了解 Einstein Discovery

学习目标

完成本单元后，您将能够：

描述 Einstein Discovery 功能。
解释 Einstein Discovery 针对的用例类型。

什么是 Einstein Discovery？

Einstein Discovery 在无需代码的快速迭代环境中，通过统计建模和有监督的机器学习，让您能够增强您的商业智能。使用 Einstein Discovery 模型可以呈现业务数据见解，并且可以预测未来的结果。部署 Einstein Discovery 模型，在整个组织中注入基于机器学习的建议。例如，在您的工作流中使用 Einstein Discovery 预测，或将 Einstein Discovery 预测添加到 Salesforce 页面，让 Einstein 提出改进预测结果的方法。有关 Einstein Discovery 可为您的组织做的所有事情的概述，请查看 Einstein Discovery：快速浏览。

注意：Einstein Discovery 需要 CRM Analytics Plus 许可证或 Einstein 预测许可证，这两者都需要额外付费。

Einstein Discovery 可以帮助哪些类型的用例？

Einstein Discovery 支持这些常见的业务成果用例。

用例	应用
回归	回归用于定量数据（度量）的数值结果，例如货币、计数或任何其他数量。例如，Einstein Discovery 可以帮助您了解业务机会的货币价值。
二元分类	二元结果，用于只有两种可能结果的文本数据。这些通常是用商业术语表达的是/否问题。例如，Einstein Discovery 可以帮助您赢得业务机会。
多类分类	包含 3 到 10 个可能结果的结果，表示为文本数据。例如，多类模型可以帮助您预测一个业务机会最有可能的下一阶段：是进入下一阶段，还是回到前一阶段，甚至跳过一个阶段。

插图以业务机会为例，显示了三个受支持的用例。

您想改善哪些业务成果？

成功之旅从迈出第一步开始。对于 Einstein Discovery 解决方案，第一步是选择您要解决的业务问题。在您的业务中，调查可以从部署 Einstein Discovery 支持的解决方案中获益最多的关键绩效指标 (KPI)。业务成果必须符合支持的用例之一：回归、二元分类或多类分类。

在本模块中，我们将探索一个示例场景，其中的目标是最大限度地赢得业务机会。业务结果非赢即输。因此，我们使用 Einstein Discovery 来解决二元分类问题。

您如何实施 Einstein Discovery 解决方案？

插图显示了要在此模块中完成的任务顺序。

本模块将引导您完成实施 Einstein Discovery 解决方案通常遵循的步骤。每个单元都针对流程中的一个不同步骤，从构建 CRM Analytics 数据集到探索数据见解以及预测和改进结果。

随着您熟悉每个步骤所涉及的任务，您开始了解实施成功的 Einstein Discovery 解决方案的迭代性质。Einstein Discovery 专为快速探索、实验和迭代改进而设计。

进步是累积的，而不是线性的。您将边走边学。每一步，您都使用内置反馈来检查您的结果、审查您的假设、提出新问题、进行调整，然后再试。清理数据，在数据集中添加或删除列。应用筛选器和转换。调整模型阈值。以此类推。随着您对方法的调优，每项改进都可以帮助您更接近更好的运营成果。

需要帮助？