Salesforce einstein analyse og vurderingsplatform

Salesforce Analytics, som er en relativ nybegynder til BI-rummet til selvbetjening, er en pakke med flere forskellige produkter. Først og fremmest er den kunstige intelligens (AI) -baserede Salesforce Einstein Analytics-platform (som begynder ved $ 75 pr. Bruger pr. Måned). Mens analyserne primært er rettet mod minedrift af kunde- og salgsdata, kan data fra andre kilder også forbindes til værktøjet. Meget få BI-produkter i disse dage opretter forbindelse til Salesforce. Redaktørernes valg IBM Watson Analytics er fuldt integreret med hensyn til kapaciteter. Det eneste sted, hvor sidstnævnte vil falde ned for nogle, er i dets datavisualiseringsfunktioner (mere om det senere).

Blandt andre fordele gør fordoblingen af ​​forudsigelig analyse fra denne combo Watson-Einstein-dans Einstein ligesom en strålende udøver. Men desværre skal hver dansepartner bedømmes på deres eget repertoire. Og det er hvad jeg gør her.

Først et kig på Salesforce Analytics-opstillingen. Grundlæggende analyser er gratis. For mere avanceret analyse er der Sales Analytics-applikationen til Sales Cloud, der er prissat til $ 75 pr. Bruger pr. Måned. Så er der Service Analytics-appen til Service Cloud, som også er prissat til $ 75 pr. Bruger pr. Måned.

Øverst i lineup er Salesforce Einstein Analytics-platformen (også prissat, som nævnt tidligere, til $ 75 pr. Bruger pr. Måned), som inkluderer salgs- og service-apps plus en række andre funktioner. Disse funktioner inkluderer muligheden for at analysere data fra enhver kilde (op til 100 millioner datarækker er annonceret, men vi skal se), muligheden for at oprette et ubegrænset antal tilpassede apps, skabeloner til at oprette apps og dashboards og ubegrænset onlinetræning.

Jeg har dækket Salesforce siden sin debut på markedet som et software-as-a-Service (SaaS) rent spil i en tid, hvor kundeforholdsadministration (CRM) var lidt mere end et forherliget kontaktadministrationsprodukt i en kasse. Ligesom da sætter Salesforce sine synspunkter på at føre markedet ved at gøre tingene anderledes. Men nu er det ikke det, og denne gang er Salesforce ikke den første på dansegulvet. Det er dog kun moderigtigt sent, da Einstein følger kun et par måneder efter IBMs Watson. Einstein er imponerende og kraftfuld, og når den bruges sammen med Salesforce-data i Især imødekommer eller overstiger det behovet for omtrent halvdelen af ​​alle virksomhedsbrugere - halvdelen, der er fokuseret på kunder, markedsføring og salg. Det kan også være nyttigt for andre brugere; det er bare det salg og markedsføring har altid været Salesforce's søde stedet, og det er det stadig.

Salesforce Einstein Analytics-platformen bruger maskinindlæring (ML), men ikke dyb læring. Det er ikke rigtig kognitiv computing (det vil sige AI), ligesom Watson ikke er det. Men Salesforce som selskab viser fortsat forretningslyst i en egen liga. Virksomheden er villig til at skabe partnerskaber (blandt andet den fulde Watson-integration) for at sikre en lige vej til at muliggøre stigningen af ​​borgerdataanalytikere - den hellige gral i den selvbetjeningsanalysebranche. Alligevel har Salesforce Einstein Analytics-platformen sine grænser og forvirringspunkter.

Kom godt i gang

Du finder din vej til en prøvekonto ved at vælge og følge en trail fra mange. En "trail" i dette tilfælde er Salesforce taler for en "læringssti" eller en "læringssti. Derfor kalder de deres partnere" Trailblazers. "Jeg fandt, at denne sti oprindeligt var besværlig og en tidsafløb. Jeg foretrækker at klikke på en "Prøvekonto" -knap eller registreringsside og gå videre med arbejdet. Det hjalp ikke, at jeg engang bad talsmanden om at sende mig legitimationsoplysninger og et link til en prøvekonto til denne anmeldelse, og hun sendte mig to eller tre stier til at følge i stedet.

