Đánh giá và xếp hạng nền tảng phân tích einstein của Salesforce

Salesforce Analytics, một người mới đến tương đối với không gian kinh doanh tự phục vụ (BI), là một bộ gồm nhiều sản phẩm khác nhau. Đầu tiên và quan trọng nhất là Nền tảng phân tích Salesforce Einstein dựa trên trí tuệ nhân tạo (bắt đầu ở mức 75 đô la mỗi người dùng mỗi tháng). Mặc dù các phân tích của nó chủ yếu nhằm khai thác dữ liệu khách hàng và bán hàng, dữ liệu từ các nguồn khác cũng có thể được kết nối với công cụ. Rất ít sản phẩm BI ngày nay kết nối với Salesforce. Sự lựa chọn của biên tập viên IBM Watson Analytics được tích hợp đầy đủ về mặt khả năng. Nơi duy nhất cái sau sẽ rơi xuống đối với một số người là trong khả năng hiển thị dữ liệu của nó (nhiều hơn về điều đó sau).

Trong số những lợi thế khác, việc nhân đôi số liệu phân tích dự đoán từ điệu nhảy Watson-Einstein này khiến Einstein trông giống như một người biểu diễn xuất sắc. Nhưng, than ôi, mỗi bạn nhảy phải được đánh giá trên tiết mục của riêng họ. Và đó là những gì tôi sẽ làm ở đây.

Đầu tiên, hãy xem dòng sản phẩm Salesforce Analytics. Phân tích cơ bản là miễn phí. Đối với các phân tích nâng cao hơn, có ứng dụng Phân tích doanh số cho Sales Cloud, có giá 75 đô la mỗi người dùng mỗi tháng. Sau đó, có ứng dụng Phân tích dịch vụ cho Service Cloud, cũng có giá $ 75 mỗi người dùng mỗi tháng.

Đứng đầu dòng sản phẩm là Nền tảng phân tích Salesforce Einstein (cũng có giá, như đã nêu trước đó, ở mức 75 đô la mỗi người dùng mỗi tháng), bao gồm các ứng dụng bán hàng và dịch vụ cộng với một loạt các tính năng khác. Các tính năng này bao gồm khả năng phân tích dữ liệu từ bất kỳ nguồn nào (tối đa 100 triệu hàng dữ liệu Là được quảng cáo nhưng chúng ta sẽ thấy), khả năng tạo không giới hạn số lượng ứng dụng tùy chỉnh, mẫu để xây dựng ứng dụng và bảng điều khiển và đào tạo trực tuyến không giới hạn.

Tôi đã bảo vệ Salesforce kể từ khi ra mắt trên thị trường dưới dạng trò chơi thuần túy Phần mềm (SaaS) trong thời đại khi quản lý quan hệ khách hàng (CRM) ít hơn một sản phẩm quản lý liên hệ được tôn vinh trong một hộp. Bây giờ, ngay lúc đó, Salesforce đặt mục tiêu dẫn đầu thị trường bằng cách làm những điều khác biệt. Nhưng bây giờ thì không, và lần này Salesforce không phải là người đầu tiên trên sàn nhảy. Tuy nhiên, đó chỉ là thời trang muộn vì Einstein chỉ theo dõi vài tháng sau Watson của IBM. Einstein rất ấn tượng và mạnh mẽ và, khi được sử dụng với dữ liệu của Salesforce trong đặc biệt, nó đáp ứng hoặc vượt quá nhu cầu của khoảng một nửa số người dùng doanh nghiệp, một nửa là những người tập trung vào khách hàng, tiếp thị và bán hàng. Nó cũng có thể hữu ích cho những người dùng khác; chỉ là bán hàng và tiếp thị có luôn luôn là điểm ngọt ngào của Salesforce và nó vẫn vậy.

