Эта статья посвящена основам настройки и использования 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: Сервис машинного обучения.
Типы моделей машинного обучения в Creatio
В Creatio реализованы следующие инструменты предиктивного анализа данных:
-
Прогнозирование справочного поля (классификация) — позволяет настроить автозаполнение справочных полей, основываясь на данных системы. Например, вы можете настроить модель, которая будет предсказывать наиболее вероятную категорию контрагента.
-
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.
-
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.
-
Рекомендательные системы позволяют прогнозировать, какие записи системы будут наиболее интересны клиентам. Например, вы можете спрогнозировать, какие продукты или сервисы следует рекомендовать клиенту, основываясь на его предыдущей активности. Также вы можете настраивать модели рекомендаций любых других объектов для любых субъектов системы.
-
Поиск похожих текстов — позволяет создавать подборки похожих записей на основании анализа неструктурированных текстовых данных. Например, вы можете настроить модель, которая будет подбирать статьи базы знаний или ответы на основании текста обращения.
Возможные AI-решения для продуктов Creatio представлены на Рис. 1.
Алгоритм выбора модели прогнозирования данных
Для выбора типа модели вы можете использовать следующий алгоритм (Рис. 2).
Общий порядок настройки прогнозирования
Формирование прогноза может осуществляться в несколько этапов:
-
Настройка модели прогнозирования. Подробнее об этом этапе читайте в статьях, посвященных настройке отдельных типов моделей машинного обучения.
-
Обучение модели прогнозирования. Подробнее: Обучение моделей прогнозирования.
-
Настройка и запуск бизнес-процесса с элементом Прогнозирование данных (Рис. 3). Это опциональный шаг. Если вы настроили пакетное прогнозирование на шаге 1, то прогноз будет обновляться ежедневно в заданное время для всех выбранных записей без необходимости настройки бизнес-процесса. Если вы настроите бизнес-процесс с элементом Прогнозировать данные, то сможете самостоятельно определять время запуска и количество записей, для которых необходимо выполнить прогнозирование. Подробнее: Настроить процесс прогнозирования.
На заметку. Не рекомендуется запускать прогнозирование одновременно для большого количества записей. 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.