kontakt-E-Mail)	Geben Sie die E-Mail-Adresse an, die mit Ihren Anmeldeinformationen verknüpft ist.

3. Aktivieren Sie dann das Kontrollkästchen Enable OAuth Settings (OAuth-Einstellungen aktivieren) und legen Sie folgende Einstellungen fest.
   
   

4. Speichern Sie die Einstellungen und klicken Sie anschließend auf Continue (Weiter), um die verbundene Anwendung zu erstellen.
   
5. Klicken Sie auf Manage Consumer Details (Verbraucherdetails verwalten).
   
   
6. Geben Sie bei der entsprechenden Aufforderung den Prüfcode ein, den Sie per E-Mail erhalten haben, und klicken Sie auf Verify (Überprüfen).
   
   

Beim Erstellen der verbundenen Anwendung generiert Salesforce zwei Anmeldeinformationen: einen Consumer Key (Verbraucherschlüssel) und ein Consumer Secret (Verbrauchergeheimnis).

Sie benötigen diese Anmeldeinformationen, wenn Sie mithilfe dieser verbundenen Anwendung eine Verbindung von Ihrem REST-Client zu Salesforce herstellen.

• Ihr Verbraucherschlüssel ist Ihre Client-ID.
  
• Ihr Verbrauchergeheimnis ist Ihr Client-Geheimnis.
  

Lassen Sie dieses Fenster geöffnet, damit Sie Verbraucherschlüssel und -geheimnis später in dieser Lektion kopieren können.

Schritt 2: Zulassen des Benutzername/Kennwort-Flows für OAuth 2.0

In dieser Lektion verwenden Sie einen Flow aus Benutzername und Kennwort für die Authentifizierung.

1. Geben Sie unter Setup im Feld der Schnellsuche den Text oauth ein und klicken Sie dann auf Einstellungen für OAuth und OpenID Connect.
   
2. Vergewissern Sie sich, dass Oauth-Flows mit Benutzername und Kennwort zulassen aktiviert ist.
   

Schritt 3: Einrichten der Authentifizierung im REST-Client

Als Nächstes richten wir die Authentifizierung in Ihrem REST-Client ein und verwenden dabei die eben erstellten Anmeldeinformationen der verbundenen Anwendung. Die Authentifizierung ist für den Zugriff auf den Einstein Prediction Service (Einstein-Prognoseservice) erforderlich.

Hinweis: Bei den folgenden Anleitungen wird der Postman-Client (Desktopanwendung) als Beispiel verwendet, Sie können aber auch einen anderen REST API-Client mit vergleichbarer Funktionalität nutzen.

Erstellen Sie in Postman, wenn nötig, einen neuen Arbeitsbereich. Erstellen Sie dann eine neue Sammlung (optional, aber empfohlen) mit einem aussagekräftigen Namen. In einer Sammlung werden alle Ihre Anforderungen an den Einstein Prediction Service (Einstein-Prognoseservice) an einem Ort gespeichert.

1. Wählen Sie die Sammlung in der Liste aus, klicken Sie auf Add request (Anforderung hinzufügen) und benennen Sie diese Anforderung in Authenticate (Authentifizieren) um.
   
   
2. Als Nächstes konfigurieren Sie die folgenden Parameter für die Anforderung "Authenticate" (Authentifizieren).
   
   

   Einstellung	Beschreibung
   Request Type (Anforderungstyp)	Ändern Sie den Typ in POST
   Request URL (Anforderungs-URL)	Geben Sie https://login.salesforce.com/services/oauth2/token an.

3. Klicken Sie auf die Registerkarte Body (Text), ändern Sie "Body Type" (Texttyp) in x-www-form-urlencoded und fügen Sie folgende Schlüssel und Werte hinzu.
   
