Настроить прогнозирование числовых полей

В Creatio вы можете настраивать и обучать модели машинного обучения, чтобы выполнять прогнозирование значений заданных числовых полей. Прогноз основывается на данных текущей записи, для которой необходимо определить значение числового поля, а также ранее обработанных записей. К примеру, вы можете настроить прогноз бюджета лида в зависимости от потребности клиента, размера его компании, страны и отрасли.

1. Добавить новую модель 

Чтобы создать модель прогнозирования значения числового поля:

1. В рабочем месте Студия откройте раздел Модели машинного обучения.
2. Нажмите кнопку Добавить модель — > Прогнозирование числового поля.
3. Заполните мини-карточку создания модели (Рис. 1):

   1. Название — введите название модели, по которому ее будет легко найти в реестре раздела Модели машинного обучения и при настройке бизнес-процесса с элементом Прогнозирование данных.

   2. Тип — тип модели машинного обучения. В данном примере — “Прогнозирование числового поля”. Поле заполняется автоматически при выборе типа модели на предыдущем шаге.

   3. Объект — выберите объект, по записям которого будет выполняться прогнозирование, в данном примере — “Лид”.

   Рис. 1 — Мини-карточка создания модели прогнозирования значения числового поля

   
4. Сохраните мини-карточку и перейдите к настройке параметров модели прогнозирования значений числового поля по кнопке Далее.

2. Настроить параметры модели 

После заполнения обязательных полей укажите параметры модели:

1. Какое значение необходимо прогнозировать? — выберите поле, для которого будет выполняться прогнозирование значения. Например, для прогнозирования бюджета лида выберите из списка поле Бюджет. В списке представлены все числовые поля, которые есть на странице указанного объекта.
2. От каких колонок зависит прогнозируемое значение? — выберите “Колонку объекта” или “Связанную колонку”, чтобы добавить колонки, которые будут использоваться системой для определения алгоритмов поведения, связанных с прогнозируемым полем. Например, если бюджет лида зависит от потребности клиента, количества сотрудников, страны и отрасли, то выберите колонки объекта Тип потребности, Количество сотрудников, Страна и Отрасль. Система изучит значения этих колонок в исторических записях и их соотношение со значениями колонки Бюджет.

3. Какие записи должны попасть в обучающую выборку? — настройте фильтр, на основании которого система будет отбирать записи для обучения моделей. В нашем примере необходимо выбрать только те записи, в которых указан бюджет лида. Для этого установите следующий фильтр: “Бюджет заполнено”.

   Вы можете не указывать условия фильтрации. В этом случае для обучения будут использоваться все записи.

   На заметку. Вы можете сохранить и обучить модель уже на этом этапе по кнопке Обучить модель. В этом случае результаты обучения можно будет увидеть в поле Ожидаемая точность. Чтобы сохранить результаты прогнозирования, заполните поле В какую колонку сохранять результат прогнозирования?.

4. В какую колонку сохранять результат прогнозирования? — укажите, где в системе будет сохраняться результат прогноза. Обычно прогнозное значение сохраняется в колонку, значение которой требовалось предсказать. Если вы не хотите, чтобы система изменяла значение прогнозируемой колонки, то укажите другую колонку для сохранения прогноза.

5. Настройка автоматического обучения модели — перетяните ползунок вправо, чтобы задать параметры автоматического переобучения модели на основании обновленных исторических данных.

   1. В поле Переобучать через, дней укажите длительность перерыва между обучениями модели. По истечении указанного количества дней модель будет отправлена на переобучение с использованием исторических данных, которые соответствуют настроенным фильтрам. Первое обучение модели проводится по нажатию кнопки Обучить модель. Если вы не хотите переобучать модель, то оставьте поле незаполненным или введите “0”.

   2. В поле Нижний порог допустимого качества укажите наименьшее допустимое значение точности прогноза. При первом обучении модели это значение определит точность прогноза, по достижении которой экземпляры модели могут применяться для работы в системе. Экземпляры, не достигшие нижнего порога допустимого качества, системой не используются. Рекомендуется указывать нижний порог допустимого качества более 0,5. Точность прогноза варьируется от 0,00 до 1,00, где 1,00 — это максимально точный прогноз, а 0,00 — наименее точный. Точность прогноза рассчитывается как отношение количества правильно спрогнозированных значений к общему количеству исторических данных, на которых проводилось обучение. Подробно о механизме расчета точности прогнозов читайте в документации Google.

6. В группе полей Настройка фонового обновления результатов прогнозирования перетащите вправо ползунок, если вы хотите, чтобы для всех записей ежедневно в заданное время выполнялось обновление результатов прогнозирования (Рис. 2). Если необходимо обновлять только избранные записи, настройте условия фильтра.

Рис. 2 — Параметры модели прогнозирования значений числовых полей

3. Добавить расширенные настройки 

Перейдите на вкладку Расширенные настройки, если вы хотите указать дополнительные параметры модели прогнозирования. Заполните поля аналогично тому, как это описано в настройках для модели прогнозирования справочного поля (Рис. 3) и нажмите кнопку Сохранить. Для начала обучения модели прогнозирования значений числовых полей нажмите кнопку Обучить модель.

Рис. 3 — Расширенные параметры модели прогнозирования значений числовых полей

Результат прогнозирования 

В результате в Creatio будет создана новая модель.

Если вы настроили пакетное прогнозирование данных, то прогноз будет обновляться ежедневно в заданное время для всех выбранных записей без необходимости настройки бизнес-процесса.

Чтобы самостоятельно определять время запуска и количество записей, для которых необходимо выполнить прогнозирование, необходимо настроить бизнес-процесс с элементом Прогнозировать данные . При запуске процесса будет осуществляться прогнозирование и заполнение целевых полей для выбранных записей. Подробнее: Настроить процесс прогнозирования.

В нашем примере модель прогнозирования бюджета лида проанализирует значения колонок Тип потребности, Количество сотрудников, Страна и Отрасль лидов, у которых заполнена колонка Бюджет. Чем больше исторических данных используется для обучения модели, тем выше точность прогноза.

Когда будет получен экземпляр модели с точностью прогноза, равной или превышающей нижний порог допустимого качества, в разделе будет доступно прогнозирование бюджета лида на основании данных полей Тип потребности, Количество сотрудников, Страна и Отрасль.