Configurar las predicciones en Salesforce

Objetivos de aprendizaje

Después de completar esta unidad, podrá:

• Describir los requisitos previos para usar el Servicio de predicción de Einstein.
  
• Explicar los pasos para crear e implementar un modelo de Einstein Discovery.
  

Introducción

Para obtener predicciones y mejoras, primero necesita un modelo predictivo. En esta unidad, aprenderá a crear e implementar un modelo en Salesforce con Einstein Discovery y CRM Analytics Studio. El objetivo del modelo es maximizar las ventas por cliente para una supertienda de venta minorista ficticia. 

Einstein Discovery ayuda a que el modelo esté listo rápidamente mediante herramientas basadas en clics, no códigos. Einstein Discovery realiza un análisis de datos exhaustivo con estadísticas, aprendizaje automático e IA. Aun si confía en que otros produzcan el modelo que usted usará, resulta útil comprender cómo se crea.

Probar Einstein Discovery con una organización de Developer Edition

Para este módulo de Trailhead, no puede usar una organización de Developer Edition existente. En su lugar, regístrese en esta organización de Developer Edition de CRM Analytics gratuita, debido a lo siguiente:

• Viene aprovisionada con la licencia CRM Analytics Plus necesaria para Einstein Discovery.
  
• Tiene el conjunto de permisos de CRM Analytics Plus establecido como obligatorio para acceder a las funciones de Einstein Discovery. Esto incluye el permiso Manage Connected App (Gestionar aplicaciones conectadas) necesario para crear una aplicación conectada y autenticar las solicitudes de clientes de REST.
  
• Ofrece un entorno seguro para practicar las habilidades que aprendió.
  

Nota: Aunque ya tenga una organización de Developer Edition para CRM Analytics, regístrese en una nueva ahora. Las organizaciones de Developer Edition para CRM Analytics más antiguas no reciben las funciones lanzadas recientemente. Por lo tanto, regístrese en una nueva organización para recibir las últimas y mejores capacidades.

Para registrarse haga lo siguiente:

1. Vaya a developer.salesforce.com/promotions/orgs/analytics-de.
   
2. Complete el formulario utilizando una dirección de email activa.
   
3. Después de completar el formulario, haga clic en Registrarme.
   
4. Cuando reciba el email de activación, ábralo y haga clic en el vínculo.
   
5. Complete el registro y establezca la contraseña y la pregunta de comprobación.
   
6. Haga clic en Guardar. Iniciará sesión en su organización de Developer Edition con CRM Analytics y se le redirigirá a la página Configuración.
   

¡Allá vamos! ¡Ahora tiene una Salesforce org! Vamos a ello.

Nota: Necesitará sus credenciales más adelante en el módulo. Guárdelas en algún lugar seguro para poder consultarlas fácilmente.

Flujo de trabajo para la configuración de predicciones

Complete las siguientes actividades con Analytics Studio.

Paso 1: Preparar los datos

Comience por cargar los datos de entrenamiento en un conjunto de datos de CRM Analytics. Usaremos estos datos para entrenar al modelo.

Descargar los datos de entrenamiento de muestra

Preparamos un archivo con datos de entrenamiento de muestra para los pedidos actuales de una supertienda. Descargue el archivo CSV denominado superstore-orders.csv y guárdelo en su computadora.

Consideraciones sobre los datos de entrenamiento de muestra

Estos datos de entrenamiento de muestra fueron simplificados para que pueda concentrarse en aprender cómo obtener predicciones mediante el Servicio de predicción de Einstein. Cuando los use, tenga presente lo siguiente.

• Nuestro archivo CSV de ejemplo contiene una cantidad reducida de columnas. En práctica, sus casos de uso pueden implicar más columnas de datos de entrenamiento.
  
• El archivo CSV contiene casi 10 000 filas de datos. En general, cuantas más filas de datos tiene que analizar, mejores son los resultados. Los datos de entrenamiento necesitan al menos 400 filas con valores de resultado. Al entrenar modelos, Einstein omite las filas que no tienen valores de resultado. Mediante el aprendizaje automático y la IA, puede analizar hasta 20 millones de filas de datos con Einstein Discovery.
  
