用爱因斯坦分析发现欧洲最佳美食城市

[00:00:00]大家好，欢迎来到Xforce数据峰会的另一场演讲。这个真的很有趣。本文作者是Steve Mursell，他是CloudJungle的CEO。基本上，它是关于使用爱因斯坦分析来发现欧洲最好的食物，这是我们在隔离结束后都想做的事情。

[00:00:37]这是史蒂夫。谢谢你。这是非常棒的介绍。非常感谢。所以，是的，如果你在听这个，我猜这是预先录制的，所以那天肯定发生了严重的错误，但我刚刚有了我的推特账号@junglehq。所以，我要确保在录音的时候我在附近。

[00:00:57]所以如果有任何问题，你可以发推特@junglehq。所以，再多说一点关于我的事。所以，是的，我是CloudJungle的首席执行官/医学博士(我们在英国这样称呼他们)。我们是Salesforce的咨询合作伙伴。我的Salesforce之旅始于2006年，当时我还是一名客户。如果你还记得的话，我开始做黑莓的推广。

[00:01:19]我当时使用Salesforce来提供销售服务，它彻底改变了我们的业务。2006年，我们是云优先的企业。它非常成功，并于2014年出售。那时我失业了，我在想下一步该做什么?我的一些客户说用Salesforce帮我们。

[00:01:44]我们照做了。然后，是的，当我意识到我对Salesforce不太了解时，我去拿了我的证书，尽管我在以前的生意中使用过Salesforce。我想做一些合同，信不信由你，用Salesforce来生成运行电站或其他东西的应用程序。

[00:02:02]在此之前，我决定开办自己的咨询公司，从事我之前的电信专业。在Salesforce的产品方面，我们今天也在研发一种万博max手机网页登录特殊的产品——爱因斯坦分析。我是Salesforce爱因斯坦分析冠军项目的成员。

[00:02:24]我想全球大约有110到120个这样的人。没错，我们都是这个平台的拥护者。哦，就像我之前说的，有任何问题都可以给我发推特@junglehq。我保证不会再放太多幻灯片了，我们会花更多时间深入研究爱因斯坦分析而不是看ppt。

[00:02:48]所以我所做的是，我们现在要做的是，我们要看一个Excel电子表格，我们要准备它。我们会把它上传到Salesforce。这个电子表格是根据评论数量列出的3万家欧洲顶级餐厅。我们要分析一下，看看我们在哪里

[00:03:09]度过我们的下一个假期，不管那是什么时候。所以我们要做的是，当我们上传这些数据时，它会给我们一些关于数据的见解，可以帮助我们找到去哪里。还有影响餐馆成功的因素和变量，在上帝的评分上，我的大脑一片空白。

[00:03:29]我们在看什么?TripAdvisor评分，仅此而已。所以无论什么影响猫途鹰的评分，我们都可以看看其中的变量。所以，我们也会看看你如何通过演示组织获得一些爱因斯坦分析。当然，你也可以计划下一次欧洲美食之旅。

[00:03:51]简单介绍一下我们的数据集。其中有3万篇是评论最高的。好的。所以我们想知道要去哪里。好的。哪个城市?我们的预算是多少，这是另一个变量。以及我们可能喜欢的食物种类。好的。我们的目标是找到TripAdvisor评分最高的地方。

[00:04:11]这就是我们研究这个数据集的结果。所以变量是[00:04:16]城市、价格等级、食物类型和评论数量。好的。然后我们把数据交给爱因斯坦分析，他们就可以成为我们的数据科学家团队。好的。废话不多说，让我们进入数据集。

(00:04:33)好。我们现在要做的是准备数据。我们可以看看得到什么。这是从猫途鹰上下载的原始数据。我马上就会讲到这一点。首先，我们有餐馆的名字，总共有3万个。

[00:04:51]我们不需要这些。好的。因为我们不是去特定的餐厅，但我们想知道的是这个城市。好的。我们得到了餐厅的评论数量。好的。烹饪风格。这是什么类型的食物，我用这个做了什么，所以我不只是上传这个，我已经

[00:05:13]看一个小公式，看看它是否包含，American，那么是真的。如果不是，基本上就是假的。但我要做的是[00:05:21]，同时也给你们看评级。这很重要。这是餐厅的评分。好的。排名在这里。这就像TripAdvisor上那家餐厅在城市中的排名。

