Conocer el Servicio de predicción de Einstein

Objetivos de aprendizaje

Después de completar esta unidad, podrá:

• Explicar las capacidades del Servicio de predicción de Einstein.
  
• Explicar los conceptos de predicciones, mejoras y principales predictores.
  
• Explicar las definiciones de modelos y predicción.
  
• Describir la diferencia entre producir y usar modelos.
  
• Explicar los tres casos de uso de análisis de negocio que el Servicio de predicción de Einstein aborda.
  

¿Qué es el Servicio de predicción de Einstein?

El Servicio de predicción de Einstein es un servicio de API de REST público que permite interactuar de forma programática con modelos y predicciones que utilizan la tecnología de Einstein Discovery. Puede usar el Servicio de predicción de Einstein para:

• Obtener predicciones de sus datos.
  
• Obtener acciones sugeridas para mejorar los resultados de las predicciones.
  
• Administrar las definiciones de las predicciones y los modelos que son implementados en Salesforce.
  
• Administrar los trabajos de puntuaje en masa.
  
• Administrar los trabajos de actualización del modelo.
  

Este módulo de Trailhead se concentra en obtener predicciones y mejoras, que es el caso de uso principal del Servicio de predicción de Einstein.

Conocer las predicciones, las mejoras y los principales predictores

Observemos un ejemplo del panel de predicciones de Einstein Discovery en la página Lightning.

Este ejemplo usa Einstein Discovery para predecir cuándo se cerrará una oportunidad. Tener conocimiento de esto nos puede ayudar a priorizar nuestros esfuerzos en las oportunidades que tienen probabilidad de cerrarse en el período fiscal actual.

El panel de predicciones muestra los elementos clave devueltos en una solicitud de predicción.

El Servicio de predicción de Einstein devuelve toda esta información en respuesta a las solicitudes de predicción realizadas con la API de REST. Aprenda más sobre esto. 

Predicciones

Una predicción es un valor derivado, generado por un modelo, que representa un resultado futuro posible sobre un entendimiento estadístico de resultados pasados más los valores de entrada proporcionados (predictores). 

Desglosemos estos conceptos.

• Un resultado es el efecto comercial que está intentando comprender y mejorar. Un resultado suele ser un indicador clave de desempeño (KPI), como un margen de ventas u oportunidades ganadas.
  
• Una predicción representa un valor de resultado que el modelo genera en función de los valores de entrada proporcionados (los predictores). La ecuación del modelo es el resultado de un análisis estadístico exhaustivo de los datos pasados con los resultados conocidos, alimentada por el aprendizaje automático y la IA.
  
• A pesar de que el futuro es desconocido e incierto, una predicción reduce algo de incertidumbre proporcionando un valor que recae dentro de un rango calculado de probabilidad.
  
• Cuando sucede, el resultado real puede diferir del resultado predicho. Esto es esperable. Medimos la precisión de la predicción en función de cuán pequeña o grande es esta diferencia. Para obtener más información sobre la precisión de las predicciones, consulte Configurar la supervisión de desempeño para una definición de predicción en la ayuda de Salesforce.
  

Predictores principales

Los predictores principales son las condiciones que contribuyen significativamente a llegar al resultado predicho, en orden descendiente de magnitud. Una condición es un valor de dato asociado a una columna. En Einstein Discovery, un predictor consiste en una o dos condiciones. En el ejemplo del componente Lightning, Deal Size Category is 5.0 (La categoría del tamaño del trato es de 5,0) es una condición única, mientras que Competitor Type is Known and Route to Market is Reseller (El tipo de competencia es conocido y la ruta al mercado es a través de un revendedor) es una combinación de dos condiciones. Los predictores también se los llama predictores variables o variables independientes.

Mejoras

Una mejora es una acción sugerida que un usuario puede realizar para mejorar el resultado predicho. Observe que la mejora afecta el resultado predicho, no necesariamente el real. Las mejoras están asociadas a variables que los usuarios pueden controlar o influenciar, como el método de envío o el nivel de afiliación de un suscriptor. Al realizar las acciones que Einstein sugiere, los usuarios pueden aumentar las posibilidades de lograr un resultado más favorable.

¿Qué representan las flechas en círculos rojos y verdes?

Las flechas en círculo indican cómo el predictor o las acciones sugeridas influyen en el resultado predicho. Para interpretar la flecha, consulte su color y la dirección a la que apunta.

Color

• Verde indica que el predictor mejora el resultado predicho.
  
  
• Rojo indica que el predictor empeora el resultado predicho.
  
  

Dirección

La flecha apunta hacia arriba o hacia abajo según la dirección en que el predictor afecta el resultado predicho. Por ejemplo, si el objetivo es minimizar el resultado:

• Una flecha verde que apunta hacia abajo indica que un predictor mejora un resultado predicho.
  
• Una flecha roja que apunta hacia arriba indica que el predictor empeora este resultado.
  

En el ejemplo del componente Lightning, la condición Deal Size Category is 5.0 (La categoría del tamaño del trato es de 5,0) aumenta el tiempo predicho para el cierre, es por eso que es una flecha roja apuntando hacia arriba.

