Enquête sur les prédictions CRM Analytics
Ce contenu fait partie de Tableau Blueprint, un cadre de maturité qui vous permet de réaliser une évaluation approfondie et d’améliorer la manière dont votre organisation utilise les données pour générer un impact. Pour commencer votre parcours, répondez aux questions de notre évaluation(Le lien s’ouvre dans une nouvelle fenêtre).
Avant de créer des histoires/modèles et de déployer des prédictions avec Einstein Discovery, chaque sponsor métier doit mener une enquête au sein de ses départements et équipes pour déterminer la priorité des besoins en matière de cas d'utilisation et de prédictions. Chaque équipe métier qui va utiliser Einstein Discovery doit répondre à l'enquête sur les prédictions ou collaborer avec les membres de l'équipe pour documenter ces informations. L'objectif de cette enquête est 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 d'inclure un data scientist, de planifier et exécuter des déploiements de prédictions, et d'attribuer les responsabilités en matière de surveillance de modèle.
Équipe
- Quelle est la fonction métier de l'équipe ?
- Qui sont les utilisateurs ciblés ?
- Devez-vous collaborer avec une équipe de data scientists 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/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 mis en place ou avez-vous besoin d'une approbation pour les modèles de la part d'une équipe de data scientists ?
- 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 des données et mettre en place l'orchestration requise ?
Compétences
- Comment les données sont-elles sécurisées ?
- Quelles sont les compétences et capacités de business scientist présentes dans l'équipe ?
- Qui sera désigné et formé comme champion Einstein Discovery (business scientist) au sein de l'équipe ?
- Disposez-vous des compétences métier et des insights 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 produits cloud Salesforce dans le cadre de 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 métiers surveilleront-ils et mesureront-ils les effets sur les processus et les résultats des prédictions déployées ?