了解机器学习预测
学习目标
完成本单元后，您将能够：
- 了解机器学习可以为您的 CRM 数据做些什么。
- 确定使用机器学习预测的方法。
解锁数据的力量
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。
- 预测型 AI 揭示，使用现有数据发现有关数据的新内容。例如，预测型 AI 预估损耗或欺诈的可能性。
- 生成式 AI 协助，使用现有数据创建类似于现有数据的新数据。例如，生成式 AI 会创建新文本和图片。
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。
将机器学习融入您的业务
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 |
|
|
服务 |
|
|
财务 |
|
|
分析 |
|
|
人力资源 |
|
|
市场营销 |
|
|
运营 |
|
机器学习的优势，无需数据科学经验
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 Cloud 中 ML 驱动的见解与已连接的模型数据科学团队结合使用，方法是连接到该团队并将模型见解引入 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 Cloud 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。