   

   Schlüssel	Wert
   grant_type	Legen Sie password fest.
   client_id	Kopieren Sie den Consumer Key (Verbraucherschlüssel) aus der zuvor erstellten verbundenen Anwendung und fügen Sie ihn hier ein.
   client_secret	Kopieren Sie das Consumer Secret (Verbrauchergeheimnis) aus der zuvor erstellten verbundenen Anwendung und fügen Sie es hier ein.
   username	Geben Sie den Benutzernamen für den Account ein, der mit Ihrer DE-Organisation in Trailhead verknüpft ist.
   password	Geben Sie das Kennwort für den Account ein, der mit Ihrer DE-Organisation in Trailhead verknüpft ist.

4. Speichern Sie die Anforderung und klicken Sie auf Send (Senden). Wenn Sie Ihre Einstellungen richtig konfiguriert haben, sollte Ihre Antwort dem folgenden Beispiel ähneln (bitte beachten: Sicherheitsinformationen wurden absichtlich verborgen).
   
   
5. Führen Sie abschließend die folgenden Schritte durch:
   

• Kopieren Sie die access_token-Zeichenfolge an eine Stelle, an der Sie sie später wiederfinden. Sie benötigen sie zum Ausführen von API-Anforderungen für den Einstein Prediction Service (Einstein-Prognoseservice).
  
• Kopieren Sie die instance_URL-Zeichenfolge an eine Stelle, an der Sie sie später wiederfinden. Sie benötigen sie für nachfolgende Anforderungen.
  

Sie sind jetzt bereit, Ihre REST API-Anforderungen an den Einstein Prediction Service (Einstein-Prognoseservice) zu erstellen und zu übermitteln.

Schritt 4: Abrufen der verfügbaren Prognosedefinitionen

Zum Einstieg rufen wir die Liste aller verfügbaren Prognosedefinitionen in Ihrer Organisation ab.

1. Erstellen Sie eine neue GET-Anforderung und nennen Sie sie Get Prediction Definitions (Prognosedefinitionen abrufen). Konfigurieren Sie die Anforderung mit folgenden Einstellungen.
   
   

   Einstellung	Beschreibung
   Request Type (Anforderungstyp)	GET
   Request URL (Anforderungs-URL)	Geben Sie instance_URL/services/data/v55.0/smartdatadiscovery/predictionDefinitions ein und verwenden Sie für instance_URL den URL, der bei Ihrer Authentifizierungsanforderung zurückgegeben wurde.

2. Klicken Sie auf die Registerkarte Authorization (Autorisierung) und konfigurieren Sie folgende Einstellungen.
   
   

   Einstellung	Beschreibung
   Authorization Type (Autorisierungstyp)	Wählen Sie OAuth2.0 aus.
   Access Token (Zugriffstoken)	Fügen Sie hier das Zugriffstoken ein, das Sie im vorherigen Schritt gespeichert haben.

3. Speichern Sie die Anforderung und klicken Sie auf Send (Senden). Wenn Sie Ihre Anforderungseinstellungen richtig konfiguriert haben, sollte Ihre Antwort dem folgenden Beispiel ähneln.
   

{
  "nextPageUrl": null,
  "predictionDefinitions": [
    {
      "countOfActiveModels": 1,
      "countOfModels": 1,
      "createdBy": {
        "id": "your-account-id",
        "name": "your-name",
        "profilePhotoUrl": "https://xxx-instance-url-xxx/profilephoto/005/T"
      },
      "createdDate": "2022-06-09T21:23:54.000Z",
      "id": "1ORB00000008RSROA2",
      "label": "Sales_per_Customer",
      "lastModifiedBy": {
        "id": "your-account-id",
        "name": "your-name",
        "profilePhotoUrl": "https://xxx-instance-url-xxx/profilephoto/005/T"
      },
      "lastModifiedDate": "2022-06-09T21:23:54.000Z",
      "modelsUrl": "/services/data/v55.0/smartdatadiscovery/predictiondefinitions/1ORB00000008RSROA2/models",
      "name": "Sales_per_Customer",
      "outcome": {
        "goal": "Maximize",
        "label": "Sales per Customer",
        "name": "Sales_per_Customer"
      },
      "predictionType": "Regression",
      "status": "Enabled",
      "url": "/services/data/v55.0/smartdatadiscovery/predictiondefinitions/1ORB00000008RSROA2"
     }
  ],
  "totalSize": 1,
  "url": "/services/data/v55.0/smartdatadiscovery/predictiondefinitions?pageSize=25"
}

