Introducción a Einstein Prediction Service

Objetivos de aprendizaje

Después de completar esta unidad, podrá:

• Explicar las funciones de Einstein Prediction Service.
  
• Explicar las predicciones, las mejoras y los principales pronosticadores.
  
• Explicar los modelos y las definiciones de predicción.
  
• Describir la diferencia entre producir y utilizar modelos.
  
• Explicar los tres casos de uso de análisis empresarial que Einstein Prediction Service aborda.
  

¿Qué es Einstein Prediction Service?

Einstein Prediction Service es un servicio API de REST público que le permite interactuar de forma programática con modelos y predicciones impulsadas por Einstein Discovery. Puede utilizar Einstein Prediction Service para:

• Obtener predicciones de sus datos.
  
• Obtener sugerencias de acciones que mejoren los resultados predichos.
  
• Gestionar las definiciones de predicción y modelos implementados en Salesforce.
  
• Gestionar las tareas de clasificación masivas.
  
• Gestionar las tareas de actualización del modelo.
  

Este módulo de Trailhead se centra en la obtención de predicciones y modelos, que es el caso de uso principal de Einstein Prediction Service.

Introducción a las predicciones, las mejoras y los principales pronosticadores

Veamos un ejemplo de un panel de predicciones de Einstein Discovery en una página de Lightning.

En este ejemplo se utiliza Einstein Discovery para predecir cuándo se cerrará una oportunidad. Conocer esto puede ayudar a priorizar nuestros esfuerzos en oportunidades que tienen más probabilidad de cerrarse dentro del periodo fiscal actual.

El panel de predicciones le muestra los elementos claves obtenidos en una solicitud de predicción.

Einstein Prediction Service devuelve cualquiera o toda esta información en respuesta a las solicitudes de predicción impulsadas por la API de REST. Aprendamos más sobre estos elementos. 

Predicciones

Una predicción es un valor derivado, producido por un modelo, que muestra un posible resultado futuro basado en la comprensión estadística de los resultados pasados más los valores de entrada proporcionados (pronosticadores). 

Desglosemos esto un poco más.

• Un resultado es un resultado empresarial que está intentando entender y mejorar. Un resultado suele ser un indicador clave de rendimiento (KPI), como el margen de ventas o las oportunidades ganadas.
  
• Una predicción representa un valor de resultado que el modelo genera en base a los valores de entrada proporcionados (pronosticadores). La ecuación del modelo es el resultado de un análisis estadístico completo de los datos pasados con resultados conocidos, impulsado por aprendizaje automático e IA.
  
• A pesar de que el futuro es desconocido e incierto, una predicción reduce, en cierta medida, esa incertidumbre al proporcionar un valor que se encuentra dentro de un rango calculado de probabilidad.
  
• Cuando ocurre, el resultado real puede diferir del resultado predicho. Esto entra dentro de lo previsto. Nosotros medimos la precisión de una predicción en base a lo pequeña o grande que es la diferencia. Para obtener más información sobre la precisión de una predicción, consulte Configure Performance Monitoring for a Prediction Definition (Configurar el seguimiento del rendimiento de una definición de predicción) en la Ayuda de Salesforce.
  

Principales pronosticadores

Los principales pronosticadores son las condiciones que impulsan de manera más significativa el resultado predicho, en orden decreciente de magnitud. Una condición es un valor de dato asociado a una columna. En Einstein Discovery, un pronosticador se compone de una o dos condiciones. En el ejemplo del componente de Lightning, Deal Size Category is 5.0 (La categoría de dimensión de la transacción es 5.0) es una sola condición, mientras que Competitor Type is Known and Route to Market is Reseller (El tipo de competidor es conocido y la vía de comercialización es un distribuidor) es una combinación de dos condiciones. Los pronosticadores también se conocen como variables pronosticadoras o variables independientes.

Mejoras

Una mejora es una acción sugerida que un usuario puede ejecutar para mejorar el resultado predicho. Observe que la mejora afecta al resultado predicho, no necesariamente al resultado real. Las mejoras están asociadas con las variables sobre las que los usuarios pueden tener control o influencia, como el método de envío o el nivel de suscripción de un cliente. Al ejecutar las acciones sugeridas por Einstein, los usuarios pueden aumentar sus posibilidades de obtener un resultado más favorable.

¿Qué es lo que representan las flechas verdes y rojas?

La flecha dentro de un círculo indica qué influencia tiene el pronosticador o la acción sugerida en el resultado predicho. Para interpretar la flecha, observe su color y la dirección a la que apunta.

Color

• El verde indica que el pronosticador mejora el resultado predicho.
  
  
• El rojo indica que el pronosticador empeora el resultado predicho.
  
  

Dirección

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

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

En el ejemplo del componente de Lightning, la condición Deal Size Category is 5.0 (La categoría de dimensión de la transacción es 5.0) aumenta el tiempo predicho de cierre y es por ello por lo que es una flecha roja apuntando hacia arriba.

