Salesforce einstein analyse- og vurderingsplattform

Salesforce Analytics, som er en relativt nykommer på BI-plassen for selvbetjening, er en pakke med flere forskjellige produkter. Først og fremst er den kunstige intelligensen (AI) -baserte Salesforce Einstein Analytics-plattformen (som begynner på $ 75 per bruker per måned). Mens analysene først og fremst er rettet mot gruvedrift av kunde- og salgsdata, kan data fra andre kilder også kobles til verktøyet. Svært få BI-produkter i disse dager kobles til Salesforce. Redaktørenes valg IBM Watson Analytics er fullt integrert med tanke på muligheter. Det eneste stedet sistnevnte vil falle ned for noen er i datavisualiseringsfunksjonene (mer om det senere).

Blant andre fordeler gjør doblingen på prediktiv analyse fra denne kombo Watson-Einstein-dansen Einstein ser ut som en strålende utøver. Men akk, hver dansepartner må bedømmes på sitt eget repertoar. Og det er det jeg skal gjøre her.

Først en titt på Salesforce Analytics-oppstillingen. Grunnleggende analyser er gratis. For mer avansert analyse er det Sales Analytics-applikasjonen for Sales Cloud, priset til $ 75 per bruker per måned. Så er det Service Analytics-appen for Service Cloud, som også er priset til $ 75 per bruker per måned.

Øverst i lineupen er Salesforce Einstein Analytics-plattformen (også priset, som tidligere nevnt, til $ 75 per bruker per måned), som inkluderer salgs- og service-apper pluss en rekke andre funksjoner. Disse funksjonene inkluderer muligheten til å analysere data fra alle kilder (opptil 100 millioner datarader er annonsert, men vi skal se), muligheten til å lage et ubegrenset antall tilpassede apper, maler for å bygge apper og dashboards, og ubegrenset opplæring på nettet.

Jeg har dekket Salesforce siden debuten på markedet som et Software-as-a-Service (SaaS) rent spill i en tid hvor kundeforholdsadministrasjon (CRM) var lite mer enn et glorifisert produktadministrasjonsprodukt i en boks. Nå, akkurat som da, setter Salesforce sine mål om å lede markedet ved å gjøre ting annerledes. Men nå er det ikke da, og denne gangen er ikke Salesforce den første på dansegulvet. Det er imidlertid bare på mote sent da Einstein følger bare noen måneder etter IBMs Watson. Einstein er imponerende og kraftig, og når den brukes med Salesforce-data i spesielt oppfyller eller overgår behovene til omtrent halvparten av alle bedriftsbrukere - halvparten som er fokusert på kunder, markedsføring og salg. Det kan være nyttig for andre brukere også; det er bare det salg og markedsføring har alltid vært Salesforces søte sted, og det er det fortsatt.

Salesforce Einstein Analytics-plattformen bruker maskinlæring (ML), men ikke dyp læring. Det er ikke virkelig kognitiv databehandling (det vil si AI), akkurat som Watson ikke er. Men Salesforce som selskap fortsetter å vise forretningslyst i en egen liga. Selskapet er villig til å knytte partnerskap (som blant dem er den viktigste Watson-integrasjonen) for å sikre en rett vei for å muliggjøre fremveksten av innbyggerdataanalytikere - den hellige gralen i analysesektoren for selvbetjening. Fortsatt har Salesforce Einstein Analytics-plattformen sine grenser og forvirringspunkter.

Starter

Du finner veien til en prøvekonto ved å velge og følge en løype fra mange. En "sti" i dette tilfellet er Salesforce som taler for en "læringssti" eller en "læringssti. Det er grunnen til at de kaller partnerne sine" Trailblazers. "Jeg syntes denne stien var opprinnelig tungvint og en tidsavløp. Jeg foretrekker å klikke på en "Prøvekonto" -knapp eller registreringsside og gå videre med arbeidet. Det hjalp ikke at jeg engang ba talspersonen om å sende meg legitimasjon og en lenke til en prøvekonto for denne vurderingen, og hun sendte meg to eller tre stier å følge i stedet.