Schritt 5: Abrufen von Metadaten für die Prognosedefinition

Die Antwort in Schritt 3 enthält den URL für den Abruf der Metadaten für die Prognosedefinition, die Sie in der vorherigen Lektion erstellt haben. Der URL sollte ähnlich wie im folgenden Beispiel aussehen:

/services/data/v55.0/smartdatadiscovery/predictiondefinitions/1ORB00000008RSROA2

Die Prognose-ID stimmt mit der ID überein, die Sie zuvor schon im Model Manager (Modell-Manager) gesehen haben. 

1. Fügen Sie eine neue GET-Anforderung hinzu, nennen Sie sie Get Prediction Definition (Prognosedefinition abrufen) und ersetzen Sie diese Anforderungszeichenfolge im URL. Denken Sie daran, den instance_Url anzugeben.
   

   instance_Url
   /services/data/v55.0/smartdatadiscovery/predictiondefinitions/1ORB00000008RSROA2

2. Konfigurieren Sie die Autorisierungseinstellungen (Authorization Type (Autorisierungstyp) und Access Token (Zugriffstoken)) wie zuvor. Klicken Sie auf Send (Senden) und sehen Sie sich die Antwort an. Der URL sollte ähnlich wie im folgenden Beispiel aussehen:
   

   {
     "countOfActiveModels": 1,
     "countOfModels": 1,
     "createdBy": {
       "id": "your-account-id",
       "name": "your-name",
       "profilePhotoUrl": "https://xxx-instance-url-xxx/profilephoto/005/T"
     },
     "createdDate": "2022-06-09T21:23:54.000Z",
     "id": "1ORB00000008RSROA2",
     "label": "Sales_per_Customer",
     "lastModifiedBy": {
       "id": "your-account-id",
       "name": "your-name",
       "profilePhotoUrl": "https://xxx-instance-url-xxx/profilephoto/005/T"
     },
     "lastModifiedDate": "2022-06-09T21:23:54.000Z",
     "modelsUrl": "/services/data/v55.0/smartdatadiscovery/predictiondefinitions/1ORB00000008RSROA2/models",
     "name": "Sales_per_Customer",
     "outcome": {
       "goal": "Maximize",
       "label": "Sales per Customer",
       "name": "Sales_per_Customer"
     },
     "predictionType": "Regression",
     "status": "Enabled",
     "url": "/services/data/v55.0/smartdatadiscovery/predictiondefinitions/1ORB00000008RSROA2"
   }

Schritt 6: Abrufen mit einer Prognose verknüpfter Modelle

Die Antwort in Schritt 4 enthält den URL für den Abruf der Metadaten für das Modell, das Sie in der vorherigen Lektion bereitgestellt haben. Der URL sollte ähnlich wie im folgenden Beispiel aussehen:

/services/data/v55.0/smartdatadiscovery/predictiondefinitions/1ORB00000008RSROA2/models

1. Fügen Sie eine neue GET-Anforderung hinzu, nennen Sie sie Get Models (Modelle abrufen) und ersetzen Sie diese Anforderungszeichenfolge im URL. Denken Sie daran, den instance_Url anzugeben.
   

   instance_Url
   /services/data/v55.0/smartdatadiscovery/predictiondefinitions/1ORB00000008RSROA2/models

2. Konfigurieren Sie die Autorisierungseinstellungen (Authorization Type (Autorisierungstyp) und Access Token (Zugriffstoken)) wie zuvor. Klicken Sie auf Send (Senden) und sehen Sie sich die Antwort an. Der URL sollte ähnlich wie im folgenden Beispiel aussehen:
   

