Configurer les prédictions dans Salesforce

Objectifs de formation

Une fois cette unité terminée, vous pourrez :

Décrire les conditions préalables à l’utilisation du service de prédiction Einstein
Expliquer les étapes de création et de déploiement d’un modèle Einstein Discovery

Introduction

Pour obtenir des prévisions et des améliorations, vous devez d’abord disposer d’un modèle prédictif. Dans cette unité, vous apprenez à construire et déployer un modèle dans Salesforce à l’aide d’Einstein Discovery et de CRM Analytics Studio. L’objectif du modèle est de maximiser les ventes par client pour une grande surface de retail fictive.

Einstein Discovery facilite la mise en place et le fonctionnement de votre modèle grâce à des outils qui ne nécessitent pas de code. Einstein Discovery effectue une analyse de données complète à l’aide de statistiques, de l’apprentissage machine et de l’IA. Même si vous comptez sur d’autres personnes pour produire les modèles que vous consommez, il est utile de comprendre ce qu’implique leur création.

Essayez Einstein Discovery avec une organisation Developer Edition

Il n’est pas possible d’utiliser une organisation Developer Edition existante pour ce module Trailhead. Nous vous conseillons plutôt de vous inscrire à une organisation Developer Edition CRM Analytics gratuite, car :

elle est fournie avec la licence CRM Analytics Plus requise pour Einstein Discovery ;
elle dispose du jeu d’autorisations CRM Analytics Plus nécessaire pour accéder aux fonctionnalités d’Einstein Discovery. Cet ensemble inclut l’autorisation Gérer les applications connectées, nécessaire pour créer une application connectée permettant l’authentification des demandes de client REST.
Elle fournit un environnement sécurisé dans lequel vous pouvez exercer les compétences en cours d’acquisition.

Remarque : Même si vous disposez déjà d’une organisation Developer Edition CRM Analytics, inscrivez-vous pour bénéficier d’une nouvelle organisation. Les organisations Developer Edition CRM Analytics plus anciennes ne disposent pas des fonctionnalités récemment publiées. Par conséquent, l’inscription à une nouvelle organisation vous garantit de bénéficier des toutes dernières fonctionnalités.

Pour vous inscrire :

Accédez à developer.salesforce.com/promotions/orgs/analytics-de.
Renseignez le formulaire avec une adresse e-mail active.
Une fois le formulaire renseigné, cliquez sur Inscrivez-moi.
Dans l’e-mail d’activation que vous recevez, cliquez sur le lien.
Renseignez le formulaire d’inscription, puis définissez votre mot de passe et une question de vérification.
Cliquez sur Save (Enregistrer). Vous êtes connecté à votre organisation Developer Edition CRM Analytics et redirigé vers la page de configuration.

Voici la marche à suivre ! Vous disposez maintenant d’une organisation Salesforce ! Allons-y.

Remarque : vous aurez besoin de vos informations d’identification plus tard dans ce module. Assurez-vous de les conserver dans un endroit sûr afin de pouvoir les récupérer facilement.

Flux de travail pour la configuration d’une prédiction

Vous effectuez les activités suivantes à l’aide d’Analytics Studio.

N°	Étape	Activité
1	Préparer les données	Préparez et alimentez un jeu de données CRM Analytics avec des données d’entraînement.
2	Créer un modèle	À l’aide des données d’entraînement, créez un modèle Einstein Discovery.
3	Déployer le modèle	Implémentez le modèle en le déployant dans Salesforce. Une fois qu’il est déployé, les utilisateurs peuvent y accéder afin d’obtenir des prédictions pour leurs données.

Étape 1 : Préparation des données

Commencez par charger vos données d’entraînement dans un jeu de données CRM Analytics. Vous utilisez ces données pour entraîner votre modèle.

Téléchargement des données d’entraînement échantillon

Nous avons préparé un fichier contenant des données d’entraînement échantillon relatives aux commandes en cours d’une grande surface. Téléchargez le fichier CSV intitulé superstore-orders.csv et enregistrez-le sur votre ordinateur.

Considérations relatives aux données d’entraînement échantillon

Ces données d’entraînement échantillon ont été simplifiées afin que vous puissiez vous concentrer sur l’obtention de prédictions par le biais du service de prédiction Einstein. Lorsque vous utilisez ces données échantillon, n’oubliez pas les aspects suivants.