• Los datos de muestra son completamente externos y no están asociados a ningún objeto de Salesforce. En la práctica, sus casos de uso pueden involucrar datos en objetos de Salesforce, datos que son externos a Salesforce o una combinación de ambos (a través de conjuntos de datos complementarios).
  
• El modelo creado a partir de estos datos de muestra es para fines de capacitación. Está diseñado para que pueda comenzar a obtener predicciones a través de llamadas a la API de REST de forma rápida. No obstante, el modelo producido por estos datos de muestra no es altamente preciso o ilustrativo como serían los modelos de calidad que desea producir para sus casos de uso. El desempeño de su modelo depende de la calidad de su conjunto de datos de entrenamiento. Para obtener más información, consulte Preparar datos para análisis en la ayuda de Salesforce.
  

Crear y rellenar un conjunto de datos de CRM Analytics

El siguiente paso es llevar los datos desde el archivo CSV a un conjunto de datos de CRM Analytics.

1. Si todavía no inició sesión, inicie sesión en la organización de Developer Edition para la que se registró recién.
   
2. Desde el Iniciador de aplicación (), encuentre y seleccione Analytics Studio.
   
3. En la ficha de inicio de Analytics Studio, haga clic en Create (Crear) | Dataset (Conjunto de datos) y seleccione CSV File (Archivo CSV).
   
4. En la ventana de selección de archivos que se abre, encuentre el archivo CSV, superstore-orders.csv, que descargó, selecciónelo y, luego, haga clic en Next (Siguiente).
   
5. En el campo Dataset Name (Nombre del conjunto de datos), cambie el nombre predeterminado (superstore-orders), si lo desea. Analytics Studio utiliza de manera predeterminada el nombre de archivo como el nombre del conjunto de datos. El nombre no puede superar los 80 caracteres.
   
6. Seleccione la aplicación en la que desea crear el conjunto de datos. De manera predeterminada, Analytics Studio selecciona Mi aplicación privada.
   
7. Haga clic en Next (Siguiente). Aparecerá la pantalla Modificar atributos de campo. Aquí puede realizar una vista previa de los datos y ver o modificar los atributos de cada campo.
   
   
8. Por ahora, acepte los valores predeterminados y haga clic en Upload File (Cargar archivo). Analytics Studio carga los datos, prepara y crea el conjunto de datos y le muestra el progreso a medida que se produce.
   

Paso 2: Crear el modelo

Ahora que ya creó un conjunto de datos de CRM Analytics, analicemos los datos; para ello, creemos un modelo.

Un modelo define la configuración del análisis y los datos que Einstein Discovery usa para generar perspectivas. La configuración del modelo incluye la variable del resultado (los datos que quiere predecir), si maximizar o minimizar la variable de resultado, los datos que se van a analizar en un conjunto de datos de CRM Analytics y otras preferencias. La configuración del modelo le indica a Einstein Discovery cómo conducir el análisis y comunicar sus resultados.

1. En la ficha Dataset (Conjunto de datos), haga clic en Create Model (Crear modelo).El asistente de configuración de modelos de Einstein Discovery lo guía a través de los pasos para crear un modelo a partir del conjunto de datos.
   
2. En la pantalla Start an Einstein Discovery Model (Iniciar un modelo de Einstein Discovery), defina el resultado que se quiere predecir e indique si desea maximizar o minimizar ese resultado. En I want to Predict (Quiero predecir), seleccione Sales per Customer (Ventas por cliente) y, luego, acepte el valor predeterminado Maximize (Maximizar). Acepte todos los demás valores predeterminados y haga clic en Next (Siguiente).
   
   
3. En la pantalla Configure Model Columns (Configurar columnas del modelo), acepte los valores predeterminados (Automated [Automatizadas]), y haga clic en Create Model (Crear modelo).
   Einstein comienza a analizar los datos usando análisis estadístico, algoritmos de aprendizaje automático e IA.Cuando finaliza, Einstein muestra las perspectivas que descubrió durante el análisis.
   Nota: En este módulo, no analizaremos las perspectivas (lo que se trata en el módulo Aspectos básicos de Einstein Discovery). Comencemos directamente a evaluar e implementar el modelo que Einstein creó.
   