Conocer los modelos y las definiciones de predicciones

Se obtienen las predicciones en el Servicio de predicción de Einstein al interactuar con dos recursos: modelos y definiciones de predicciones.

Modelos

Un modelo es la sofisticada construcción matemática personalizada que Einstein Discovery genera. Einstein Discovery usa un modelo para predecir un resultado. 

En un modelo se organizan los datos por variables. Una variable es una categoría de datos. Es análoga a una columna en un conjunto de datos de CRM Analytics o un campo en un objeto de Salesforce. Un modelo tiene entradas (variables de predictor) y predicciones de resultados para la variable de resultado, junto con información adicional, si se solicita. 

Las predicciones ocurren en el nivel de observación. Una observación es un conjunto estructurado de datos. Es análoga a una fila completa en un conjunto de datos de CRM Analytics o un registro en un objeto de Salesforce. 

Para cada observación, el modelo acepta un conjunto de variables de predictor (1) y devuelve una predicción correspondiente (2).

De manera opcional, una solicitud de predicción puede incluir una directiva para devolver también predictores principales y mejoras.

Los modelos no son exclusivos de Einstein Discovery o Salesforce. De hecho, los modelos de predicción se usan frecuentemente en todo el mundo, en diversas industrias, organizaciones y disciplinas, y forman parte de varios aspectos de la vida cotidiana. Los científicos de datos y otros especialistas aplican su talento a diseñar y construir modelos de alta calidad que pueden generar predicciones muy precisas y útiles. 

Sin embargo, muchas organizaciones enfrentan un desafío común: una vez construido un modelo bien diseñado, puede ser difícil implementarlo en entornos de producción e integrarlo en las operaciones que deberían favorecer. Con Einstein Discovery, puede poner en práctica rápidamente sus modelos: puede construirlos, implementarlos en producción y comenzar a obtener predicciones y tomar mejores decisiones de negocios de inmediato y a partir de datos en vivo. Incluso puede poner en práctica modelos construidos externamente que cargue en Einstein Discovery. 

Definiciones de predicción

En el Servicio de predicción de Einstein, cada modelo pertenece a un objeto de contenedor denominado definición de predicción. La siguiente imagen muestra el flujo de solicitud/respuesta cuando se realiza una solicitud de predicción a una definición de predicción que contiene un solo modelo.

En este ejemplo, la solicitud de predicción (1) pasa las variables de predictores del registro del cliente a una definición de predicción para evaluar la probabilidad de pérdida del cliente. Las definiciones de predicción reenvían los datos de entrada al modelo (2), que calcula la predicción que se devuelve (3) en respuesta al solicitante.

Una definición de predicción puede incluir varios modelos, y cada modelo genera predicciones para un segmento (subconjunto) diferente de los datos. La siguiente imagen muestra el flujo solicitud/respuesta que involucra unas definiciones de predicción con tres modelos, cada uno genera predicciones para una región en particular.

En este ejemplo, la solicitud de predicción (1) pasa las variables de predictores del registro del cliente a una definición de predicción para evaluar la probabilidad de pérdida del cliente. El registro del cliente (observación) pertenece a la región AMER. La definición de predicción reenvía los datos de entrada al modelo encargado del segmento AMER (2), que calcula la predicción que se devuelve (3) en respuesta al solicitante.

¿Con qué casos de uso pueden ayudar las predicciones?

El Servicio de predicción de Einstein ayuda en los siguientes casos de uso de análisis comercial: 

En la siguiente unidad, creará e implementará un modelo que implementa un caso de uso numérico.

Producir y usar modelos

Al trabajar con el Servicio de predicción de Einstein, resulta útil pensar en las dos actividades principales:

• Producir un modelo implica usar CRM Analytics Studio para crear e implementar el modelo en Salesforce. Para predecir la pérdida de un cliente, por ejemplo, alguien tuvo que proporcionarle al modelo que predice si el cliente es probable que se marche o se quede. En la siguiente unidad se describen los pasos para crear e implementar un modelo.
  
• Usar un modelo implica utilizar el modelo implementado para generar predicciones y mejoras para sus datos. En nuestro ejemplo de pérdida de clientes se utilizó una página Lightning para mostrar las predicciones, los predicadores principales y las mejoras. En la última unidad, aprendió a obtener la misma información usando su cliente de REST favorito y el Servicio de predicción de Einstein.
  

Obtener predicciones de forma declarativa o programática

Puede obtener predicciones del Servicio de predicción de Einstein de dos maneras:

• Declarativa en campos de predicción automática, la función PREDICT (Predecir) en fórmulas de automatización de procesos, la transformación de Predicción de descubrimiento en las recetas de preparación de datos, la acción de Einstein Discovery en los flujos de Salesforce y en Einstein Discovery en Tableau.
  
• Programática usando las API de APEX y REST.
  

Recursos

• Ayuda de Salesforce: Obtener predicciones y mejoras del Servicio de predicción de Einstein
• Trailhead: Einstein Discovery: Vistazo rápido