Einstein 预测服务须知

学习目标

完成本单元后，您将能够：

• 解释 Einstein 预测服务功能。
• 解释预测、改进和热门预测因素。
• 解释模型和预测定义。
• 描述生成和使用模型之间的差异。
• 解释 Einstein 预测服务解决的三个业务分析用例。

什么是 Einstein 预测服务？

Einstein 预测服务是一个公共 REST API 服务，可让您以编程方式与 Einstein Discovery 支持的模型和预测进行交互。您可以使用 Einstein 预测服务：

• 获取数据预测。
• 获取用于改进预测结果的建议操作。
• 管理 Salesforce 中部署的预测定义和模型。
• 管理批量评分作业。
• 管理模型刷新作业。

此 Trailhead 模块侧重获取预测和改进，是 Einstein 预测服务的主要用例。

预测、改进和热门预测因素须知

我们看一下 Lightning 页面上的 Einstein Discovery 预测面板示例。

此示例使用 Einstein Discovery 预测业务机会多久会结束。了解这一点有助于我们优先处理在当前会计周期内可能结束的业务机会。

预测面板显示预测请求中返回的主要元素。

Einstein 预测服务会返回任何或所有这些信息，以响应 REST API 支持的预测请求。我们来进一步了解这些元素。 

预测

预测是由模型生成的派生值，它表示基于对过去结果的统计理解加上提供的输入值（预测因素）可能的未来结果。 

我们来细分一下。

• 结果是您试图理解和改进的业务结果。结果通常是关键绩效指标 (KPI)，例如销售利润率或业务机会赢得率。
• 预测表示模型基于提供的输入值（预测因素）生成的输出值。该模型等式是对具有已知结果的过去数据进行彻底统计分析的结果，由机器学习和 AI 提供支持。
• 尽管未来是未知和不确定的，但预测通过提供计算概率范围内的值来在一定程度上减少这种不确定性。
• 出现发生时，实际结果可能和预测结果有差异。这是预料内的。我们通过差异的大小来衡量预测的准确性。要了解更多有关预测准确性的信息，请参阅 Salesforce 帮助中的为预测定义配置性能监控。

热门预测因素

热门预测因素是最显著地推动预测结果的条件，按大小递减排序。条件是和列相关联的数据值。在 Einstein Discovery 中，预测因素由一个或两个条件组成。在 Lightning 组件示例中，Deal Size Category is 5.0（交易规模类别是 5.0）是个单一条件，但是 Competitor Type is Known and Route to Market is Reseller（竞争对手类型为已知且深度分销为经销商）是两个条件的组合。预测因素还被称为预测变量或独立变量。

改进

改进是用户可以采取的建议操作，以改善预测结果。注意：改进会影响预测结果，并不一定是实际结果。改进与用户可以控制或影响的变量相关联，例如运输方式或订阅者的成员资格级别。通过采取 Einstein 建议的行动，用户可以增加获得更有利结果的机会。

绿色和红色带圆圈的箭头代表什么？

带圆圈的箭头指示预测因素或建议的操作如何影响预测结果。要解释箭头，请参照颜色和指向的方向。

颜色

• 绿色表示预测因素会改进预测结果。
  
  
• 红色表示预测因素会使预测结果恶化。
  
  

方向

箭头指向上方或下方，具体取决于预测因素影响预测结果的方向。例如，如果目标是最小化结果：

• 向下的绿色箭头表示预测因素改进预测结果。
• 向上的红色箭头表示预测变量使此结果恶化。

在 Lightning 组件示例中，条件 Deal Size Category is 5.0（交易规模类别为 5.0）会延长预测的结束时间，这就是它是一个向上的红色箭头的原因。

模型和预测定义须知

在 Einstein 预测服务中，您可以通过与两个资源交互来获取预测：模型和预测定义。

模型

模型是 Einstein Discovery 生成的复杂的自定义数学结构。Einstein Discovery 使用模型来预测结果。 

模型会按变量组织数据。变量是一类数据。它类似于 CRM Analytics 数据集中的列或 Salesforce 对象中的字段。模型具有结果变量的输入（预测变量）和输出预测，以及需要的其他信息。 

预测在观察级别发生。观察是一组结构化的数据。它类似于 CRM Analytics 数据集中的已填充行或 Salesforce 对象中的记录。 

对于每个观察，模型接受一组预测变量 (1)，并返回对应的预测 (2)。

预测请求也可以包含返回主题预测因素和改进的指令。

模型不是 Einstein Discovery 或 Salesforce 独有的。事实上，预测模型在世界各地广泛使用，跨不同行业、组织、学科并涉及日常生活的许多方面。数据科学家和其他专家运用他们强大的聪明才智，设计和构建可以生成非常准确和有用的预测的高质量模型。 

然而，许多组织所面临的一个共同挑战是，精心设计的模型建成后，很难实施到生产环境中，也难以与应该从模型中受益的运营无缝集成。借助 Einstein Discovery，您现在可以快速实施模型：构建它们，将它们部署到生产中，随即开始使用实时数据获得预测并做出更好的业务决策。您甚至可以实施上传到 Einstein Discovery 的外部构建模型。 

预测定义

在 Einstein 预测服务中，每个的模型都属于一个被称为预测定义的容器对象。下图显示了向包含单个模型的预测定义发出预测请求时的请求/响应流。

 

在此示例中，预测请求 (1) 将预测变量从客户记录传递到预测定义，以评估客户流失的可能性。预测定义将输入数据转发到模型 (2)，模型计算预测 (3)，并在对请求者的响应中返回预测。

一个预测定义可以包含多个模型，其中每个模型会为数据的不同细分市场（子集）生成预测。下图显示的请求/响应流涉及含三个模型的预测定义，每个模型都为特定区域生成预测。

在此示例中，预测请求 (1) 将预测变量从客户记录传递到预测定义，以评估客户流失的可能性。客户记录（观察）属于 AMER 区域。预测定义将输入数据转发到处理 AMER 细分市场 (2) 的模型，该模型计算在对请求者的响应中返回的预测 (3)。

预测可以帮助哪些类型的用例？

Einstein 预测服务支持以下常见业务分析用例： 

在下一单元中，您将构建并部署一个实现数值用例的模型。

生成和使用模型

在使用 Einstein Prediction 预测服务时，考虑两个主要活动很有用：

• 生成模型涉及使用 CRM Analytics Studio 在 Salesforce 中构建和部署模型。例如，为了预测客户流失，需要有人提供预测客户是可能离开还是留下的模型。下一单元将引导您完成创建和部署模型的步骤。
  
  
• 使用模型涉及使用已部署的模型为数据生成预测和改进。我们的客户流失示例使用 Lightning 页面来显示预测、热门预测因素和改进。在最后一个单元中，您将学习使用您最喜欢的 REST 客户端和 Einstein 预测服务获取相同的信息。

以声明或编程的方式获取预测

您可以通过以下两种主要方式利用 Einstein 预测服务获取预测：

• 通过自动预测字段以声明方式提供，流程自动化公式中的 PREDICT 函数、数据准备模式中的发现预测转换、Salesforce 流中的 Einstein Discovery 操作以及 Einstein Discovery in Tableau。
• 使用 APEX 和 REST API 以编程方式提供

资源

• Salesforce 帮助：通过 Einstein 预测服务获取预测和改进
• Trailhead：Einstein Discovery：快速浏览