Tellus
  • Home
  • Soluções
    • Tellus Cloud Dashboards – Embedded Analytics
    • Consultoria e Implementação
    • Software Tableau
    • Microsoft Power BI
    • Integrações
  • Treinamentos
  • Suporte
    • Suporte aos Usuários de Tableau
    • Suporte Premium ao Tableau Server
  • Alocação de Profissionais
  • Clientes
  • Novidades
  • Contato
  • Home
  • Soluções
    • Tellus Cloud Dashboards – Embedded Analytics
    • Consultoria e Implementação
    • Software Tableau
    • Microsoft Power BI
    • Integrações
  • Treinamentos
  • Suporte
    • Suporte aos Usuários de Tableau
    • Suporte Premium ao Tableau Server
  • Alocação de Profissionais
  • Clientes
  • Novidades
  • Contato

Enriqueça os dados de fluxo de preparação do Tableau com as previsões do Einstein Discovery

Na versão de abril do Tableau Prep, agora você pode invocar o poder do Salesforce Einstein Discovery para pontuar em massa seus dados diretamente em seu fluxo. Trazer esses modelos preditivos poderosos para o Tableau Prep ajudará as pessoas a usar técnicas analíticas avançadas para descobrir insights práticos, informar decisões proativas e resolver problemas mais rapidamente.

Com essa integração, você pode aplicar modelos preditivos de aprendizado de máquina criados no Einstein Discovery aos seus dados de fluxo e, em seguida, gerar resultados previstos diretamente em seu fluxo. Por fim, envie os resultados para análise no Tableau.

Nesta postagem, veremos como uma organização pode usar o Einstein Discovery no Tableau Prep para prever e melhorar a retenção de funcionários.

Pontuação em massa usando Prep e Einstein Discovery

Os modelos criados no Einstein Discovery serão aplicados aos dados na etapa de predição. O usuário escolherá quantos principais preditores e principais melhorias gostaria de ver depois de executar o modelo em relação aos dados na preparação. Sua saída de fluxo inclui novos campos para os resultados da previsão. Cada linha é pontuada em massa com base no modelo, permitindo que você examine seus resultados no nível da linha e visualize-os no Tableau.

Por exemplo, você pode querer descobrir a probabilidade de reter funcionários em sua organização.

Primeiro, você se conecta ao conjunto de dados do funcionário e adiciona uma etapa de previsão.

Em seguida, você precisará inserir suas credenciais do Salesforce para se conectar aos modelos implantados do Einstein Discovery para pontuar seu conjunto de dados.

Em seguida, selecione o modelo a ser aplicado ao seu conjunto de dados. Você deseja usar o modelo “Previsão de retenção de funcionários” para determinar a probabilidade de um funcionário permanecer na empresa.

Depois de selecionar um modelo, você pode escolher se deseja ver informações adicionais sobre seus dados, como previsões ou até mesmo melhorias:

  • Uma previsão é um valor estimado para um resultado futuro. Às vezes, uma previsão é chamada de pontuação ou inferência estatística.
  • Uma melhoria é uma ação sugerida, com base em análises prescritivas, que um usuário pode realizar para melhorar a probabilidade de um resultado desejado. A ação sugerida pode melhorar o resultado previsto.

Em seguida, você mapeará os campos entre seu conjunto de dados e o modelo selecionado. Clique em aplicar quando terminar e você verá os resultados no painel de perfil.

Usando saídas do modelo preditivo Einstein Discovery na preparação

O exemplo a seguir mostra os resultados do modelo sendo aplicado aos seus dados. Você notará que agora tem campos adicionais chamados Predição, Preditor 1, Preditor 1 Impacto, bem como Melhoria 1 e Melhoria 1 Impacto.

Vamos examinar uma linha específica e decifrar os resultados.

Para o funcionário com ID 3, o modelo prevê que a probabilidade de serem retidos é de 91,78 por cento, conforme mostrado na coluna Previsão. O principal fator que contribui para essa previsão é o salário mensal e o número de anos que eles estão na empresa, que você pode ver no campo Predictor 1. Para obter uma pontuação de previsão ainda mais alta, podemos examinar as melhorias que poderiam ser feitas para garantir que o ID do funcionário 3 permaneça na empresa. O campo Melhoria 1 nos diz que se o salário mensal dos funcionários subisse de $ 12.000 por mês para $ 13.890 a $ 19999 por mês, sua pontuação de previsão melhoraria em 2%.

Este exemplo mostra como podemos incorporar os modelos Salesforce Einstein Discovery no Prep e realizar a pontuação em massa diretamente em um fluxo. A seguir, vamos examinar um viz para examinar a pontuação em massa e determinar quem está em risco de sair e o que podemos fazer para melhorar a probabilidade de permanecer na equipe.

Este gráfico de barras mostra as porcentagens de retenção com base em nossa previsão.

A seguir, vamos nos concentrar no que podemos fazer para reter esses funcionários e melhorar o resultado. Neste exemplo, o modelo de previsão nos mostra que se o salário mensal desse funcionário aumentar entre $ 4.923 e $ 5.725, a taxa de retenção aumenta em nove por cento.

Com o Einstein Discovery, trazemos o poder do Tableau Business Science diretamente para o seu fluxo de preparação. Agora você pode usar o poder dos modelos preditivos para descobrir de forma rápida e fácil percepções práticas que o ajudarão a resolver seus problemas de negócios.

Caso você ainda não tenha atualizado seu Tableau para a versão mais recente, clique e descubra na prática todas as novas funcionalidades!

Obrigada pela atenção e até a próxima.

Assinar Newsletter
  • Previous readingUm caminho baseado em dados em direção à igualdade de gênero
  • Next readingTableau Online lança recursos de login do Salesforce!
Materiais gratuitos

Veja todos

Facebook Pagelike Widget
Posts recentes
  • Tableau 2023.2
  • Tableau 2023.1
  • Marketing digital orientado por análise de dados
  • Analisando os dados do call center para uma melhor experiência do cliente
  • Dashboard Cadeia de Suprimentos

Acreditamos que a análise de dados pode transformar os negócios e a vida das pessoas de uma maneira inteligente, criativa e inovadora, trazendo resultados imediatos no dia a dia.

Rua Alexandre Dumas, 1711, 5º andar, Birmann 11, Chácara Santo Antonio | São Paulo/SP | 04717-004

Política de Privacidade | © Copyright 2018 Tellus | Design by: Blank Agência Criativa ®
Utilizamos ferramentas e serviços de terceiros que utilizam cookies. Essas ferramentas nos ajudam a oferecer uma melhor experiência de navegação no site. AceitarPolítica de Privacidade