   {
     "models": [
       {
         "createdBy": {
           "id": "your-account-id",
           "name": "your-name",
           "profilePhotoUrl": "https://xxx-instance-url-xxx/profilephoto/005/T"
         },
         "createdDate": "2022-06-09T21:23:55.000Z",
         "fieldMappingList": [
           {
             "modelField": {
               "label": "Quantity",
               "name": "Quantity",
               "type": "Number"
             }
           },
           {
             "modelField": {
               "label": "Sub-Category",
               "name": "Sub_Category",
               "type": "Text"
             }
           },
         {
           "modelField": {
             "label": "Category",
             "name": "Category",
             "type": "Text"
           }
         },
         {
           "modelField": {
             "label": "Sales",
             "name": "Sales",
             "type": "Number"
           }
         },
         {
           "modelField": {
             "label": "Profit per Order",
             "name": "Profit_per_Order",
             "type": "Number"
             }
           }
         ],
         "filters": [],
         "historyUrl": "/services/data/v55.0/smartdatadiscovery/predictiondefinitions/1ORB00000008RSROA2/models/1ORB00000008RSROA2/histories",
         "id": "1Ot4W000000XezqSAC",
         "isRefreshEnabled": false,
         "label": "Sales_per_Customer",
         "lastModifiedBy": {
           "id": "your-account-id",
           "name": "your-name",
           "profilePhotoUrl": "https://xxx-instance-url-xxx/profilephoto/005/T"
         },
         "lastModifiedDate": "2020-08-31T21:23:55.000Z",
         "model": {
            "id": "1OT4W000000LejUWAS"
         },
         "modelType": "Regression",
         "name": "Sales_per_Customer",
         "predictionDefinitionUrl": "/services/data/v55.0/smartdatadiscovery/predictiondefinitions/1ORB00000008RSROA2",
         "prescribableFields": [
           {
             "customDefinitions": [],
             "field": {
               "label": "Quantity",
               "name": "Quantity",
               "type": "Number"
             }
           }
         ],
         "sortOrder": 0,
         "status": "Enabled",
         "url": "/services/data/v55.0/smartdatadiscovery/predictiondefinitions/1ORB00000008RSROA2/models/1Ot4W000000XezqSAC"
       }
     ],
     "totalSize": 1,
     "url": "/services/data/v55.0/smartdatadiscovery/predictiondefinitions/1ORB00000008RSROA2/models"
   }

Unter fieldMappingList wird die Liste der Felder im Modell aufgeführt. Diese verwenden wir im nächsten Schritt.

Schritt 7: Abrufen von Vorhersagen

Da Sie die Interaktion mit dem Einstein Prediction Service (Einstein-Prognoseservice) jetzt schon ein bisschen geübt haben, rufen wir nun ein paar Prognosen ab.

1. Fügen Sie eine neue Anforderung hinzu, nennen Sie sie Get Predictions (Prognosen abrufen) und konfigurieren Sie die folgenden Parameter.
   
   

   Einstellung	Beschreibung
   Request Type (Anforderungstyp)	Ändern Sie den Typ in POST
   Request URL (Anforderungs-URL)	Geben Sie instance_URL/services/data/v55.0/smartdatadiscovery/predict ein und verwenden Sie für instance_URL den URL, der bei Ihrer Authentifizierungsanforderung zurückgegeben wurde.

2. Konfigurieren Sie die Autorisierungseinstellungen (Authorization Type (Autorisierungstyp) und Access Token (Zugriffstoken)) wie zuvor. Wählen Sie bei Add Authorization Data To (Autorisierungsdaten hinzufügen zu) unbedingt Request Headers (Anforderungs-Header) aus.
   