[00:05:34]所以这家餐厅排在第60位。好的。现在，我们要加载这个排名数据。这将是完整的陈述，但我将向你们展示分析实际上是如何处理的，因为很明显，如果它在城市中排名很高，它将会有一个很好的评级。

[00:05:51]所以这两者可能有很大的相关性。我们来看看爱因斯坦是怎么处理的。然后是价格等级。这是从TripAdvisor上下载的原始图片。我们所做的就是把它改变一下。我的专栏有点宽。

(00:06:13)好。我把这个换成了高，中，低，因为这比把钱放在里面更有意义。好的。实际上，我之前已经做过一些关于这个的研究。所以我知道有些数据不会给我们很重要的信息。所以[00:06:29]我要做的就是把这些数据准备在某个地方，删除除美国以外的数据。

[00:06:34]我要删掉法国海鲜和意大利菜，但我要留下素食。所以这可能是一个关于结果的线索。评论，这很有趣。我还是把这个删掉吧。然而，在爱因斯坦分析的未来版本中，我想今年晚些时候，它也会关注评论的情绪。

[00:06:55]因此，它将能够查看评论和一些正在使用的语言，并生成一个情绪评分。该功能目前还不可用。所以我要删除我的评论。我的价格范围是高，中，低，而不是美元。我们可以提出来。

[00:07:12]我要把烹饪风格拿出来，因为我刚刚用它来生成其他信息。我把它省略的原因是在分析数据时这通常是一个反复的过程。作为商人，你会有很多信息，你非常了解你的业务。

[00:07:32]所以你应该推断你想要给爱因斯坦什么信息，因为很明显，只有你给他什么信息，他才能得到什么信息。这就证明了我们已经经历了一些迭代。我们创造了一些发现故事，我们发现了一些，真正重要的事情。

[00:07:49]好的，我现在要保存这个。我们将这个文件保存为Xforce Eurofood Live。这是实时的。好的。然后继续。好的。现在我的数据集已经准备好并保存了。现在我要做的就是把这个放进爱因斯坦分析。

(00:08:14)好。这就是分析学。有些人可能不知道，这是一个与Salesforce不同的平台。几年前，它收购了Salesforce，但它非常植根于Salesforce的核心。现在他们已经很好地整合了它。然后，为了把数据集输入Salesforce，

[00:08:37]我找到我的[00:08:38]数据管理器。基本上这里，我分享一下这个连接器，我们实际上连接到本地Salesforce数据。我们也可以连接到其他外部系统。我想，整合。IO知道所有这些不同的集成。现在我要创建一个数据集，我要上传一些东西。

[00:08:55]我选择我的文件，这是Xforce Eurofood Live文件，然后开始上传过程。好的。在这个过程中，它会查看我们想要导入的列，基本上我只会接受默认值并上传那个文件。现在开始。爱因斯坦基本上吸走了所有的数据，这3万行。

[00:09:18]他将开始在后台进行分析好的。大概要一分钟。我要回到幻灯片上。我还要多讲一点关于模型的内容。所以，如果你还记得，我们想要做的是找到最好的地方去吃饭。

[00:09:38:]所以，我们需要定义我们的结果，对吧?这就是TripAdvisor的评分。是的。为了做到这一点，我们需要对一些变量进行建模。好的。定义结果和变量是非常重要的。所以，这就是我们刚刚做的当我们选择，选择列来规划的时候就像题目说的，我们要对什么建模?

[00:10:05]那么让我们回到《分析》，看看他是否做到了自己的事，很好。现在我已经加载了我的数据集，现在我要创建我的故事。好的，这就是接下来的分析部分，非常简单，这是一个简单的向导。这就是我要测量的结果变量。这不是排名。

[00:10:26]这就是评级。是的。记住，排名是指餐厅在不同城市的表现。所以我想要最大化评级。我可能会期望一些大于零的数。是的，我是。希望能给它起个名字，然后选择我们能做的故事类型一个快速的，肮脏的故事，但我们不会那样做。

[00:10:44]我们会在这里做完整的分析。好的。所以，所以，但是我们将采用[00:10:00]自动化版本，通过完整的分析，它将帮助我们。因此，我们将能够将这个模型部署到Salesforce。所以如果你有一个记录，你已经建模了数据来预测结果，然后它会给你这个结果的潜在得分。

[00:11:09]举个例子，你是一家订阅业务公司，你有一个客户。你想知道他们取消订阅的几率是多少，或者他们的流失率是多少，你实际上可以通过对以前有和没有流失的客户建模来做到这一点，然后看看所有影响它的变量。

[00:11:30]然后给你一个预测分数所以爱因斯坦现在在研究这些数字。我们让他再讲一两分钟然后回到幻灯片。这就是我们希望看到的当他完成他的工作。所以，我们会有一个描述性的洞察力，这就像发生了什么。

[00:11:49]所以它基本上是对我们的数据进行BI基本分析。你知道，我们能从这些数据中看到什么?正确的。[00:11:00]你几乎可以用任何BI工具来做这件事，对吧?然后我们会有一个描述性分析键。影响结果的变量是什么?是的。我们得出这个结论的积极因素和消极因素是什么?