Nền tảng phân tích Salesforce Einstein sử dụng học máy (ML) nhưng không học sâu. Nó không thực sự là điện toán nhận thức (nghĩa là AI) giống như Watson không. Nhưng Salesforce với tư cách là một công ty tiếp tục thể hiện sự nhạy bén trong kinh doanh trong một giải đấu của riêng mình. Công ty sẵn sàng thúc đẩy các mối quan hệ đối tác (chủ yếu trong số họ là sự tích hợp Watson đầy đủ) để đảm bảo một con đường thẳng để cho phép sự gia tăng của các nhà phân tích dữ liệu công dân, nắm giữ chén thánh của ngành công nghiệp phân tích tự phục vụ. Tuy nhiên, Nền tảng phân tích Salesforce Einstein có giới hạn và điểm nhầm lẫn.

Bắt đầu

Bạn tìm đường đến một tài khoản dùng thử bằng cách chọn và theo dõi một dấu vết từ nhiều người. "Con đường" trong trường hợp này là Salesforce nói về "con đường học tập" hoặc "con đường học tập. Đó là lý do tại sao họ gọi đối tác của mình là" Trailblazers. "Tôi thấy con đường này ban đầu rất cồng kềnh và tốn thời gian. Tôi thích nhấp vào Nút "Tài khoản dùng thử" hoặc trang đăng ký và bắt tay vào công việc. Tôi thậm chí không yêu cầu người phát ngôn gửi cho tôi thông tin đăng nhập và liên kết cho một tài khoản dùng thử cho đánh giá này và cô ấy đã gửi cho tôi hai hoặc ba con đường để theo dõi.

Người phát ngôn cuối cùng đã nói với tôi rằng theo dấu vết sẽ dẫn đến việc hình thành một tài khoản dùng thử. Mặc dù cô ấy rất tốt và rõ ràng đang cố gắng để trở nên hữu ích, nhưng cảm giác này giống như một thiết lập khó hiểu hơn nhiều so với bảo đảm, đặc biệt nếu bạn nhắm đến người dùng doanh nghiệp (còn gọi là nhà phân tích dữ liệu công dân) như Salesforce tuyên bố.

Tuy nhiên, tôi đã chọn một con đường. Thay vào đó, tôi đã chọn tiêu đề Salesforce có tên "Einstein Discovery Basics" mà người phát ngôn hữu ích nhắm vào tôi, nói rằng phần đầu này là "để giúp người dùng doanh nghiệp nhanh chóng và tự mình chạy, mà không cần sự trợ giúp của nhà phân tích dữ liệu." Đường mòn dễ nhất, có lẽ.

Lo và kìa, đầu đường thật sự hữu ích. Tôi dễ dàng và nhanh chóng thiết lập tài khoản và nhập dữ liệu bằng cách làm theo các hướng dẫn dễ hiểu trên đầu đường mòn. Vì vậy, okay, khái niệm trailhead hoạt động. Nhưng tôi vẫn không hiểu làm thế nào người dùng tìm thấy và sau đó xác định con đường nào cần theo dõi để đến nơi họ muốn. Tôi đã tìm kiếm trực tuyến cho "Salesforce trailheads" và nhận được một danh sách dài. Tuy nhiên, tôi không biết nên chọn loại nào nếu không có người phát ngôn tiện dụng gần đó để nói với bạn.

Một lời cảnh báo, để theo tôi xuống phần đầu này: Xin lưu ý rằng bạn không thể sử dụng bản org dành cho nhà phát triển (DE) hiện có mà bạn có trong Salesforce. Thay vào đó, bạn phải đăng ký một cái mới (các hướng dẫn trên đầu đường này sẽ cho bạn biết làm thế nào) vì bạn cần giấy phép phân tích hạn chế trong DE org mới.

Theo kinh nghiệm của tôi, một vài lần vấp ngã và dò dẫm sau đó, tôi đã điều hướng đến trang đích trong DE org mới. Ở đó, tôi nhấp vào trình khởi chạy ứng dụng, sau đó tìm kiếm và nhấp để khởi chạy ứng dụng Einstein Discovery. Nhưng không có gì xảy ra cho đến khi tôi cho phép cửa sổ bật lên trên trình duyệt của mình. Vì vậy, hãy chắc chắn để làm điều đó.

