---
schema_version: "1"
id: 14b2a90e9260aa86eaae75da7de0f017a8555cd4fa0d468a10822b4a51b8de17
title: CRM Analytics　預測調查
collection: tableau
version: next
locale: zh-tw
portal_url: https://docs.salesforce.com/tableau/next/zh-tw/blueprint/bp_predictions.md
canonical_url: https://help.tableau.com/v0.0/blueprint/zh-tw/bp_predictions.htm
source_site: help.tableau.com
content_type: documentation
content_hash: 9ff6c7e8a6b24557c4afd83427fc4f266572473a2515aae3ddf084777a72c4f3
description: Blueprint survey to help line-of-business sponsors prioritize Einstein Discovery prediction use cases.
---
[跳至主要內容](#main-content)

# CRM Analytics　預測調查

> [!TIP]
> 
> 此內容是 Tableau Blueprint 的一部分，這是一個成熟度架構，可讓您放大並改進組織使用資料推動影響的方式。請使用我們的[評估](https://www.tableau.com/zh-tw/learn/webinars/tableaus-blueprint-self-assessment)開啟您的旅程。

在使用 Einstein Discovery 建立案例/模型和部署預測之前，每個業務線負責人都應該調查本身的部門和團隊，藉以協助這些部門和團隊設定使用案例和預測需求的優先順序。要使用 Einstein Discovery 的每個業務團隊皆應該完成預測調查，或與團隊成員一起作業，以便於記錄資訊。調查的目的是確定需要最佳化（描述性和規範性預測）的業務使用案例以及所需的資料來源。此外，這項調查將有助您確定是否需要資料科學家參與、規劃和執行預測部署以及指派模型監控責任。

團隊

- 團隊的業務職能是什麼？
- 哪些人是目標使用者？
- 您是否需要與現有的資料科學家團隊合作？
- 您的團隊是否有權存取需要分析的資料？
- 團隊中的哪些人需要 CRM Analytics 的完整授權存取權限（藉以引入資料、建立故事/模型和部署預測）？

選取與管理

- 哪些業務使用案例將用於預測？使用案例是否經認定為適合或不適合？
- 故事/模型的關鍵資料來源是什麼以及是哪裡？
- 您的團隊如何取得資料（Salesforce、資料庫或倉儲、檔案匯出、第三方等等）？
- 您是否擁有或需要資料科學家團隊核准模型？
- 您是否採用 CRISP-DM 等資料建模方法來限定業務使用案例？
- 資料如何尋找階段 1（快速和不當的方法），以及您是否可以使用 csv 檔案填入資料集？
- 資料如何尋找生產部署，以及您是否能夠運用資料準備並建立所需的協調？

技能

- 如何保護資料？
- 團隊成員具備哪些商業科學家技能和能力？
- 哪些人將確定成為團隊中的 Einstein Discovery 推動者（例如，商業科學家）並接受訓練？
- 您是否具備必要的業務技能和見解來排定使用案例的優先順序？
- 您是否具備滿足任何衍生領域和特徵工程需求所需的資料工程技能？

安全性

- 您是否已經針對使用 CRM Analytics 審查並核准 Salesforce 雲端產品和資料中心？

監視

- 您將如何監控預測的準確性（例如，Model Manager、自訂儀表板）？
- 可接受的模型準確性閾值是多少？如果該值超出範圍，哪些人將會收到通知和警示？
- 模型資料需要多久重新整理一次？
- 模型部署後，哪些人將負責衡量模型的業務影響、性能和採用率？
- 企業將如何監控和衡量部署預測對程序和結果的影響？