了解机器学习预测

学习目标

完成本单元后，您将能够：

现如今已有千万亿兆字节的数据。作为人工智能 (AI) 时代的公司，您拥有的数据可以预测未来的结果并推动决策。但根据 Salesforce 未开发数据研究，尽管五分之四 (80%) 的商业领袖表示数据对决策至关重要，但大多数公司都没有利用其数据潜力。

使用一种称为机器学习 (ML) 的 AI，您可以将历史数据转换为预测性见解。这种称为预测型 AI，与生成式 AI 不同。

要了解有关预测型 AI 与生成式 AI 的更多信息，请查看 AI 的数据基础知识中的探索 AI 技术和应用单元。

机器学习的预测性见解使业务用户能够更快做出更好的决策。使用机器学习中的预测型 AI 来推动整个组织的创新、效率和战略决策。以下是预测性见解的一些主要用例（但还有很多）。

团队	用例
销售	提高转化率提高胜率缩短交易时间增加回头客提高终身价值折扣影响预测预期收入智能空白交叉销售
服务	升级可能性流失风险提高 CSAT/NPS 减少处理时间
财务	预测收入减少逾期付款提高发票完成率利润最大化降低成本减少磨合降低合规风险预测长期价值 (LTV)
分析	对数据进行分类对数据进行评分
人力资源	个性化优势提高团队生产力减少磨合为潜在客户评分雇佣可能性提高候选人目标确定最佳表现者
市场营销	提高媒体花费提高广告 ROI 察觉市场变化提高转化率
运营	改进库存管理提高网络利用率提高准时交货降低成本优化资源采用可能性

您不需要成为数据科学家即可利用机器学习。虽然数据科学家经常参与训练和完善 ML 模型，但模型的见解是为业务用户准备的。据哈佛商业评论报道，数据科学家很难传达 ML 见解的价值，并将“决策者未使用的结果”列为最大挑战之一。

将 ML 添加到 Salesforce 可以缩小数据科学家和业务部门之间的差距。在 Salesforce 中，用户可以根据 ML 见解做出决策并采取行动，无需阅读数据科学报告。

您可以使用 Einstein 将历史数据转化为对组织有意义的见解。

Einstein Studio：将 Data 360 中 ML 驱动的见解与数据科学团队构建的已连接模型结合使用，方法是连接到该模型并将模型见解引入 Salesforce。您可以将模型保留在原处（如 AWS SageMaker），并在 Salesforce 中利用其 ML 驱动的见解。
Einstein Discovery：在 Einstein 的指导下，在 CRM Analytics 中从头开始构建自己的 ML 模型。依靠 Einstein 引导您在 Data 360 中构建、训练、评估和激活 ML 模型。

现在，您了解了机器学习可以为您的数据做些什么，并可以确定您的组织可以从 ML 驱动的预测中受益的方式。