Talsmannen fortalte meg til slutt at å følge en sti ville føre til dannelse av en prøvekonto. Mens hun var veldig hyggelig og tydeligvis prøvde hardt for å være behjelpelig, føltes dette som et langt mer forvirrende oppsett enn det som er berettiget - spesielt hvis du sikter til forretningsbrukere (også statsborgerdataanalytikere) slik Salesforce hevder det er.

Likevel valgte jeg en sti. Snarere valgte jeg Salesforce trailhead med navnet "Einstein Discovery Basics" som den hjelpsomme talspersonen siktet meg mot, og sa at dette trailheadet er "ment for å få forretningsbrukere i gang raskt og på egen hånd, uten hjelp av en dataanalytiker." Det enkleste løypehodet, antagelig.

Se og se, trailhead var virkelig nyttig. Jeg satte enkelt og raskt opp kontoen og importerte data ved å følge de enkle å forstå instruksjonene på sporet. Så greit nok, trailhead-konseptet fungerer. Men jeg forstår fremdeles ikke hvordan brukere skal finne og deretter bestemme hvilken løype de skal følge for å komme dit de vil være. Jeg søkte på nettet etter "Salesforce trailheads" og fikk en lang liste. Likevel har jeg ingen anelse om hvor jeg skal velge om det ikke er en praktisk talsperson i nærheten som kan fortelle deg.

Ett ord med forsiktighet, for å følge meg nedover dette sporet: Vær oppmerksom på at du ikke kan bruke en eksisterende Developer Edition (DE) org som du har i Salesforce. I stedet må du registrere deg for en ny (instruksjonene på dette sporet vil fortelle deg hvordan) fordi du trenger den begrensede analyselisensen i den nye DE org.

Når det gjelder min erfaring, flere humler og famler senere, klarte jeg å navigere til landingssiden i den nye DE org. Der klikket jeg på appstarteren, og søkte deretter etter og klikket for å starte Einstein Discovery-appen. Men ingenting skjedde før jeg tillot popup-vinduer i nettleseren. Så husk å gjøre det.

Da Einstein Discovery-appen var åpen, klikket jeg på flisen merket "CSV" og lastet inn dataene mine (de samme datasettene som jeg brukte for å se gjennom konkurrerende produkter i denne kategorien) lett nok. Men da svarte Salesforce Einstein Analytics-plattformen med "Overskrider maksimale tillatte rader (91 980 funnet). Bare de siste 50, 001 radene vil bli behandlet." Det triste er at det ga meg den advarselen etter at jeg bare hadde lastet inn to filer på omtrent 30 rader. Den andre triste tingen er at Salesforce reklamerer for Einstein som er i stand til å håndtere "opptil 100M datarader", men dette er tydelig ikke det dette skjermdumpet viser (se over). Einstein advarte meg også om "Store numeriske verdier som finnes i kolonnen." Som jeg sier: "Ja, og ?!" Grrr, Einstein ønsket at "fikset" til sine grenser, også.

Den bemerket andre problemer med dataene som utgjorde at jeg tok standard data prep-handlinger. Et slikt problem var at dato og klokkeslett var begge deler tilstede i samme kolonne. En av disse verdiene kan lett ignoreres eller dataene ryddet opp. Ingen biggie der. Begrensningen i datastørrelse er en langt større bekymring.

Dette presenterer et enormt rødt flagg for meg. Men det kan være mindre eller mer alarmerende for deg, avhengig av størrelse og / eller konfigurasjon av dataene du prøver å arbeide på. Hvis du bare bruker Salesforce-data, er det bra fordi de to er ment å jobbe sammen! Hvis du bruker andre data, bør du først se nærmere på det problemet først.

Av hensyn til denne gjennomgangen valgte jeg å bruke eksempeldatasettet som ble levert av Salesforce i sporet, i stedet for å konfigurere datasettene mine på nytt for å redusere antall rader for å passe til systemets grenser (det er bare så mye tidssug man burde ha til tåler i ferd med å velge eller rangere et produkt, tror du ikke?) På med vurderingen, da.

