Эта статья посвящена основам настройки и применения предиктивного анализа данных в Creatio.
Предиктивный анализ позволяет на основании больших объемов исторических данных и текущих фактов спрогнозировать будущие события. Применение этого инструмента в бизнесе позволяет повысить скорость и точность принятия решений, освободить сотрудников от выполнения рутинных операций и увеличить показатели работы в целом.
Предиктивный анализ данных в Creatio реализуется с помощью настраиваемых алгоритмов — моделей машинного обучения. В разделе [Модели машинного обучения] вы можете создавать и обучать собственные модели для предиктивного анализа данных практически любого объекта системы.
Важно
Для использования функциональности предиктивного анализа данных в Creatio on-site необходимо выполнить предварительную настройку. Подробнее читайте в статье “Установка сервиса машинного обучения”.
В Creatio реализованы следующие инструменты предиктивного анализа данных:
•Прогнозирование справочного поля (классфикация) — позволяет настроить автозаполнение справочных полей, основываясь на данных системы. Например, вы можете настроить модель, которая будет предсказывать наиболее вероятную категорию контрагента. Подробнее >>>
•Прогнозирование числового поля (регрессия) — позволяет рассчитать значение числового поля. Например, спрогнозировать бюджет лида в зависимости от потребности клиента, размера его компании, страны проживания и отрасли. Подробнее >>>
•Предиктивный скоринг является одним из инструментов предиктивного анализа данных, используется для формирования рейтинга записи на основании анализа исторических и современных данных. Например, вы можете создать модель, которая будет оценивать перспективность ваших лидов на основании данных о бюджете и успешности перевода в продажу исторических записей. Подробнее >>>
•Рекомендательные системы позволяют прогнозировать, какие объекты системы будут наиболее интересны клиентам. Например, вы можете спрогнозировать, какие продукты будут наиболее интересны клиенту, основываясь на его предыдущей активности по взаимодействию с объектами рекомендаций. Помимо рекомендации продуктов или сервисов клиенту рекомендательные модели позволяют настраивать модели рекомендаций любых объектов для любых субъектов системы. Подробнее >>>
Возможные AI-решения для продуктов Creatio представлены на Рис. 1.
Для выбора типа модели вы можете использовать следующий алгоритм (Рис. 2).
Рис. 2 — Алгоритм выбора типа модели
Creatio позволяет вам самостоятельно определять время запуска и количество записей, для которых необходимо выполнить прогнозирование. После создания и обучения модели используйте элемент бизнес-процесса [Прогнозировать данные] для включения предиктивного анализа данных в новые или уже настроенные бизнес-процессы (Рис. 3).
Рис. 3 — Использование предиктивного анализа данных в бизнес-процессе
На заметку
Предиктивный анализ данных является ресурсоемкой операцией, особенно, если в процессе задействовано значительное количество записей. Не рекомендуется запускать прогнозирование одновременно для большого количества записей системы, это может повлиять на ее производительность. Оптимальным является запуск прогнозирования отдельно для каждой записи, например только при ее создании или изменении. Запуск пакетного прогнозирования рекомендуется производить в период, когда в системе не ведутся активные работы, например, ночью.
Смотрите также
•Основные термины предиктивного анализа данных
•Прогнозирование значения справочного поля
•Прогнозирование значения числового поля
•Прогнозирование рейтинга записей
•Рекомендательное прогнозирование
