Configurar las predicciones en Salesforce

Objetivos de aprendizaje

Después de completar esta unidad, podrá:

• Describir los requisitos previos para utilizar Einstein Prediction Service.
  
• Explicar los pasos involucrados en la construcción e implementación de un modelo de Einstein Discovery.
  

Introducción

Para obtener predicciones y mejoras, lo primero que necesita es un modelo predictivo. En esta unidad, aprenderá a construir e implementar un modelo en Salesforce utilizando Einstein Discovery y CRM Analytics Studio. El objetivo del modelo es aumentar las ventas por cliente en un supermercado minorista ficticio. 

Einstein Discovery le facilita la creación y puesta en marcha utilizando herramientas que solo necesitan clics, no códigos. Einstein Discovery ejecuta un análisis completo de datos impulsado por estadísticas, aprendizaje automático e IA. Aunque dependa de otros para producir los modelos que utiliza, es útil saber qué es lo que está involucrado en la creación.

Probar Einstein Discovery con una organización Developer Edition

En este módulo de Trailhead, no puede utilizar una organización Developer Edition existente. En su lugar, regístrese en una organización CRM Analytics Developer Edition gratuita, ya que:

• Incluye la licencia CRM Analytics Plus necesaria para Einstein Discovery.
  
• Contiene el conjunto de permisos CRM Analytics Plus necesario para acceder a las funciones de Einstein Discovery. Esto incluye el permiso necesario Manage Connected App (Gestionar aplicación conectada) para crear una aplicación conectada para la autenticación de las solicitudes REST de clientes.
  
• Esta organización es un entorno seguro donde puede practicar todo lo que está aprendiendo.
  

Nota: Incluso si ya cuenta con una organización CRM Analytics Developer Edition, regístrese ahora para obtener una nueva. Las antiguas organizaciones CRM Analytics Developer Edition no contienen las funciones lanzadas recientemente. Por consiguiente, registrarse para obtener una nueva le garantiza el acceso a las capacidades más recientes y avanzadas.

Para iniciar sesión:

1. Diríjase a developer.salesforce.com/promotions/orgs/analytics-de.
   
2. Rellene el formulario utilizando una dirección de correo electrónico activa.
   
3. Una vez completado el formulario, haga clic en Sign me up (Registrarse).
   
4. Una vez reciba el correo electrónico de activación, ábralo y haga clic en el vínculo.
   
5. Complete el registro, y establezca una contraseña y una pregunta de seguridad.
   
6. Haga clic en Save (Guardar). Ya ha iniciado sesión en su organización CRM Analytics Developer Edition y se le ha redirigido a la página Setup (Configuración).
   

¡Aún queda un poco! Ahora ya tiene una organización de Salesforce. Vamos a ello.

Nota: Va a necesitar sus credenciales más adelante en este módulo. Asegúrese de guardarlas en un lugar seguro para que pueda utilizarlas fácilmente.

Flujo de trabajo para la configuración de predicciones

Complete las siguientes tareas utilizando Analytics Studio.

Paso 1: Preparar los datos

Empiece cargando sus datos de entrenamiento en un conjunto de datos de CRM Analytics. Va a utilizar estos datos para entrenar su modelo.

Descargar los datos de entrenamiento de muestra

Hemos preparado un archivo con datos de entrenamiento de muestra con los pedidos actuales del supermercado. Descargue el archivo CSV llamado superstore-orders.csv y guárdelo en su equipo.

Consideraciones sobre los datos de entrenamiento de muestra

Estos datos de entrenamiento de muestra se han simplificado para que pueda centrarse en aprender la forma de obtener predicciones a través de Einstein Prediction Service. Cuando utilice estos datos de muestra, tenga en cuenta lo siguiente.

• Nuestro archivo CSV de ejemplo contiene una cantidad pequeña de columnas. En la práctica, es probable que sus casos de uso incluyan más columnas de datos de entrenamiento.
  
• Nuestro archivo CSV de ejemplo contiene unas 10 000 filas de datos. En general, cuantas más filas de datos tenga para analizar, mejores serán los resultados. Sus datos de entrenamiento necesitan al menos 400 filas con valores de resultado. Al entrenar modelos, Einstein ignora las filas que no contienen valores de resultado. Gracias a la IA y el aprendizaje automático, puede analizar hasta 20 millones de filas de datos con Einstein Discovery.
  