Talsmanden fortalte mig endelig, at det at følge en sti ville føre til dannelse af en prøvekonto. Mens hun var meget flink og åbenlyst prøvede hårdt for at være hjælpsom, føltes dette som en langt mere forvirrende opsætning end det er berettiget - især hvis du sigter mod forretningsbrugere (også kendt som borgerdataanalytikere), som Salesforce hævder, at det er.

Ikke desto mindre valgte jeg en sti. Snarere valgte jeg Salesforce trailhead ved navn "Einstein Discovery Basics", som den hjælpsomme talsmand rettede mig mod, idet han sagde, at dette trailhead er "beregnet til at få forretningsbrugere i gang hurtigt og på egen hånd uden hjælp fra en dataanalytiker." Det letteste trailhead, formodentlig.

Se og se, trailhead var virkelig nyttigt. Jeg opretter let og hurtigt kontoen og importerede data ved at følge de letforståelige instruktioner på trailhead. Så okay, trailhead-konceptet fungerer. Men jeg forstår stadig ikke, hvordan brugere skal finde og derefter bestemme, hvilken vej de skal følge for at komme, hvor de vil være. Jeg søgte online efter "Salesforce trailheads" og fik en lang liste. Jeg har stadig ingen idé om, hvad jeg skal vælge, hvis der ikke er en praktisk talsmand i nærheden, der fortæller dig.

Ét ord af forsigtighed for at følge mig ned ad denne trailhead: Bemærk, at du ikke kan bruge en eksisterende Developer Edition (DE) org, som du har i Salesforce. I stedet skal du tilmelde dig en ny (instruktionerne på dette trailhead fortæller dig hvordan), fordi du har brug for den begrænsede analyselicens i den nye DE org.

Hvad angår min oplevelse, flere humle og fumler senere, lykkedes det mig at navigere til landingssiden i den nye DE org. Der klikkede jeg på appstarteren og søgte derefter efter og klikkede for at starte Einstein Discovery-appen. Men der skete intet, før jeg tilladte pop op-vinduer i min browser. Så sørg for at gøre det.

Når Einstein Discovery-appen var åben, klikkede jeg på flisen mærket "CSV" og indlæste mine data (de samme datasæt, som jeg brugte til at gennemgå konkurrerende produkter i denne kategori) let nok. Men så svarede Salesforce Einstein Analytics-platformen med "Overskrider maksimalt tilladte rækker (91.980 fundet). Kun de sidste 50.001 rækker vil blive behandlet." Det triste er, det gav mig den advarsel, efter at jeg kun havde indlæst to filer på cirka 30 rækker. Den anden triste ting er, at Salesforce reklamerer Einstein for at være i stand til at håndtere "op til 100M datarækker", men det er helt klart ikke, hvad dette skærmbillede viser (se ovenfor). Einstein advarede mig også om "Store numeriske værdier findes i kolonnen." Som jeg siger, "Ja, og ?!" Grrr, Einstein ville også, at det "blev fastlagt" til dets grænser.

Det bemærkede andre problemer med de data, der beløb mig til at udføre standardforberedende handlinger. Et sådant problem var, at dato og klokkeslæt begge var til stede i samme kolonne. En af disse værdier kunne let ignoreres eller dataene ryddet op. Ingen biggie der. Begrænsningen af ​​datastørrelse er en langt større bekymring.

Dette præsenterer et kæmpe rødt flag for mig. Men det kan være mindre eller mere alarmerende for dig, afhængigt af størrelsen og / eller konfigurationen af ​​de data, du prøver at arbejde på. Hvis du bare bruger Salesforce-data, er det godt, fordi de to er beregnet til at arbejde sammen! Hvis du også bruger andre data, skal du først se nærmere på det problem først.

Af hensyn til denne gennemgang valgte jeg at bruge eksempeldatasættet leveret af Salesforce i trailhead i stedet for at konfigurere mine datasæt for at reducere antallet af rækker, der passer til dette systems grænser (der er kun så meget tidssug, man skulle være nødt til at holder ud i processen med at vælge eller bedømme et produkt, tror du ikke?) På med gennemgangen, da.