4. Einstein muestra el valor R2 (R al cuadrado) para este modelo. R2 es una medición de la calidad del modelo para los casos de uso numéricos. Nuestro modelo tiene un valor de R2 de 0,475. Idealmente, nuestro valor de R2 debería ser cercano al 1, pero para nuestros fines de aprendizaje, este modelo es suficiente.
   
   
5. Haga clic en Prediction Examination (Examinación de la predicción). Observe que el panel derecho compara, para la fila seleccionada en los datos de entrenamiento, el resultado predicho con el resultado real, al igual que los factores principales que contribuyeron al resultado predicho.
   Nota: Einstein Discovery toma muestras aleatorias de los datos del conjunto, por lo que los datos que verá en su pantalla no coincidirán con esta captura de pantalla.
   
6. Haga clic en cualquier fila para actualizar este panel.
   

Paso 3: Implementar el modelo

Ahora implementemos este modelo en Salesforce. 

1. Haga clic en Overview (Visión general), a continuación, responda la solicitud Ready for Launch? (¿Todo listo para iniciar?) y seleccione Deploy Model (Implementar modelo).
   
   
2. El asistente de implementación de Einstein Discovery lo guía a través de los pasos para implementar este modelo. Si aparece la pantalla Ready to Deploy? (¿Todo listo para implementar?), haga clic en Get Started (Empezar).
   
   
3. Para obtener los detalles del modelo, acepte los valores predeterminados, incluidos Prediction Definition (Definición de predicción) y Predicted Sales per Customer (Ventas predichas por cliente), y haga clic en Next (Siguiente).
   
   
4. Para conectarse a un objeto, seleccione Deploy without connecting to a Salesforce Object (Implementar sin conectarse a un objeto de Salesforce) y, luego, haga clic en Next (Siguiente). Podemos realizar esta selección porque nuestros datos de muestra son completamente externos a Salesforce y no están asociados a ningún objeto de Salesforce.
   
5. Para los segmentos, acepte la opción predeterminada Don't segment (No segmentar) y, luego, haga clic en Next (Siguiente).
   Nota: Si quisiera crear una definición de predicción con varios modelos, aquí debe definir las condiciones de filtro para un segmento de los datos. Podemos omitir este paso porque estamos creando una definición de predicción con un solo modelo y sin filtros de segmentos.
   
   
6. Para las variables con capacidad de acción, seleccione Quantity (Cantidad) y, luego, haga clic en Next (Siguiente).
   
   
7. Para las predicciones personalizadas, seleccione la opción Don't customize (No personalizar) y, luego, haga clic en Next (Siguiente).
   Nota: Si desea personalizar el texto de las mejoras sugeridas o los predictores principales para facilitar la comprensión de los usuarios, debe hacerlo aquí.
   
8. Revise la configuración de implementación y, a continuación, haga clic en Deploy (Implementar).
   Einstein implementa la definición de predicción con su modelo en Salesforce y lo muestra en el Gestor de modelos.Nota: Este es solo un modelo. Una definición de predicción puede tener varios modelos.
   
9. Haga clic en la subficha Advanced (Avanzado).
   
   
10. Copie el valor de Prediction ID (Id. de predicción) (la siguiente imagen muestra un ejemplo) y péguelo en algún lugar para usarlo más adelante. Esta cadena de Id. ayuda a identificar la definición de predicción exacta que desea usar. Como desarrollador, si no tiene acceso a Salesforce o al Gestor de modelos, puede solicitarle al administrador de Salesforce que le brinde esta cadena.
    

¡Estupendo! Su definición de predicción y su modelo están implementados y listos para usar. En la próxima unidad, usará el Servicio de predicción de Einstein para generar predicciones para su modelo.

Recursos

• Ayuda de Salesforce: Crear conjuntos de datos a partir de archivos CSV cargados
• Ayuda de Salesforce: Crear un modelo a partir de un conjunto de datos
• Ayuda de Salesforce: Implementar modelos
• Ayuda de Salesforce: Ver una definición de predicción