• Los datos de muestra son completamente externos y no están asociados con ningún objeto de Salesforce. En la práctica, sus casos de uso pueden incluir datos de objetos de Salesforce, datos que son externos a Salesforce, o una combinación de ambos casos (a través de conjuntos de datos adicionales).
  
• El modelo construido en base a estos datos de muestra tiene un propósito meramente formativo. Está diseñado para que pueda empezar rápidamente a utilizarlo y así pueda obtener predicciones a través de llamadas API de REST. Sin embargo, el modelo creado a partir de estos datos de muestra no es muy preciso ni ilustrativo de los modelos de calidad que podría querer producir para sus casos de uso. El rendimiento de su modelo depende de la calidad de su conjunto de datos de entrenamiento. Para obtener más información, consulte Preparación de datos para su análisis en Ayuda de Salesforce.
  

Crear y rellenar un conjunto de datos de CRM Analytics

El próximo paso es transferir los datos del archivo CSV a un conjunto de datos de CRM Analytics.

1. Si todavía no ha iniciado sesión, hágalo en la organización Developer Edition en la que acaba de registrarse.
   
2. En App Launcher (Iniciador de aplicación) (), busque y seleccione Analytics Studio.
   
3. En la pestaña de inicio de Analytics Studio, haga clic en Create | Dataset (Crear | Conjunto de datos) y seleccione CSV File (Archivo CSV).
   
4. En la ventana de selección de archivos que se abre, encuentre el archivo CSV que descargó, superstore-orders.csv, selecciónelo y, a continuación, haga clic en Next (Siguiente).
   
5. En el campo Dataset Name (Nombre del conjunto de datos), puede cambiar el nombre predefinido (superstore-orders) si quiere. Por defecto, Analytics Studio utiliza el nombre del archivo como nombre del conjunto de datos. El nombre no puede contener más de 80 caracteres.
   
6. Seleccione la aplicación en la que desea crea el conjunto de datos. Por defecto, Analytics Studio selecciona My Private App (Mi aplicación privada).
   
7. Haga clic en Next (Siguiente). Aparece la pantalla Edit Field Attributes (Modificar atributos de campos). Aquí, puede obtener una vista previa de sus datos, y ver o editar 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, los prepara y crea un conjunto de datos, y le muestra el progreso a medida que ocurre.
   

Paso 2: Crear el modelo

Ahora que ya ha construido un conjunto de datos de CRM Analytics, analicemos sus datos creando un modelo.

Un modelo define los datos y la configuración analítica que Einstein Discovery utiliza para generar las perspectivas. La configuración del modelo incluye la variable del resultado (los datos que quiere predecir), si se debe aumentar o disminuir la variable del resultado, los datos que se deben analizar en un conjunto de datos de CRM Analytics y otras referencias. La configuración del modelo le dice a Einstein Discovery cómo debe ejecutar el análisis y comunicar los resultados.

1. En la ficha Dataset (Conjunto de datos), haga clic en Create Model (Crear un modelo).
   

El asistente de configuración de modelos de Einstein Discovery le guiará durante el proceso de creación de un modelo a partir de un conjunto de datos.

2. En la pantalla Start an Einstein Discovery Model (Empezar un modelo de Einstein Discovery), especifique el objetivo del modelo, el cual define el resultado que quiere predecir, así como si quiere aumentar o disminuir ese resultado. En I want to Predict (Quiero predecir), seleccione Sales per Customer (Ventas por cliente) y, a continuación, acepte la opción predefinida Maximize (Aumentar). Acepte todas las configuraciones predefinidas y haga clic en Next (Siguiente).
   
   
3. En la pantalla Configure Model Columns (Configurar columnas del modelo), acepte la opción predeterminada (Automated [Automatizado]) y haga clic en Create Model (Crear modelo).
   
   

Einstein comienza a analizar los datos mediante análisis estadísticos, algoritmos de aprendizaje automático e IA.

Cuando termina, Einstein muestra las perspectivas que se obtuvieron durante el análisis.

