Enquête sur les prédictions CRM Analytics

Ce contenu fait partie de Tableau Blueprint, un cadre de maturité vous permettant d’approfondir et d’améliorer la façon dont votre organisation utilise les données pour générer de l’impact. Pour commencer votre voyage, faites notre évaluation(Le lien s’ouvre dans une nouvelle fenêtre).

Avant de créer des histoires ou des modèles et de déployer des prédictions avec Einstein Discovery, chaque cadre responsable de branche d’activités doit mener une enquête au sein de ses services et équipes pour déterminer la priorité des besoins en matière de cas d’utilisation et de prédictions. Chaque équipe fonctionnelle qui va utiliser Einstein Discovery doit répondre aux questions de l’enquête sur les prédictions ou collaborer avec les membres de l’équipe pour documenter cette information. L’enquête a pour objectif d’identifier les scénarios opérationnels devant être optimisés (prédictions descriptives et prescriptives) et les sources de données nécessaires. De plus, cette enquête permet de déterminer s’il est nécessaire de faire participer un scientifique de données, de planifier et d’exécuter des déploiements de prédictions, et d’attribuer les responsabilités en matière de surveillance de modèle.

Équipe

  • Quelle est la fonction opérationnelle de l’équipe?
  • Qui sont les utilisateurs ciblés?
  • Devez-vous collaborer avec une équipe de scientifiques de données existante?
  • Votre équipe a-t-elle accès aux données devant être analysées?
  • Qui, dans votre équipe, aura besoin d’une licence complète pour CRM Analytics (pour intégrer les données, créer les histoires/modèles et déployer les prédictions)?

 

Sélection et gestion

  • Quels scénarios opérationnels seront utilisés pour les prédictions? Les cas d’utilisation ont-ils été considérés comme adaptés ou non?
  • Quelles sont les sources de données clés pour les histoires ou les modèles et où se trouvent-elles?
  • Comment votre équipe obtient-elle ses données (Salesforce, entrepôts ou bases de données, exportation de fichiers, sources tierces, etc.)?
  • Avez-vous obtenu une approbation pour les modèles de la part d’une équipe de scientifiques de données ou avez-vous besoin d’une telle approbation?
  • Avez-vous intégré des méthodes de modélisation des données comme CRISP-DM pour qualifier les scénarios opérationnels?
  • Quel est l’état des données pour la phase 1 (approche rapide et sommaire) et pouvez-vous utiliser des fichiers CSV pour remplir l’ensemble de données?
  • Quel est l’état des données pour le déploiement en production? Pouvez-vous tirer parti de la préparation de données et mettre en place l’orchestration requise?

 

Compétences

  • Comment les données sont-elles sécurisées?
  • Quelles sont les compétences et capacités de scientifique métier présentes dans l’équipe?
  • Qui sera désigné et formé comme champion Einstein Discovery (p. ex., un scientifique métier) dans l’équipe?
  • Disposez-vous des compétences opérationnelles et de la compréhension nécessaires pour prioriser les cas d’utilisation?
  • Disposez-vous des compétences d’ingénierie nécessaires pour tous les champs dérivés et pour les besoins futurs en matière d’ingénierie?

 

Sécurité

  • Avez-vous déjà validé et approuvé des centres de données et des produits de nuage Salesforce pour l’utilisation de CRM Analytics?

 

Surveillance

  • Comment allez-vous surveiller la précision des prédictions (gestionnaire de modèle, tableau de bord personnalisé, etc.)?
  • Quel est le seuil de précision de modèle accepté et qui sera notifié et alerté si une valeur dépasse le seuil?
  • À quelle fréquence devrez-vous actualiser les données du modèle?
  • Qui sera chargé de mesurer l’impact économique, les performances et les taux d’adoption du modèle une fois celui-ci déployé?
  • Comment les intervenants surveilleront-ils et mesureront-ils les effets sur les processus et les résultats des prédictions déployées?
Merci de vos commentaires!Votre commentaire s été envoyé avec succès. Merci!