Introducción a los modelos y las definiciones de predicción

Usted obtiene predicciones en Einstein Prediction Service interactuando con dos recursos: los modelos y las definiciones de predicción.

Modelos

Un modelo es una construcción matemática sofisticada y personalizada que genera Einstein Discovery. Einstein Discovery utiliza un modelo para predecir un resultado. 

Un modelo organiza los datos por variables. Una variable es una categoría de datos. Se puede comparar con una columna en un conjunto de datos de CRM Analytics o un campo en un objeto de Salesforce. Un modelo tiene entradas (variables pronosticadoras) y salidas (predicciones) para la variable del resultado, además de información adicional si se solicita. 

Las predicciones se llevan a cabo en el nivel de observación. Una observación es un conjunto de datos estructurado. Se puede comparar con una fila completada en un conjunto de datos de CRM Analytics o un registro en un objeto de Salesforce. 

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

Una solicitud de predicción también puede incluir una directiva para devolver los pronosticadores y mejoras principales.

Los modelos no son exclusivos de Einstein Discovery o Salesforce. De hecho, los modelos predictivos se utilizan ampliamente en todo el mundo (en diferentes sectores, organizaciones y disciplinas) y están involucrados en muchos aspectos de la vida diaria. Los científicos de datos y otros especialistas utilizan sus amplios conocimientos para diseñar y construir modelos de alta calidad que pueden generar predicciones muy útiles y precisas. 

Sin embargo, un reto bastante habitual para muchas organizaciones es que, una vez construido, un modelo bien diseñado puede ser difícil de implementar en los entornos de producción e integrarse de manera fluida con las operaciones que tiene como objetivo mejorar. Con Einstein Discovery, ahora podrá poner a funcionar sus modelos rápidamente: desarróllelos, impleméntelos en producción y empiece a obtener predicciones y a tomar mejores decisiones empresariales ya mismo utilizando sus datos en tiempo real. Incluso puede poner en marcha los modelos construidos externamente y cargados en Einstein Discovery. 

Definiciones de predicción

En Einstein Prediction Service, cada modelo pertenece a un objeto contenedor llamado definición de predicción. La siguiente figura muestra un flujo de solicitud/respuesta al enviar una solicitud de predicción a una definición de predicción que contiene un solo modelo.

En este ejemplo, la solicitud de predicción (1) transfiere las variables pronosticadoras del registro del cliente a la definición de predicción para evaluar la probabilidad de que el cliente abandone. La definición de predicción transfiere los datos de entrada al modelo (2), que calcula la predicción que se devuelve (3) en respuesta al solicitante.

Una definición de predicción puede contener múltiples modelos y cada uno de ellos genera predicciones para un segmento (subconjunto) diferente de sus datos. La siguiente figura muestra el flujo de solicitud/respuesta que incluye una definición de predicción con tres modelos; cada uno de ellos genera predicciones para una región en particular.

En este ejemplo, la solicitud de predicción (1) transfiere las variables pronosticadoras del registro del cliente a la definición de predicción para evaluar la probabilidad de que el cliente abandone. El registro del cliente (observación) pertenece a la región AMER. La definición de predicción transfiere los datos de entrada al modelo que gestiona el segmento AMER (2), que calcula la predicción que se devuelve (3) en respuesta al solicitante.

¿Con qué tipos de casos de uso nos puede ayudar Einstein Discovery?

Einstein Prediction Service aborda los siguientes casos de uso comunes de análisis empresarial. 

En la siguiente unidad, construirá e implementará un modelo que aborde un caso de uso numérico.

Producción y uso de modelos

Cuando se trabaja con Einstein Prediction Service, es útil pensar en dos actividades principales:

• La producción de un modelo incluye el uso de CRM Analytics Studio para construir e implementar el modelo en Salesforce. Para predecir la tasa de abandono del cliente, por ejemplo, es necesario que alguien proporcione un modelo que prediga si es más probable que el cliente se vaya o se quede. La siguiente unidad lo guiará a través de los pasos de creación e implementación de un modelo.
  
• El uso de un modelo incluye la utilización del modelo implementado para generar predicciones y mejorar a partir de sus datos. En nuestro ejemplo de abandono del cliente, se utilizó una página de Lightning para mostrar las predicciones, los principales pronosticadores y las mejoras. En la unidad anterior, aprendió a obtener la misma información utilizando su cliente REST favorito y Einstein Prediction Service.
  

Obtener predicciones de forma declarativa o programática

Puede obtener predicciones en Einstein Prediction Service de dos formas clave:

• De forma declarativa en campos de predicción automática, la función PREDICT en fórmulas de automatización de procesos, la transformación Discovery Predict en las fórmulas de preparación de datos, la acción de Einstein Discovery en los flujos de Salesforce y Einstein Discovery en Tableau.
  
• De forma programática utilizando APEX y API de REST.
  

Recursos

• Ayuda de Salesforce: Obtener predicciones y mejoras con Einstein Prediction Service
• Trailhead: Einstein Discovery: un vistazo rápido