Esplorare le previsioni del machine learning

Obiettivi di apprendimento

Al completamento di questa unità, sarai in grado di:

Capire cosa può fare il machine learning per i dati del tuo CRM.
Identificare i modi in cui è possibile utilizzare le previsioni del machine learning.

Sfruttare la potenza dei dati

Oggi esistono migliaia di miliardi di gigabyte di dati. Nell'era dell'intelligenza artificiale (IA), i dati in possesso della tua azienda possono prevedere risultati futuri e guidare il processo decisionale. Tuttavia, secondo l'indagine Untapped Data Research (Ricerca sui dati inutilizzati) di Salesforce, la maggior parte delle aziende non sfrutta appieno il potenziale dei propri dati, anche se quattro leader aziendali su cinque (80%) affermano che i dati sono fondamentali per il processo decisionale.

Utilizzando un tipo di IA chiamato machine learning (ML), è possibile trasformare i dati storici in approfondimenti predittivi. Si tratta della cosiddetta IA predittiva, diversa dall'IA generativa.

L'IA predittiva informa, usando i dati esistenti per scoprire qualcosa di nuovo al loro interno. Ad esempio, l'IA predittiva stima la probabilità di un abbandono o di una frode.
L'IA generativa aiuta, usando i dati esistenti per creare nuovi dati simili. Ad esempio, l'IA generativa crea nuovi testi e immagini.

Per saperne di più sulla differenza tra l'IA predittiva e l'IA generativa, vedi l'unità Scoprire le tecniche e le applicazioni di IA in Nozioni fondamentali sui dati per l'IA.

Introdurre il machine learning in azienda

Gli approfondimenti predittivi del machine learning consentono agli utenti aziendali di adottare decisioni migliori, più rapidamente. Usa l'intelligenza artificiale predittiva del machine learning per promuovere l'innovazione, l'efficienza e i processi decisionali strategici in tutta l'organizzazione. Ecco alcuni dei principali casi d'uso degli approfondimenti predittivi (ma ce ne sono molti altri).

Team	Caso d'uso
Vendite	Aumento della conversione Miglioramento della probabilità di conseguimento Riduzione dei tempi di chiusura Incentivazione del repeat business Incremento del valore della durata Impatto degli sconti Previsione del redditto atteso Spazio intelligente Cross-selling
Servizio	Probabilità di escalation Rischio di abbandono Aumento della soddisfazione del cliente (CSAT) e del Net Promoter Score (NPS) Riduzione dei tempi di gestione
Finanza	Previsione del reddito Riduzione dei ritardi di pagamento Aumento dell'evasione delle fatture Massimizzazione dei margini Riduzione dei costi Diminuzione dell'abbandono Riduzione del rischio di compliance Previsione del valore a lungo termine (LTV)
Analytics	Classificazione dei dati Assegnazione di un punteggio ai dati
Risorse Umane	Personalizzazione dei vantaggi Ottimizzazione della produttività dei team Diminuzione dell'abbandono Assegnazione di un punteggio ai lead Probabilità di assumere Miglioramento degli obiettivi dei candidati Identificazione degli autori delle migliori prestazioni
Marketing	Miglioramento della spesa per i media Aumento del ROI pubblicitario Rilevamento degli spostamenti di mercato Aumento della conversione
Operazioni	Miglioramento della gestione dell'inventario Ottimizzazione dell'utilizzo della rete Incremento della puntualità delle consegne Riduzione dei costi Ottimizzazione delle risorse Probabilità di adozione

Trarre vantaggio dal machine learning senza esperienza di data science

Non occorre essere un data scientist per sfruttare il machine learning. Mentre i data scientist sono spesso coinvolti nell'addestramento e nel perfezionamento dei modelli di ML, gli approfondimenti derivanti dal modello sono destinati agli utenti aziendali. Secondo la Harvard Business Review, i data scientist faticano a comunicare il valore degli approfondimenti del ML e citano i "risultati non utilizzati dai decisori" come una delle principali sfide.

L'inserimento del ML in Salesforce colma il divario tra i data scientist e l'azienda. In Salesforce, gli utenti possono prendere decisioni e intraprendere azioni sulla base degli approfondimenti del ML, senza dover leggere un rapporto di data science.

Con Einstein puoi trasformare i dati storici in approfondimenti significativi per la tua organizzazione.

Einstein Studio: usa gli approfondimenti basati sul ML di Data Cloud con i team di data science dedicati ai modelli connessi già sviluppati, collegandoti e portando gli approfondimenti del modello in Salesforce. Puoi lasciare il modello dove si trova (come AWS SageMaker) e sfruttarne gli approfondimenti basati sul ML all'interno di Salesforce.
Einstein Discovery: costruisci il tuo modello di ML da zero in CRM Analytics, con le indicazioni di Einstein. Affidati alle indicazioni passo passo di Einstein per la creazione, l'addestramento, la valutazione e l'attivazione di un modello di ML in Data Cloud.

Ora sai cosa può fare il machine learning per i tuoi dati e sei in grado di identificare i modi in cui l'organizzazione può trarre vantaggio dalle previsioni basate sul ML.

Esplorare le previsioni del machine learning

Obiettivi di apprendimento

Sfruttare la potenza dei dati

Introdurre il machine learning in azienda

Trarre vantaggio dal machine learning senza esperienza di data science

Risorse