Einführung

  • 4 Minuten

Die meisten Organisationen gewinnen an Effizienz, indem sie Ereignisse prognostizieren, die sich auf ihre Vorgänge auswirken werden.

Viele Ziele, die sie festlegen, beziehen sich auf Bestandszuteilungen, Marketingbudgets und andere Bereiche, in denen die Qualität der Planung ihre Effizienz verbessern kann.

In diesem Modul erfahren Sie, wie das AI Builder-Vorhersagemodell Ihnen dabei helfen kann, die Wahrscheinlichkeit des Eintretens eines Ereignisses basierend auf dem erfassten historischen Verhalten zu bestimmen.

AI Builder-Vorhersagemodell

Die Vorhersage ist ein benutzerdefiniertes AI Builder-Modell. Während des Trainings analysiert das Vorhersagemodell Muster in den von Ihnen bereitgestellten historischen Daten. Basierend auf den erkannten Mustern werden zukünftige Ergebnisse für neue Daten vorhergesagt.

Sie können die Vorhersage verwenden, um Fragen auf folgende Weise zu verarbeiten:

  • Benutzer können eine von zwei Optionen auswählen:

    • Waren Sie mit Ihrem Aufenthalt zufrieden? Ja/Nein

    • Wie war die Wassertemperatur am Pool? Heiß/Kalt

    • Haben Sie eine Präferenz bei der Anreise? Tag/Nacht

  • Benutzer können eine Option aus mehreren Optionen auswählen:

    Wann wurde das Paket zugestellt?

    • Früh

    • Rechtzeitig

    • Spät

    • Verloren

  • Sie können Benutzer auch dazu auffordern, durch Eingabe einer Nummer zu antworten:

    • Wie viele Tage für die Anmietung: 12

    • Wie viele Zimmer werden benötigt: 2

Historisches Verhalten

Wie bei anderen benutzerdefinierten Modellen erfordert die Vorhersage ein Training, bevor sie veröffentlicht und für die Verwendung in Ihren Lösungen verfügbar gemacht wird.

Ihr erstes Ziel besteht darin, zu bestimmen, welche Daten das historische Verhalten bereitstellen können, das dabei hilft, das potenzielle Ergebnis für neue Ereignisse zu bestimmen. Die Auswahl darf nicht voreingenommen erfolgen. Die Verwendung eines breiten Satzes verwandter Informationen bietet dem KI-Modul mehr Optionen, um die tatsächlichen Trends und die Auswirkungen auf das Ergebnis zu bestimmen.

Beachten Sie die folgenden Anforderungen für die Trainingsdaten:

  • Sie müssen sich in Microsoft Dataverse befinden.

  • Sie sollten weniger als 1,5 GB Datenbankspeicher benötigen.

  • Für beste Ergebnisse sollten Sie 1.000 oder mehr Zeilen mit einer realistischen Verteilung zwischen den Optionen verwenden.

Leistung und Verwendung

Nach jedem Training bietet AI Builder eine Leistungsbewertung, mit der Sie die Genauigkeit der Vorhersage bewerten können:

  • Klasse A – Die beste Klasse; Verbesserungen sind vielleicht dennoch möglich.

  • Klasse B – Vorhersage ist für die meisten Fälle richtig; Verbesserung können in Betracht gezogen werden.

  • Klasse C – Besser als eine zufällige Vermutung, aber es wird empfohlen, das Modell anzupassen, um die Leistung zu verbessern.

  • Klasse D – Eine Situation, in der das Ergebnis ähnlich oder schlechter als eine zufällige Schätzung ist oder eine Genauigkeit von nahezu 100 Prozent aufweist. In beiden Fällen müssen das Modell und die zugrunde liegenden Daten überarbeitet werden, um die Vorhersage auf einem akzeptablen Niveau durchzuführen.

Wenn die Leistungsbewertung für Ihr Geschäftsszenario zufriedenstellend ist, können Sie das Modell veröffentlichen und für die Ausführung mit Livedaten zur Verfügung stellen.

Wenn Sie das Vorhersagemodell verwenden, sind verschiedene Optionen verfügbar:

  • Jetzt ausführen – On-Demand-Anforderung zur Aktualisierung des Ergebnisses in Livedaten

  • Vorhersage in Echtzeit – Anwendbar für Szenarien, in denen die Vorhersage sofort erforderlich ist

Da Sie nun mehr über die Grundlagen des AI Builder-Vorhersagemodells gelernt haben, erfahren Sie, wie Sie Geschäftsprobleme mit dieser Art von Modellen lösen können.