[00:12:12]然后我们可以做一些诊断，这样我们就可以比较了。例如，我们可以比较两个不同的城市，看看它们之间有什么不同。就结果而言，这个分数。例如，为什么一个城市比另一个城市好?然后我们可以做一些预测，这是我们建立的预测部分，我们实际上可以决定，是的，我想去雅典，我有一个中等预算，我

[00:12:37]想去素食餐厅然后它会给我们一个去那家餐厅的预测结果分数。现在回到爱因斯坦。他做到了。太棒了。所以,正确的。那么，到底发生了什么?所以，它在这里做什么，它在屏幕的最上方，这里有一大堆[00:12:57]分析。

[00:12:59]它发现了最大的因素它说餐厅的排名解释了最大的差异。所以得分最高的餐厅就是排名最高的餐厅。这并不奇怪。是吗?所以我们所做的就是把一大堆数据放入我们的系统中，这没什么意义，因为排名和评级非常非常相似。

[00:13:23]所以爱因斯坦应该做的是，他也给我们提出了一些建议。他说，看，排名是我们最强的预测因子。所以我们要做的就是忽略排名，看看它会给出什么。但不幸的是，我们现在要做的是把这篇报道发表出来。

(00:13:41)好。所以，现在我们在报道这个故事，他又在计算他的数据，但去掉了排名。在他工作的时候，我们可以回到幻灯片上。正确的。好的。我少了一张幻灯片。好吧。好的。[00:13:58]我接下来要讲的是。

[00:14:05]好吧，我会找到的，但我不知道里面有什么。所以，我要谈谈数据集，我们在哪里找到这个30000条TripAdvisor评论的数据集?因为我们想要做的是意识到分析数据是多么简单。有很多网站可以下载数据集。

[00:14:25]其中一个大的叫Kaggle所以我访问了Kaggle，你可以查看各种不同的数据集，无论是天气还是你的足球比分或美国的足球比分和历史。你可以导入这些，分析它们，因为我喜欢我的食物。我选择了猫途鹰的欧洲餐厅。

(00:14:45)好。所以。这很及时。现在我们去掉了排名。现在爱因斯坦看到这个，感叹道，哇。对我们的结果影响最大的事情是，我们的猫到网(TripAdvisor)对欧洲餐厅的评分是[00:14:00]它是否是素食主义者。所以如果素食主义者是正确的，得分会明显高于不正确的得分。

(00:15:09)好。这并不意味着这是一家素食餐厅。描述里写着素食主义者。所以这家餐厅提供素食。所以通常情况下，如果一家欧洲餐厅提供素食，它的得分可能会比一家不提供素食的餐厅高得多。好的。所以这是最大的因素。

(00:15:29)好。我甚至可以向下滚动。看看其他一些因素，比如评论的数量。所以，如果一家餐厅有很多评论，那么很明显，素食主义者是错误的，它做得更好。好的。这有点奇怪。所以如果你有860到16000条评论，可能是素食主义者是错误的，做得更好。

[00:15:45]所以可能有点反常。不，再次向下滚动。实际上在罗马，素食主义者做得更好。所以实际上，如果你去罗马的一家餐馆，他们的菜单上没有素食，[00:16:05]没关系。所以这些见解是我们可以，我们通常不会仅仅通过观察数据本身得到的。

(00:16:12)好。所以你去巴塞罗那，素食主义者表现得非常非常强烈。好的。所以，我们能做的是，让我们看看这些评论的数量，作为一个例子，我想再分析一下，所以我可以在那里放一些评论，然后我们可以看到实际上这与分数有很强的相关性

[00:16:32]和评论数量。我来解释一下，这里有一些灰色的条形图，灰色的条形图在统计上并不显著，而蓝色的条形图很明显是很低的分数，和上面这里一样，评论数很高。所以这告诉我们，一家餐厅得到的评论越多，