Notre exemple de fichier CSV contient un petit nombre de colonnes. En pratique, vos cas d’utilisation peuvent impliquer davantage de colonnes de données d’entraînement.
Notre exemple de fichier CSV contient pratiquement 10 000 lignes de données. En général, plus il y a de lignes de données à analyser, meilleurs sont les résultats. Vos données d’entraînement doivent comporter au moins 400 lignes avec des valeurs de résultats. Lors de l’entraînement des modèles, Einstein ignore les lignes ne comportant pas de valeurs de résultat. À ce propos, sachez qu’Einstein Discovery vous permet d’analyser jusqu’à 20 millions de lignes de données grâce à l’IA et à l’apprentissage machine !
Les données échantillon sont entièrement externes et ne sont associées à aucun objet Salesforce. En pratique, vos cas d’utilisation sont susceptibles d’impliquer des données d’objets Salesforce, des données externes à Salesforce ou une combinaison des deux (par le biais de jeux de données supplémentaires).
Le modèle créé à partir de ces données échantillon est utilisé à des fins de formation. Il est conçu pour que vous puissiez rapidement commencer à obtenir des prédictions par le biais d’appels de l’API REST. Cependant, le modèle généré à partir de ces données échantillon n’est ni très précis ni un bon exemple de la qualité des modèles que vous pourriez vouloir produire pour vos cas d’utilisation. Les performances de votre modèle dépendent de la qualité de votre jeu de données d’entraînement. Pour en savoir plus, consultez l’article Préparation des données à analyser dans l’aide Salesforce.

Création et importation d’un jeu de données CRM Analytics

L’étape suivante consiste à récupérer les données du fichier CSV et à les transférer dans un jeu de données CRM Analytics.

Si vous ne l’avez pas encore fait, connectez-vous à l’organisation Developer Edition à laquelle vous venez de vous inscrire.
Dans le lanceur d’application (), cherchez et sélectionnez Analytics Studio.
Dans l’onglet d’accueil d’Analytics Studio, cliquez sur Create | Dataset (Créer | Jeu de données) et sélectionnez CSV File (Fichier CSV).
Dans la fenêtre de sélection de fichiers qui s’ouvre, recherchez le fichier CSV (superstore-orders.csv) que vous avez téléchargé, sélectionnez-le, puis cliquez sur Next (Suivant).
Si vous le souhaitez, modifiez le nom par défaut (superstore-orders) dans le champ Dataset Name (Nom du jeu de données). Par défaut, Analytics Studio utilise le nom du fichier comme nom du jeu de données. Le nom ne peut pas contenir plus de 80 caractères.
Sélectionnez l’application dans laquelle vous souhaitez créer le jeu de données. Par défaut, Analytics Studio sélectionne Mon application privée.
Cliquez sur Next (Suivant). L’écran Modifier les attributs de champ apparaît. Vous pouvez y prévisualiser les données, et afficher ou modifier les attributs de chaque champ.
Pour le moment, acceptez les valeurs par défaut et cliquez sur Upload File (Charger un fichier). Analytics Studio charge les données, prépare et crée le jeu de données, et indique votre progression.

Étape 2 : Création d’un modèle

Maintenant que vous avez créé un jeu de données CRM Analytics, nous allons analyser ses données en créant un modèle.

Un modèle définit les données et les paramètres analytiques qu’Einstein Discovery utilise pour générer des connaissances. Les paramètres du modèle comprennent la variable de résultat (les données que vous souhaitez prédire), la maximisation ou la minimisation de la variable de résultat, les données à analyser dans un jeu de données CRM Analytics et d’autres préférences. Les paramètres du modèle indiquent à Einstein Discovery comment effectuer l’analyse et communiquer ses résultats.

Dans l’onglet Dataset (Ensemble de données), cliquez sur Create Model (Créer un modèle).

L’assistant de configuration de modèle d’Einstein Discovery vous guide à travers les étapes de création d’un modèle à partir du jeu de données.

Sur l’écran Start an Einstein Discovery Model (Démarrer un modèle Einstein Discovery), indiquez l’objectif du modèle, qui définit le résultat que vous souhaitez prédire, et précisez si vous souhaitez maximiser ou minimiser ce résultat. Dans I want to Predict (Je souhaite prédire), sélectionnez Sales per Customer (Ventes par client), puis acceptez la valeur par défaut, Maximize (Maximiser). Acceptez tous les autres paramètres par défaut et cliquez sur Next (Suivant).
Sur l’écran Configure Model Columns (Configurer les colonnes du modèle), acceptez le paramètre par défaut (Automated [Automatisé]), puis cliquez sur Create Model (Créer un modèle).