Khi ứng dụng Einstein Discovery được mở, tôi đã nhấp vào ô có nhãn "CSV" và tải dữ liệu của mình (cùng bộ dữ liệu tôi đã sử dụng để đánh giá các sản phẩm cạnh tranh trong danh mục này) một cách dễ dàng. Nhưng sau đó, Nền tảng phân tích Salesforce Einstein đã trả lời với "Vượt quá số hàng tối đa được phép (tìm thấy 91.980). Chỉ 50.001 hàng cuối cùng sẽ được xử lý." Điều đáng buồn là, nó đưa ra cảnh báo cho tôi sau khi tôi chỉ tải hai tệp có khoảng 30 hàng. Một điều đáng buồn khác là, Salesforce quảng cáo Einstein có khả năng xử lý "tới 100 triệu hàng dữ liệu", nhưng đây rõ ràng không phải là những gì ảnh chụp màn hình này hiển thị (xem ở trên). Einstein cũng cảnh báo tôi về "Giá trị số lớn được tìm thấy trong cột." Tôi nói, "Vâng, và?!" Grrr, Einstein cũng muốn "cố định" đến giới hạn của nó.

Nó lưu ý các vấn đề khác với dữ liệu dẫn đến việc tôi thực hiện các hành động chuẩn bị dữ liệu tiêu chuẩn. Một vấn đề như vậy là ngày và thời gian là cả hai hiện tại trong cùng một cột. Một trong những giá trị đó có thể dễ dàng bị bỏ qua hoặc dữ liệu được dọn sạch. Không có biggie ở đó. Giới hạn về kích thước dữ liệu là một mối quan tâm lớn hơn nhiều.

Điều này trình bày một lá cờ đỏ lớn cho tôi. Nhưng nó có thể ít hoặc đáng báo động hơn đối với bạn, tùy thuộc vào kích thước và / hoặc cấu hình của dữ liệu mà bạn đang cố gắng làm việc. Nếu bạn chỉ đang sử dụng dữ liệu của Salesforce, thì tất cả đều tốt vì cả hai có nghĩa là hợp tác với nhau! Nếu bạn cũng đang sử dụng dữ liệu khác, thì tốt nhất hãy xem xét vấn đề đó trước.

Vì mục đích của đánh giá này, tôi đã chọn sử dụng bộ dữ liệu mẫu do Salesforce cung cấp trong phần đầu thay vì cấu hình lại các bộ dữ liệu của mình để giảm số lượng hàng phù hợp với giới hạn của hệ thống này (chỉ cần có quá nhiều thời gian để sử dụng Chịu đựng trong quá trình chọn hoặc xếp hạng sản phẩm, bạn có nghĩ vậy không?) Sau đó, với đánh giá.

Quá trình khám phá

Tương tự như một số ứng dụng BI, đặc biệt là SAP Analytics Cloud, Nền tảng phân tích Salesforce Einstein nhắc bạn tạo một câu chuyện. Đó là một cách tiếp cận tốt bởi vì con người ăn sâu và giữ lại những câu chuyện tốt hơn những con số như một quy luật chung. Gạch được trình bày để giúp tôi định cấu hình mọi thứ theo cách tôi muốn trước khi nhấn nút "Tạo câu chuyện". (Có, đây là giai đoạn xây dựng truy vấn.)

Khi tôi nhấn nút đó, hệ thống chỉ mất vài giây để phân tích dữ liệu và trả lại bảng điều khiển được lưu trữ cho tôi. Trên bảng điều khiển đó có rất nhiều thông tin (nhiều hơn tôi có thể hiển thị cho bạn trong một ảnh chụp màn hình duy nhất) và một số văn bản chỉ định những gì đã xảy ra, theo điều này tập dữ liệu .

Hơn nữa, trên dỡ xuống menu trong "Thông tin chi tiết được đề xuất" được đọc ở đây là "Điều gì đã xảy ra" là những lựa chọn để khám phá "Điều gì đã thay đổi theo thời gian", "Tại sao nó xảy ra", "Điều gì có thể xảy ra" và "Làm cách nào tôi có thể cải thiện nó?"