3. Da dies ein POST-Aufruf ist, müssen wir den Anforderungstext angeben. Klicken Sie auf die Registerkarte Body (Text) und wählen Sie folgende Optionen aus.
   

   Einstellung	Beschreibung
   Body Type (Texttyp)	Wählen Sie RAW aus.
   Body Type Request (Texttyp Anforderung)	Wählen Sie JSON aus.

4. Fügen Sie den Anforderungstext in JSON-Format hinzu.
   

{  "predictionDefinition": "
yourPredictionDefinitionId
",
   "type": "RawData",
   "columnNames": ["Quantity","Category","Sub_Category","Sales","Profit_per_Order"],
   "rows": [
      ["2","Furniture","Chairs","300","10"]
   ]
}

5. Ersetzen Sie yourPredictionDefinitionId durch die Prognose-ID, die Sie zuvor abgerufen haben. Hier einige Hinweise zu diesem Anforderungstext:
   

   Element	Hinweise
   "type":"RawData"	Die Verwendung des Typs RawData ermöglicht uns, Roh-Eingabewerte direkt in der Prognoseanforderung anzugeben. Es gibt noch zwei andere Typen, Records und RecordOverrides, die Sie verwenden können, wenn die Prognose mit einem Salesforce-Objekt verknüpft ist. Unsere Prognose ist jedoch nicht mit einem Salesforce-Objekt verknüpft.
   "columnNames"	Durch Kommas getrennte Liste mit Namen, die das Modell als Eingabevariablen erwartet. Diese entsprechen dem Element "modelField":"Name" in der Liste fieldMappingList, die in der Antwort in Schritt 5 zurückgegeben wurden.
   "rows"	Durch Kommas getrennte Liste mit Textwerten, die an das Modell gesendet werden soll. Dies sind die Eingabewerte, aus denen das Modell eine Prognose ableitet.

6. Speichern Sie Ihre Anforderung, klicken Sie auf Send (Senden) und sehen Sie sich die Antwort an. Der URL sollte ähnlich wie im folgenden Beispiel aussehen:
   

{
  "predictionDefinition": "1ORB00000008RSR",
  "predictions": [
      {
        "model": {
          "id": "1OtB00000008S34KAE"
         },
      "prediction": {
        "middleValues": [],
        "total": 88.68177540182317
      },
      "prescriptions": [],
      "status": "Success"
    }
  ],
  "settings": {
    "maxMiddleValues": 0,
    "maxPrescriptions": 0,
    "prescriptionImpactPercentage": 0
  }
}

Der Wert "prediction":"total" ist der prognostizierte Umsatz pro Kunde, den das Modell auf der Grundlage Ihrer Eingabewerte berechnet.

7. Als Nächstes kopieren Sie den folgenden Code und fügen ihn in Ihren Anforderungstext ein (wobei der momentan vorhandene Code ersetzt wird). Fügen Sie Ihre Prognose-ID hinzu und klicken Sie auf Send (Senden).
   

{  "predictionDefinition": "yourPredictionDefinitionId",
  "type": "RawData",
  "columnNames": ["Quantity","Category","Sub_Category","Sales","Profit_per_Order"],
  "rows": [
    ["2","Furniture","Chairs","262","42"],
    ["5","Office Supplies","Art","7","25"]   
  ]
}

Die Antwort sollte ähnlich wie im folgenden Beispiel aussehen (eventuell unterscheiden sich die Prognosewerte).

{
  "predictionDefinition": "1ORB00000008RSR",
  "predictions": [
    {
      "model": {
        "id": "1OtB00000008S34KAE"
      },
      "prediction": {
        "middleValues": [],
        "total": 88.68177540182317
      },
      "prescriptions": [],
      "status": "Success"
    },
    {
      "model": {
        "id": "1OtB00000008S34KAE"
      },
      "prediction": {
        "middleValues": [],
        "total": -155.263449836085
      },
      "prescriptions": [],
      "status": "Success"
    }
  ],
  "settings": {
    "maxMiddleValues": 0,
    "maxPrescriptions": 0,
    "prescriptionImpactPercentage": 0
  }
}

Die Reihenfolge der Prognosen in der Antwort entspricht der Reihenfolge der Eingabewerte im Anforderungstext.