Einstein commence à analyser les données à l’aide d’analyses statistiques, d’algorithmes d’apprentissage automatique et de l’IA. Écran de progression pendant l’analyse et la création du modèle

Lorsqu’il a terminé, Einstein affiche les connaissances qu’il a révélées lors de l’analyse.

Remarque : pour ce module, nous allons ignorer l’étape de la recherche d’informations (qui est abordée dans le module Concepts de base d’Einstein Discovery. Passons plutôt directement à l’évaluation et au déploiement du modèle créé par Einstein.

Einstein vous indique la valeur R2 (R au carré) de ce modèle. R2 est une mesure de la qualité du modèle pour les cas d’utilisation numériques. La valeur R2 de notre modèle est de 0,475. Idéalement, la valeur R2 devrait être plus proche de 1, mais pour les besoins de l’entraînement, ce modèle est suffisant.
Cliquez sur Prediction Examination (Examen de la prédiction). Notez que le panneau situé à droite compare, pour la ligne sélectionnée dans les données d’entraînement, le résultat prédit au résultat observé, ainsi qu’aux principaux facteurs qui ont contribué au résultat prévu.

Remarque : comme Einstein Discovery prélève un échantillon aléatoire des données du jeu de données, les données sur votre écran seront différentes de celles figurant sur cette capture d’écran.

Cliquez sur n’importe quelle ligne pour mettre à jour ce panneau.

Étape 3 : Déploiement du modèle

Déployons maintenant ce modèle dans Salesforce.

Cliquez sur Overview (Vue d’ensemble), puis répondez à la réplique Ready for Launch? (Prêt pour le lancement ?) en choisissant Deploy Model (Déployer le modèle).
L’assistant de déploiement d’Einstein Discovery vous guide à travers les étapes du déploiement de ce modèle. Si la fenêtre modale Ready to Deploy (Prêt à déployer) s’affiche, cliquez sur Get Started (Démarrer).
Pour les détails du modèle, acceptez les valeurs par défaut, y compris le nom de la définition de prédiction, à savoir Predicted Sales per Customer (Ventes prédites par client), puis cliquez sur Next (Suivant).
Pour la connexion à un objet, sélectionnez Deploy without connecting to a Salesforce Object (Déployer sans connexion à un objet Salesforce), puis cliquez sur Next (Suivant). Nous pouvons effectuer cette sélection car nos données échantillon sont totalement externes à Salesforce et ne sont associées à aucun objet Salesforce.
Concernant la segmentation, acceptez la valeur par défaut Don’t segment (Ne pas segmenter), puis cliquez sur Next (Suivant).
Remarque : si vous souhaitiez créer une définition de prédiction avec plusieurs modèles, c’est ici que vous définiriez les conditions de filtrage d’un segment de vos données. Nous pouvons ignorer cette étape, car nous créons une définition de prédiction avec un seul modèle et aucun filtre de segment.
Pour les variables actionnables, sélectionnez Quantity (Quantité), puis cliquez sur Next (Suivant).
Pour les prédictions personnalisées, sélectionnez Don’t customize (Ne pas personnaliser), puis cliquez sur Next (Suivant).
Remarque : Si vous souhaitez personnaliser le texte des améliorations suggérées ou des principaux prédicteurs afin d’en faciliter la compréhension par vos utilisateurs, c’est ici que vous pouvez le faire.
Vérifiez les paramètres de déploiement, puis cliquez sur Deploy (Déployer).

Einstein déploie la définition de la prédiction avec votre modèle dans Salesforce et l’affiche dans le gestionnaire de modèle.

Remarque : il ne s’agit que d’un modèle. Une définition de prédiction peut comporter plusieurs modèles.

Cliquez sur le sous-onglet Advanced (Avancé).
Copiez l’ID de prédiction (l’image précédente en montre un exemple) et collez-le dans un endroit où vous pourrez vous y reporter ultérieurement. Connaître cette chaîne d’identification vous permet d’identifier la définition exacte de la prédiction que vous souhaitez consommer. En tant que développeur, si vous n’avez pas accès à Salesforce ni au gestionnaire de modèle, vous pouvez demander cette chaîne à un administrateur Salesforce.

Très bien ! Votre définition de prédiction et votre modèle sont déployés et prêts à être utilisés. Dans l’unité suivante, vous utiliserez le service de prédictions d’Einstein pour obtenir des prédictions à partir de votre modèle.

Durée estimée

Thèmes

Besoin d'aide ?

Ressources CRM Analytics

Ressources Einstein