Tất nhiên, đó là những câu hỏi mà một nhà phân tích dữ liệu dày dạn sẽ hỏi. Nhưng ở đây, nó cũng được đóng gói theo cách mà một người mới, nhà phân tích dữ liệu công dân có thể dễ dàng thực hiện truy vấn. Toàn bộ quá trình khám phá này nhằm mục đích trở nên hữu ích và có thể sử dụng cho bất kỳ ai, ở hầu hết mọi cấp độ kỹ năng, chỉ đơn giản là tuyệt vời.

Đây là nơi Nền tảng phân tích Salesforce Einstein cạnh, nhưng không phải, người đứng đầu lớp. Watson vẫn sở hữu không gian này vì khả năng phân tích các tập dữ liệu lớn hơn của cả dữ liệu có cấu trúc và không cấu trúc và truy vấn bằng ngôn ngữ tự nhiên ngoài các câu hỏi chung (nhưng rất quan trọng) mà Salesforce đưa ra ở đây. Điều này khác xa so với các nền tảng BI định hướng SQL khó học hơn, chẳng hạn như Chartio.

Tuy nhiên, nếu bạn đang làm việc với dữ liệu có cấu trúc theo định dạng thân thiện với Nền tảng phân tích Salesforce Einstein (ví dụ, xem số lượng hàng) và chủ yếu tìm kiếm những hiểu biết liên quan đến bán hàng, tiếp thị và trải nghiệm khách hàng / trải nghiệm khách hàng, sau đó có lẽ bạn sẽ thích Nền tảng phân tích Salesforce Einstein.

Trực quan hóa dữ liệu

Tôi thấy tùy chọn "Tóm tắt phát" trên bảng điều khiển là một tính năng độc đáo, nhưng tôi không chắc có bao nhiêu người dùng muốn Nền tảng phân tích Salesforce Einstein đọc kết quả cho họ. Bạn cũng có thể "cá nhân hóa" câu chuyện, đó là một ngón tay cái lên hoặc bỏ qua bỏ phiếu cho các chi tiết đơn hàng trong báo cáo. Dù vậy, vẫn chưa rõ là kết thúc. Tuy nhiên, bạn cũng có thể chia sẻ và xuất câu chuyện, trực tiếp từ bảng điều khiển và điều đó luôn hữu ích.

Đối với trực quan hóa phù hợp, tốt, đó là một câu chuyện khác với những gì bạn thấy trong các ứng dụng phân tích khác. Nói tóm lại, bạn không thực sự chọn trực quan hóa trong Nền tảng phân tích Salesforce Einstein. Bạn thay đổi truy vấn và Einstein tự động chọn trực quan hiển thị câu trả lời tốt nhất.

Trước khi bạn gắn nhãn cho sự bất công sáng tạo này, hãy nhớ rằng mục tiêu cuối cùng là cung cấp các phân tích là có thể sử dụng và hữu ích cho số đông doanh nghiệp, hầu hết những người có thể được coi là ít quan tâm đến các lựa chọn trực quan. Nhưng nếu bạn thực sự quan tâm đến việc có một bảng màu trực quan đầy đủ trong tầm tay, thì bạn có thể không hài lòng với các báo cáo và hiển thị cơ bản, tự động của Salesforce Einstein Analytics.

Trong khi điều đó có thể hạn chế tiềm năng của Einstein đối với một số người, hãy tưởng tượng lấy tất cả những thứ đó và tích hợp nó hoàn toàn với IBM Watson. Nếu bạn đã có ngân sách, thì Salesforce và IBM đã thực hiện một thỏa thuận cho phép tùy chọn này. Kết quả là một sản phẩm kết hợp rất khó bị đánh bại bởi bất kỳ ai khác trong lĩnh vực này. Xem ra thế giới: Hai đối tác này là những năm ánh sáng phía trước trong cuộc đua dân chủ hóa dữ liệu.