Настройка бизнес-процесса с прогнозированием
После того как вы создали модель машинного обучения, настройте бизнес-процесс, который будет запускать предиктивный анализ данных, используя элемент [Прогнозировать данные]. Это позволит вам самостоятельно определять время запуска и количество записей, для которых необходимо выполнить прогнозирование.
Пример настройки бизнес-процесс с прогнозированием значения справочного поля
Вы можете настроить запуск прогнозирования при сохранении новой записи контрагента с незаполненным полем [Категория] (Рис. 1).
В данном примере мы используем ранее созданную модель прогнозирования категории контрагента.
Рис. 1 — Пример реализации бизнес-процесса прогнозирования данных
Для настройки прогнозирования:
1.Создайте новый бизнес-процесс из библиотеки процессов и добавьте на его схему элемент [Начальный сигнал]. Элемент будет активироваться при создании новой записи в разделе [Контрагенты]. Параметры начального сигнала (Рис. 2):
Рис. 2 — Параметры начального сигнала
a.[Сигнал какого типа получен?] — “Получен сигнал от объекта”.
b.[Объект] — “Контрагент”.
c.[Какое событие должно произойти?] — “Добавление записи”.
d.[Добавленная запись должна соответствовать условиям] — “Категория — не заполнено”.
e.[Выполнять следующие элементы в фоновом режиме] — признак установлен. В этом случае все элементы из группы [Действия системы], которые находятся на диаграмме процесса после начального сигнала, будут выполняться в фоновом режиме, а маска загрузки отображаться не будет.
2.Выберите в группе [Действия системы] элемент [Прогнозировать данные] и добавьте его на диаграмму процесса. Настройте свойства элемента (Рис. 3).
Рис. 3 — Панель настройки элемента [Прогнозировать данные]
a.[Модель машинного обучения] — выберите из списка модель, которая будет использоваться для прогнозирования данных. Например, для прогнозирования категории контрагента выберите из списка созданную ранее модель “Категория контрагента”. Настройка модели описана в статье “Прогнозирование значения справочного поля”.
На заметку
Перед использованием в бизнес-процессах модель необходимо обучить. Модели, не прошедшие обучение, недоступны для выбора в поле [Модель машинного обучения] элемента [Прогнозировать данные].
b.[Какой режим прогнозирования использовать?] — “Прогнозирование для одной записи”.
c.В поле [По какой записи выполнить прогнозирование?] нажмите кнопку 
и выберите [Параметр процесса]. В появившемся окне на вкладке [Элементы процесса] выберите начальный сигнал, добавленный на предыдущем шаге, и параметр [Уникальный идентификатор записи].
3.Сохраните процесс.
В результате при каждом срабатывании элемента [Предсказать данные] будет использована определенная модель машинного обучения для прогнозирования данных указанной записи. В нашем примере, каждый раз при сохранении новой записи в разделе [Контрагенты] будет выполняться прогнозирование значения поля [Категория] и заполнение его прогнозным значением. Прогноз будет основываться на решениях, принятых пользователями при заполнении поля [Категория] исторических записей.
Пример настройки бизнес-процесса с рекомендательным прогнозированием
Вы можете настроить запуск прогнозирования рекомендаций продуктов определенного типа для проведения рекламной кампании (Рис. 4). Например, вы в любой момент можете запустить вручную бизнес-процесс, чтобы рекомендовать всем контактам с типом “Клиент” пять товаров с типом “Материнская плата”.
В данном примере мы используем ранее созданную модель рекомендательного прогнозирования.
Рис. 4 — Пример реализации бизнес-процесса с рекомендательным прогнозированием
Для настройки прогнозирования:
1.Создайте новый бизнес-процесс из библиотеки процессов. Используйте элемент [Простое], который уже добавлен на диаграмму, чтобы запустить бизнес-процесс вручную.
2.Выберите в группе [Действия системы] элемент [Прогнозировать данные] и добавьте его на диаграмму процесса. Настройте свойства элемента (Рис. 5).
Рис. 5 — Настройка параметров элемента [Прогнозировать данные]
a.[Модель машинного обучения] — укажите название рекомендательной модели.
b.[Кому рекомендовать (Субъект)] — заполните фильтр, указав все или выбранные контакты, для которых будут составлены подборки рекомендаций. Фильтр обязательно должен быть заполнен, чтобы элемент прошел валидацию. В нашем примере нужно выбрать контакты с типом “Клиент”.
c.[Что рекомендовать (Предмет)] — заполните фильтр, если необходимо сузить выборку рекомендаций для решения конкретной бизнес-задачи. Например, можно рекомендовать клиентам только товары определенного типа. В нашем примере — материнские платы.
d.[Количество рекомендуемых элементов] — укажите, сколько записей должен содержать список рекомендаций. Например, можно ограничить количество рекомендаций до пяти.
e.[Рекомендовать объекты, с которыми ранее было взаимодействие] — установите признак, чтобы в рекомендации попали только те продукты, с которыми было взаимодействие.
3.Добавьте конечное событие и сохраните процесс.
В результате при каждом срабатывании элемента [Предсказать данные] будет использована указанная модель машинного обучения для составления списка рекомендаций. В нашем примере выборка записей для обучения будет ограничена типом товара “Материнская плата”. Список рекомендаций, состоящий из пять записей, будет составлен для всех контактов с типом “Клиент”.
Смотрите также
•Основные термины предиктивного анализа данных
•Прогнозирование значения справочного поля
•Прогнозирование значения числового поля
•Прогнозирование рейтинга записей
•Рекомендательное прогнозирование
