Adat-előkészítési jelentés áttekintése (előzetes verzió)
[Ez a cikk egy előzetes kiadási dokumentáció, amely a későbbiekben változhat.]
Az adat-előkészítési jelentés Dynamics 365 Customer Insights - Data segít megérteni az általános adatminőséget és az adatok elemzésre való felkészültségét. Segít javítani adatait, hogy több és jobb betekintést nyerjen bármilyen értékesítési vagy marketingstratégiához.
Fontos
- Ez egy előnézeti funkció.
- Az előzetes funkciókat nem célszerű termelési környezetben használni, és előfordulhat, hogy korlátozott funkcionalitással rendelkeznek. Ezek a funkciók a hivatalos kiadás előtt érhetők el, hogy az ügyfelek korán megismerkedhessenek velük, és visszajelzést adhassanak róluk.
Előfeltételek
Az adat-előkészítési jelentés automatikusan lefut, ha az alábbi előfeltételek teljesülnek:
- A betöltés ügyfél- és tranzakcióadatokkal fejeződik be.
- Az egyesülés befejeződött.
- A tevékenységek és kapcsolatok feltérképezésre kerülnek.
- Engedélyezze az Azure-beállítás OpenAI által működtetett Copilot-funkciókat . Az alapértelmezett érték a Be.
- A környezet támogatott földrajzi helyen található , és támogatott nyelvet használ.
- Legalább 100 ügyfélrekord, lehetőleg 1,000 rekord.
- Legalább egy év tranzakciós előzmény, lehetőleg két-három év. Ideális esetben két-három tranzakció ügyfélazonosítónként, lehetőleg több dátumon.
- Ügyfélazonosító: Egyedi azonosító, amely a tranzakciókat az ügyfelekkel egyezteti.
- A kötelezően kitöltendő mezőkben lévő értékek kevesebb, mint 20%-a hiányzik.
Adatelőkészítési jelentés
Az egyesítés befejezése után a rendszer automatikusan létrehoz egy adat-előkészítési jelentést a betöltött és egyesített adatok alapján, és elemzi az adatok környezetfüggő adatait. Ezek az információk az egyesítés futtatásakor bármikor frissülnek.
Feljegyzés
Mivel az adatminőség-ellenőrzések a betöltött és egyesített adatokon alapulnak, a felmerülő problémák a forrásadatok frissítésével járnak.
Az Adat-előkészítési jelentést a Kezdőlapról , az Adatforrások lapról vagy az Előrejelzések lapról érheti el.
Tipp.
Ha nem látja az adat-előkészítési jelentést, valószínűleg nem jött létre, mert nem teljesítette az előfeltételeket. Győződjön meg arról, hogy befejezte a betöltést és az egyesítést, a tevékenységek és kapcsolatok leképezését, és hogy a rendszergazda be van-e kapcsolva a globális hozzájárulási beállítás a Beállítások lapon.
Az adat-előkészítő jelentésben négy fő szakasz található.
AI által generált adatminőség-összegzés: Az adatminőségi osztály, az elemzési készenlét, valamint a problémák és javaslatok szakaszok modellje által OpenAI létrehozott tömör összefoglaló. Az összegzés megjelenik a kezdőlap szalagcímén és az adat-előkészítési jelentésben.
Általános adatminőségi besorolás: Az osztályzat az adatok általános állapotát jelzi. Az osztályzat kiszámítása összesített százalékban (0 és 100% közötti érték) történik a megfelelő szinttel (magas, közepes vagy alacsony adatminőség). Az iparági szabványnak megfelelő adatminőségi pilléreken belüli adatminőségi szabályok súlyozott átlagpontszámaiból származik. Olyan pillérek, mint a teljesség, a következetesség, az egyediség, a pontosság, az időszerűség, az érvényesség és az integritás. Ha magas minőségű és ennek megfelelően magas szintű adatminőséggel rendelkezik, az adatok minősége elegendő ahhoz, hogy a termékben elérhető betekintések nagy részét az értelmes eredmények nagy megbízhatóságával generálja.
Elemzések készenléte: Az elemzési készenlét azt jelzi, hogy megfelelt-e egy adott elemzés létrehozásához szükséges követelményeknek. Ezt úgy határozzuk meg, hogy összehasonlítjuk az egyes elemzések alapadat-követelményeit az adatokban jelenlévő problémákkal. Ha bármely probléma sérti az elemzésre vonatkozó adatkövetelményeket, a rendszer úgy tekinti, hogy az elemzés nem áll készen a használatra. Ha egy elemzés használatra késznek tekinthető, valószínűleg értelmes eredményeket hoz.
Adatminőségi problémák és javaslatok: Ezek a problémák és javaslatok átfogó útmutatást nyújtanak az adatokban felmerülő problémákról, beleértve a súlyosságot, az érintett elemzéseket és a szervizelési javaslatokat. A problémák az adatminőségi osztályzattal azonos iparági szabványnak megfelelő adatminőségi pilléreken belüli szabályokból származnak. E szabályok megsértése problémát eredményez. Minél kevesebb probléma van jelen, különösen a kritikus súlyossági problémák, annál valószínűbb, hogy magas adatminőségi besorolással rendelkezik, és minden elemzés használatra készként van megjelölve.
Tipp.
Az alapértelmezett nézet az adatokban található legkritikusabb problémákat tartalmazza. Az összes probléma súlyosság szerint történő megtekintéséhez kapcsolja ki a Kritikus problémák megjelenítése beállítást. Ha módosítani szeretné a nézetet, hogy más beállítások szerint jelenítse meg a problémákat, válassza a Csoportosítás lehetőséget , és válasszon ki. Az elérhető lehetőségek közé tartozik a súlyosság, az adatminőségi pillér és az érintett elemzések.
A legtöbb esetben az adat-előkészítési jelentésben megjelenő problémákat és javaslatokat úgy kell megoldani, hogy a forrásadatokon kívül Customer Insights - Data javításokat hajtanak végre az adattisztító eszközökkel, például Power Query. Az új és továbbfejlesztett adatokat ezután újra be kell tölteni, és az egységesítést újra be kell fejezni az adatminőség javulásához. Az adat-előkészítési jelentés frissítése csak akkor aktiválódik, ha az egyesítés befejeződött.
Az adataiddal kapcsolatos kontextuális információk
Az adat-előkészítési jelentés mellett az elemzésekkel, különösen az előrejelzési modellekkel kapcsolatos kontextuális információkat is kap. Ezekkel az információkkal megtudhatja, hogy mely előrejelzési modellek a legmegfelelőbbek az adatokhoz, mielőtt végigmenne a konfiguráció és a modell futtatásának idején és erőfeszítésein.
A Előrejelzések oldalon, a Létrehozás lapon a Használja ezt a modellt címkével ellátott modellek a legalkalmasabbak az Ön adataihoz, míg az 8 címkével ellátott modellek nem állnak készen a használatra. Bármely használatra nem kész modell esetén tekintse át a teljes adat-előkészítési jelentést, és végezze el a szükséges javításokat az adatokon a Problémák és javaslatok szakasz útmutatása szerint.