8. Abschließend rufen wir nun die wichtigsten Faktoren und Verbesserungen in der Antwort ab. Entfernen Sie die zweite Datenzeile, fügen Sie die folgenden Zeilen zu Ihrer Anforderung hinzu und klicken Sie auf Send (Senden).
   

{  "predictionDefinition": "yourPredictionDefinitionId",
  "type": "RawData",
  "columnNames": ["Quantity","Category","Sub_Category","Sales","Profit_per_Order"],
  "rows": [
    ["2","Furniture","Chairs","262","42"]
  ],
  "settings": {
    "maxMiddleValues": 2,
    "maxPrescriptions": 2}
}

Für diese Anforderung gilt:

• maxMiddleValues ermöglicht, dass die wichtigsten Faktoren zurückgegeben werden (in diesem Beispiel bis zu 2).
  
• maxPrescriptions ermöglicht, dass Verbesserungen zurückgegeben werden (in diesem Beispiel bis zu 2).
  

Die Antwort sollte ähnlich wie im folgenden Beispiel aussehen:

{
  "predictionDefinition": "1ORB00000008RSR",
  "predictions": [
    {
      "model": {
        "id": "1OtB00000008S34KAE"
      },
    "prediction": {
      "baseLine": 438.5059113062626,
      "middleValues": [
        {
        "columns": [
          {
            "columnLabel": "Sub-Category",
            "columnName": "Sub_Category",
            "columnValue": "Chairs"
          },
          {
            "columnLabel": "Sales",
            "columnName": "Sales",
            "columnValue": "262"
          }
        ],
          "value": -730.8852909080902
        },
      {
      "columns": [
        {
          "columnLabel": "Sales",
          "columnName": "Sales",
          "columnValue": "262"
        }
      ],
          "value": 244.82002630727217
          }
        ],
        "other": 136.2411286963786,
        "smallTermCount": 3,
        "total": 88.68177540182317
      },
      "prescriptions": [],
      "status": "Success"
    }
  ],
  "settings": {
    "maxMiddleValues": 2,
    "maxPrescriptions": 2,
    "prescriptionImpactPercentage": 0
  }
}

Für diese Antwort gilt: 

• Der Wert total steht für den Prognosewert.
  
• Der Abschnitt middlevalues beschreibt die zwei wichtigsten Faktoren, die für diese Prognose zurückgegeben werden. In diesem Beispiel gilt:
  

• Ist "Sub Category = chairs" und "Sales = 262", senkt dies die Prognose um knapp 731 (-730.8852).
  
• Ist "Sales = 262", steigt die Prognose um knapp 245 (244.8200).
  

Weitere Informationen über andere Elemente in der Antwort finden Sie unter Abrufen von Prognosen in der Salesforce-Hilfe.

Anzeigen der Verwendungsüberwachung

Einstein Discovery überwacht Nutzungsstatistiken in Echtzeit. Wenn Sie die Nutzungsstatistiken für Ihre Organisation anzeigen möchten, geben Sie in Setup in das Feld "Quick Find" (Schnellsuche) den Begriff discovery ein und wählen dann Usage (Verwendung) aus.

Einstein erfasst REST API-Anforderungen zusammen mit anderen programmgesteuerten Prognoseanforderungen unter Number of prediction API calls run today (Anzahl der heute ausgeführten Prognose-API-Aufrufe).

Ressourcen

• Salesforce-Hilfe: Abrufen von Prognosen und Verbesserungen mit dem Einstein-Prognoseservice
• Salesforce-Hilfe: Anzeigen von Nutzungsstatistiken für Einstein Discovery
• Github: Salesforce-APIs für Postman (in englischer Sprache)