Эта статья посвящена основам настройки и применения предиктивного анализа данных в bpm’online.
Основы предиктивного анализа данных
Предиктивный анализ позволяет на основании больших объемов исторических данных и текущих фактов спрогнозировать будущие события. Применение этого инструмента в бизнесе помогает повысить скорость и точность принятия решений, освободить сотрудников от выполнения рутинных операций и увеличить показатели работы в целом.
Предиктивный анализ данных в bpm'online 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 bpm’online on-site необходимо выполнить предварительную настройку, описанную в статье “Установка сервиса машинного обучения”.
В bpm’online реализованы следующие инструменты предиктивного анализа данных:
•Прогнозирование значения справочного поля — позволяет настроить автозаполнение справочных полей, основываясь на данных системы. Например, вы можете настроить модель, которая будет определять наиболее вероятную категорию контрагента. Подробнее >>>
•Прогнозирование значения числового поля — позволяет рассчитать значение числового поля. Например, спрогнозировать бюджет лида в зависимости от потребности клиента, размера его компании, страны проживания и отрасли. Подробнее >>>
•Предиктивный скоринг — 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 >>>
Bpm’online 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. 344).
Рис. 344 — Использование предиктивного анализа данных в бизнес-процессе
НА ЗАМЕТКУ
Предиктивный анализ данных является ресурсоемкой операцией. 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.
Содержание
•Основные термины предиктивного анализа данных
•Как создать модель прогнозирования значения справочного поля
•Как создать модель прогнозирования значения числового поля
•Как настроить определение рейтинга записей