Oppdagelsesprosessen

I likhet med flere BI-apper, spesielt SAP Analytics Cloud, ber Salesforce Einstein Analytics-plattformen deg om å lage en historie. Det er en god tilnærming fordi mennesker inntar og beholder historier bedre enn tall som hovedregel. Fliser blir presentert for å hjelpe meg med å konfigurere alt slik jeg vil ha det før jeg trykker på "Create Story" -knappen. (Ja, dette er et build-a-query-stadium.)

Når jeg har trykket på den knappen, tar systemet bare noen få sekunder å analysere dataene og returnere et lagret instrumentpanel til meg. På det dashbordet er mye informasjon (mer enn jeg kan vise deg i et enkelt skjermbilde) og litt tekst som spesifiserer hva som skjedde, i henhold til dette datasett .

Videre på trekk ned -menyen under "Anbefalt innsikt på" som leses her som "Hva skjedde" er valg for å oppdage "Hva endret seg over tid", "Hvorfor det skjedde", "Hva kan skje" og "Hvordan kan jeg forbedre det?"

Dette er selvfølgelig nøyaktig spørsmålene en erfaren dataanalytiker vil stille. Men her er det også pakket på en måte som en nybegynner, borgerdataanalytiker lett kan lage spørringen. Hele denne oppdagelsesprosessen som er rettet mot å være nyttig og brukbar for alle, på nesten alle ferdighetsnivåer, er ganske enkelt strålende.

Dette der Salesforce Einstein Analytics-plattformen kanter nær, men ikke på, lederen av klassen. Watson eier fortsatt denne plassen på grunn av sin evne til å analysere større datasett av både strukturerte og ustrukturerte data og å spørre på naturlig språk utover de generelle (men veldig viktige) spørsmålene Salesforce tilbyr her. Dette er langt fra de vanskeligere å lære, SQL-orienterte BI-plattformene, for eksempel Chartio.

Imidlertid, hvis du jobber med strukturerte data i et format som er vennlig til Salesforce Einstein Analytics-plattformen (se deg for eksempel på antall rader) og søker først og fremst innsikt knyttet til salg, markedsføring og kundeforhold / kundeopplevelse, så kommer du sannsynligvis til å elske Salesforce Einstein Analytics-plattformen.

Datavisualiseringer

Jeg fant alternativet "Play Summary" på dashbordet som en unik funksjon, men jeg er ikke sikker på hvor mange brukere som vil at Salesforce Einstein Analytics-plattformen skal lese resultatene for dem. Du kan også "personalisere" historien, som er en tommel opp eller tommelen ned stemme på ordrelinjer i rapporten. Det er imidlertid ikke klart hvilken slutt. Du kan imidlertid dele og eksportere historien også direkte fra dashbordet, og det er alltid nyttig.

Når det gjelder visualiseringer, vel, det er en annen historie enn du ser i andre analyseapper. Kort sagt, du velger ikke virkelig visualiseringer i Salesforce Einstein Analytics-plattformen. Du endrer spørringen og Einstein plukker automatisk visualiseringen som best viser svaret.

Før du merker dette som en kreativ urettferdighet, må du huske at sluttmålet er å tilby analyser er brukbar og nyttig for forretningsmassene - de fleste av dem kan antas å bry seg lite om visualiseringsvalg. Men hvis du virkelig bryr deg om å ha en full palett med visualiseringer til fingerspissene, er du sannsynligvis ikke fornøyd med Salesforce Einstein Analytics-plattformens automatiserte, grunnleggende skjermer og rapporter.

Selv om det kan begrense Einsteins potensiale for noen, kan du tenke deg å ta alt dette og integrere det fullt ut med IBM Watson. Hvis du har budsjettet, har Salesforce og IBM gjort en avtale som muliggjør dette alternativet. Resultatet er et kombinert produkt som er jævlig vanskelig å slå av noen andre i feltet. Se opp verden: Disse to partnerne er lysår fremover i datademokratiseringsløpet.