Overzicht gegevensvoorbereidingsrapport (preview)
[Dit artikel maakt deel uit van de voorlopige documentatie en kan nog veranderen.]
Met het gegevensvoorbereidingsrapport in Dynamics 365 Customer Insights - Data krijgt u inzicht in de algemene gegevenskwaliteit en of uw gegevens gereed zijn om inzichten te produceren. Ook kunt u uw gegevens hiermee verbeteren om meer en betere inzichten te ontgrendelen voor welke verkoop- of marketingstrategie u ook in gedachten hebt.
Belangrijk
- Dit is een preview-functie.
- Preview-functies zijn niet bedoeld voor productiegebruik en bieden mogelijk beperkte functionaliteit. Deze functies zijn beschikbaar vóór een officiële release zodat klanten vroeg toegang kunnen krijgen en feedback kunnen geven.
Vereisten
Het gegevensvoorbereidingsrapport wordt automatisch uitgevoerd als aan de volgende voorwaarden wordt voldaan:
- Opname is voltooid met klant- en transactiegegevens.
- Harmonisatie is voltooid.
- Activiteiten en relaties zijn toegewezen.
- Schakel Copilot-functies in, mogelijk gemaakt doordat de Azure OpenAI-instelling is ingesteld op Aan. De standaardwaarde is Aan.
- omgeving bevindt zich in een ondersteunde regio en gebruikt een ondersteunde taal.
- Minimaal 100 klantrecords, bij voorkeur 1000 records.
- Minimaal één jaar aan transactiegeschiedenis, bij voorkeur twee tot drie jaar. Idealiter twee tot drie transacties per klant-id, bij voorkeur op meerdere datums.
- Klant-id: dit is een unieke id om transacties aan uw klanten te koppelen.
- Minder dan 20% ontbrekende waarden in vereiste velden.
Rapport over gegevensvoorbereiding
Nadat de harmonisatie is voltooid, genereert het systeem automatisch een gegevensvoorbereidingsrapport op basis van uw opgenomen en geharmoniseerde gegevens en analyseert het contextuele informatie over uw gegevens. Deze informatie wordt iedere keer dat u harmonisatie uitvoert, bijgewerkt.
Open het Gegevensvoorbereidingsrapport via de Startpagina, de pagina Gegevensbronnen of de pagina Voorspellingen.
Tip
Als u het gegevensvoorbereidingsrapport niet ziet, is het waarschijnlijk niet gegenereerd omdat u niet aan de vereisten heeft voldaan. Zorg ervoor dat u de opname en harmonisatie en toegewezen activiteiten en relaties heeft voltooid en dat een beheerder de instelling voor algemene toestemming heeft ingesteld op Aan op de pagina Instellingen.
Er zijn vier primaire secties binnen het gegevensvoorbereidingsrapport.
Door AI gegenereerde samenvatting van gegevenskwaliteit: een beknopte samenvatting gegenereerd door een Open AI-model van de kwaliteitsgraad van de gegevens, gereedheid voor inzichten en secties met problemen en aanbevelingen. De samenvatting wordt weergegeven op de banner van de startpagina en in het gegevensvoorbereidingsrapport.
Algeheel kwaliteitscijfer van de gegevens: het cijfer geeft aan wat de algehele gezondheid van uw gegevens is. Het cijfer wordt berekend als een geaggregeerd percentage (waarde variërend van 0-100%) met een overeenkomstig niveau (hoge, gemiddelde of lage gegevenskwaliteit). Het is afgeleid van gewogen gemiddelde scores over een reeks gegevenskwaliteitsregels binnen gegevenskwaliteitspijlers die industriestandaard zijn. Pijlers als volledigheid, consistentie, uniciteit, nauwkeurigheid, tijdigheid, validiteit en integriteit. Als u een hoog cijfer en een overeenkomstig hoog niveau van datakwaliteit heeft, is de kwaliteit van uw data voldoende om de meeste beschikbare inzichten in het product te genereren met een hoge betrouwbaarheid voor wat betreft zinvolle resultaten.
Gereedheid voor inzichten: gereedheid voor inzichten geeft aan of u al dan niet aan de vereisten hebt voldaan om een specifiek inzicht te genereren. Dit wordt bepaald door de basisgegevensvereisten van elk inzicht te vergelijken met de problemen die in uw gegevens zijn gevonden. Wanneer een probleem een gegevensvereiste voor een inzicht schendt, wordt het inzicht geacht niet gereed voor gebruik te zijn. Als een inzicht klaar voor gebruik wordt geacht, levert het waarschijnlijk zinvolle resultaten op.
Problemen met gegevenskwaliteit en aanbevelingen: deze problemen en aanbevelingen bieden uitgebreide richtlijnen voor de problemen die in uw gegevens naar voren zijn gekomen, waaronder de ernst, welke inzichten zijn beïnvloed en welke aanbevelingen voor herstel moeten worden opgevolgd. Problemen zijn afgeleid van de regels binnen dezelfde gegevenskwaliteitpijlers de industriestandaard zijn als het datakwaliteitscijfer. Elke overtreding van deze regels resulteert in een probleem. Hoe minder problemen er zijn, met name problemen van een kritiek niveau, hoe groter de kans dat u een hoge gegevenskwaliteit heeft en dat alle inzichten zijn gelabeld als klaar voor gebruik.
Tip
De standaardweergave biedt de meest kritieke problemen in uw gegevens. Schakel Kritieke problemen weergeven uit om alle problemen te zien, geordend op ernst. Als u de problemen op een andere manier wilt weergeven, bijvoorbeeld geordend op andere opties, selecteert u Groeperen op en maakt u een selectie. Beschikbare selecties omvatten ernst, gegevenskwaliteitspijler en beïnvloede inzichten.
In de meeste gevallen moeten de problemen en aanbevelingen die in het gegevensvoorbereidingsrapport naar voren komen, worden verholpen door buiten Customer Insights - Data fixes uit te voeren op de brongegevens met behulp van tools voor het opschonen van gegevens, zoals Power Query. De nieuwe en verbeterde gegevens moeten vervolgens opnieuw worden opgenomen en de harmonisatie moet opnieuw worden voltooid om de gegevenskwaliteit te verbeteren. Het vernieuwen van het gegevensvoorbereidingsrapport wordt alleen geactiveerd wanneer harmonisatie is voltooid.
Contextuele informatie over uw gegevens
Naast het gegevensvoorbereidingsrapport ontvangt u contextuele informatie met betrekking tot inzichten, met name voorspellingsmodellen. Gebruik deze informatie om te begrijpen welke voorspellingsmodellen het geschiktst zijn voor uw gegevens voordat u tijd en moeite besteedt aan het configureren en uitvoeren van het model.
Op de pagina Voorspellingen onder het tabblad Maken zijn modellen met het label Dit model gebruiken het geschiktst voor uw gegevens, terwijl modellen met het label Niet klaar voor gebruik dat niet zijn. Voor alle modellen die Niet klaar voor gebruik zijn, bekijkt u het volledige gegevensvoorbereidingsrapport en brengt u de nodige aanpassingen aan in uw gegevens volgens de richtlijnen in de sectie Problemen en aanbevelingen.