Nota: En este módulo, vamos a saltarnos la parte de analizar las perspectivas (esta parte está recogida en el módulo Aspectos básicos de Einstein Discovery). En su lugar, vayamos directamente a evaluar e implementar el modelo que ha creado Einstein.

4. Einstein le muestra el valor R2 (r al cuadrado) de este modelo. R2 es una medida de la calidad del modelo para casos de uso numéricos. Nuestro modelo tiene un valor R2 de 0,475. Idealmente, nuestro valor R2 debería estar más cerca de 1, pero como nuestro objetivo es aprender, nos servirá con este modelo.
   
   
5. Haga clic en Prediction Examination (Examen de predicciones). Observe que en el panel derecho se comparan, para la fila seleccionada en los datos de entrenamiento, la predicción del resultado y el resultado real, así como los factores principales que han contribuido a la predicción del resultado.
   
   

Nota: Einstein Discovery obtiene una muestra de datos aleatorios del conjunto de datos, por lo que los datos en su pantalla diferirán de 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 (Descripción general) y luego responda a la pregunta "Ready for Launch?" (¿Preparado para el lanzamiento?) seleccionando Deploy Model (Implementar modelo).
   
   
2. El asistente de implementación de Einstein Discovery lo guía a través de los pasos para implementar este modelo. Si le aparece el mensaje Ready to Deploy (Listo para implementar), haga clic en Get Started (Empezar).
   
   
3. En Model Details (Detalles del modelo), mantenga las opciones predefinidas, incluyendo el nombre Prediction Definition (Definición de predicción) de Predicted Sales per Customer (Predicciones de ventas por cliente) y, a continuación, haga clic en Next (Siguiente).
   
   
4. En Connect to an Object (Conectar a un objeto), seleccione Deploy without connecting to a Salesforce Object (Implementar sin conectar con ningún objeto de Salesforce) y luego haga clic en Next (Siguiente). Podemos hacer esta selección porque nuestros datos de muestra son completamente externos a Salesforce y no están asociados con ningún objeto suyo.
   
5. Para los segmentos, acepte el valor predeterminado Don't segment (No segmentar) y luego haga clic en Next (Siguiente)
   Nota: Si quiere crear una definición de predicción con múltiples modelos, aquí es donde tiene que definir las condiciones del filtro para un segmento de sus datos. Podemos saltar este paso ya que estamos creando una definición de predicción con un solo modelo y sin filtros de segmento.
   
   
6. En Select Actionable Variables (Seleccionar variables procesables), seleccione Quantity (Cantidad) y después haga clic en Next (Siguiente).
   
   
7. Para las predicciones personalizadas, seleccione Don't customize (No personalizar) y luego haga clic en Next (Siguiente)
   Nota: Si quiere personalizar el texto de las mejoras sugeridas o los pronosticadores principales para facilitar la comprensión de los clientes, aquí es donde tiene que hacerlo.
   
8. Revise la configuración de implementación y haga clic en Deploy (Implementar).
   
   

Einstein implementa la definición de predicción junto con el modelo en Salesforce y lo muestra en Model Manager (Gestor de modelos).

Nota: Esto es solo un modelo. Una definición de predicción puede tener múltiples modelos.

9. Haga clic en la subpestaña Advanced (Avanzado).
   
   
10. Copie el valor de Prediction ID (Id. de la predicción) (la imagen anterior muestra un ejemplo) y péguelo en algún lado donde pueda acudir más tarde. Conocer este Id. le puede ayudar a identificar la definición de predicción exacta que quiere utilizar. Como desarrollador, si no tiene acceso a Salesforce o al Model Manager (Gestor de modelos), puede solicitarle este Id. al administrador de Salesforce.
    

¡Estupendo! Su definición de predicción y modelo se han implementado, y están listos para su uso. En la siguiente unidad, utilizará Einstein Prediction Service para obtener predicciones desde su modelo.

Recursos

• Ayuda de Salesforce: Create Datasets from Uploaded CSV Files (Crear conjuntos de datos desde archivo CSV cargados)
• Ayuda de Salesforce: Create a Model from a Dataset (Crear un modelo a partir de un conjunto de datos)
• Ayuda de Salesforce: Implementar modelos
• Ayuda de Salesforce: View a Prediction (Ver una definición de predicción)