Opdagelsesprocessen

I lighed med flere BI-apps, især SAP Analytics Cloud, beder Salesforce Einstein Analytics-platformen dig om at oprette en historie. Det er en god tilgang, fordi mennesker generelt indtager og bevarer historier end tal. Fliser præsenteres for at hjælpe mig med at konfigurere alt, som jeg vil have det, inden jeg trykker på knappen "Opret historie". (Ja, dette er et build-a-query-trin.)

Når jeg først har trykket på den knap, tager systemet kun et par sekunder at analysere dataene og returnere et oplagret instrumentbræt til mig. På dette instrumentbræt er der en masse information (mere end jeg kan vise dig i et enkelt skærmbillede) og noget tekst, der specificerer, hvad der skete, i henhold til dette datasæt .

Yderligere på træk ned i menuen "Anbefalet indsigt om", der læser her som "Hvad skete", er valg til at opdage "Hvad ændrede sig med tiden", "Hvorfor det skete", "Hvad kunne ske, " og "Hvordan kan jeg forbedre det?"

Det er selvfølgelig nøjagtigt de spørgsmål, som en erfaren dataanalytiker vil stille. Men her er det også pakket på en måde, som en nybegynder, borgerdataanalytiker let kan stille forespørgslen. Hele denne opdagelsesproces, der sigter mod at være nyttig og brugbar for enhver, på næsten ethvert færdighedsniveau, er simpelthen genial.

Dette hvor Salesforce Einstein Analytics-platformen kanter lukker, men ikke i, lederen af ​​klassen. Watson ejer stadig dette rum på grund af sin evne til at analysere større datasæt af både strukturerede og ustrukturerede data og forespørgsler på naturligt sprog ud over de generelle (men meget vigtige) spørgsmål, som Salesforce tilbyder her. Dette er langt fra de mere vanskelige at lære, SQL-orienterede BI-platforme, såsom Chartio.

Hvis du imidlertid arbejder med strukturerede data i et format, der er venligt til Salesforce Einstein Analytics-platformen (pas på antallet af rækker, f.eks.) Og søger primært indsigt i forbindelse med salg, marketing og kundeforhold / kundeoplevelse, så vil du sandsynligvis elske Salesforce Einstein Analytics-platformen.

Data visualiseringer

Jeg fandt, at indstillingen "Play Summary" på dashboardet var en unik funktion, men jeg er ikke sikker på, hvor mange brugere der ønsker, at Salesforce Einstein Analytics Platform skal læse resultaterne for dem. Du kan også "personalisere" historien, der er en tommelfinger op eller tommelfingeren nedstemt om linjeposter i rapporten. Det er dog ikke klart, hvad slutningen er. Du kan imidlertid også dele og eksportere historien direkte fra instrumentbrættet, og det er altid nyttigt.

Hvad angår korrekte visualiseringer, ja, det er en anden historie, end du ser i andre analytiske apps. Kort sagt, du vælger ikke rigtig visualiseringer i Salesforce Einstein Analytics-platformen. Du ændrer forespørgslen, og Einstein vælger automatisk den visualisering, der bedst viser svaret.

Inden du markerer dette som en kreativ uretfærd, skal du huske, at slutmålet er at levere analyser, der er brugt af og nyttigt for erhvervsmasserne - hvoraf de fleste kan antages at være lidt interesserede i visualiseringsvalg. Men hvis du virkelig interesserer dig for at have en fuld palet med visualiseringer lige ved hånden, er du sandsynligvis ikke tilfreds med Salesforce Einstein Analytics-platformens automatiserede, grundlæggende skærme og rapporter.

Selvom det muligvis begrænser Einsteins potentiale for nogle, kan du forestille dig at tage alt dette og integrere det fuldt ud med IBM Watson. Hvis du har budgettet, har Salesforce og IBM gjort en aftale, der muliggør denne mulighed. Resultatet er et kombineret produkt, der er forbandet hårdt at slå af nogen anden i marken. Vær opmærksom på verden: Disse to partnere er lysår fremad i datademokratiseringsløbet.