[00:16:51]分数就越高显然，如果菜单上有素食，那也是一件好事，除非你要去罗马。好的。但我们真正想知道的是到底要去哪里。我可以通过城市来观察我的数据发生了什么变化。是的。我只考虑城市本身。

[00:17:07]开始吧这是我们所有的城市。现在我们可以看到我们在TripAdvisor上的平均分数是4。好的。布鲁塞尔是3.9，里昂是3.9，在统计上低于平均水平。灰色条形图是一般水平橙线上方的蓝色条形图非常好。这也是按照评论的数量从左到右排序的。

[00:17:36]伦敦有很多餐馆，对吧?它拥有猫途鹰数据集中最多的餐厅。我们在伦敦，巴黎。正确的。所有的欧洲大城市都在这里。也许是下面那些小点的。它向你展示的是实际上有一些，我想说卢布尔雅那，是一个很好的特征。

[00:17:57]那是个好地方雅典也是如此。雅典可能是最好的。所以我实际上可以做的是，我甚至可以进一步深入到雅典。就像，好吧，我想去雅典。它看起来像什么?好吧，素食更好。[00:18:12]这并不奇怪。

(00:18:13)好。实际上，我们还可以看到，当价格点很低时。或者中等，效果更好。实际上，如果你想省钱，雅典不仅有你在TripAdvisor上的最佳评分，而且你可以省钱。事实上，你知道，去雅典价格较高的餐馆，他们和平均水平没有太大的区别。

(00:18:36)好。如果你想去雅典的话，你可以滚动一下雅典的信息。现在我们把它退出。接下来我要做的是，这是数据中发生的事情，但现在我们要看看背后的原因。好的。我们可以看到纯素错误，描述了方差的很大一部分。

[00:18:58]你可以看到，这是我们的平均评级。而不是素食主义者的平均评分是真实的，是整个数据集的平均评分。所有这些都是负面影响，如果素食是假的，分数就会降低。所以素食主义本身是错误的[00:19:16]是一件大事。

(00:19:18)好。这里有一点正电荷。那么这个是什么?是的，最古老的是这个数量的评论。再说一次，如果评论在860到16000条之间，素食主义者是假的，它会做得更好一点，有点反常。但是，这在统计上还是很重要的。巴黎，素食是错误的，坏的。

[00:19:36]如果价格低而素食是假的，那就糟了。所以，去便宜的地方，他们的菜单上没有素食，这不好。看起来，这是个大案子。如果价格是中等，素食是错误的，好吧，你去的是中等价格的餐厅。你可能希望菜单上有一些选择。

[00:19:53]还有一大堆影响结果的小因素。所以完全素食是错误的。这使得平均值下降到3.9。好吧，这是沃尔特的完整病历。你现在就可以深入研究细节了。这一切都很好，但也许考虑一下这在现实生活中会如何发挥是一个好主意。

[00:20:16]你知道，你不是，我们不是在选餐厅。现在，我创建这个数据集的真正原因是[00:20:22]在几个月前向客户推销。他们是一个机场休息室业务，一个全球性的机场休息室业务。他们还面临着维持客户满意度评分的挑战。

(00:20:35)好。现在他们越忙，顾客满意度的分数自然就越低。如果你记得去机场的商务休息室，那里非常非常繁忙，你可能会有点生气，因为你可能会花钱去休息室，或者这可能是你买的昂贵商务舱机票的一部分，你进入休息室，那里挤满了人。

[00:20:53]然后你被要求填写一份客户调查，是的，你并不开心，因为很忙。嗯，所以，所以，所以成为一个繁忙的机场休息室将会对CSAT分数产生负面影响。但还有其他的东西，你得到的其他见解，会提高分数。可能是你的菜单上有很多美味的扇贝，或者，你知道，不同类型的食物，或者杂志是有组织的，或者诸如此类。

[00:21:17]如果你能捕捉到这些数据，你就能研究所有这些因素，而机场休息室业务要做的就是预测机场将会有多繁忙。所以他们知道，如果他们特别忙的话，应该推出一些真正好的东西来帮助他们的CSAT分数。如果他们不太忙，那么他们可能不需要那些昂贵的扇贝，因为通常情况下，顾客一开始就会很高兴进入一个舒适放松的休息室。

[00:21:44]所以这有助于他们管理客户满意度。显然，我现在去向他们推销这个产品不是时候，因为他们的业务几乎一夜之间就停止了。所以希望它能回来。好的。接下来我要看的是，它们有什么不同?

(00:22:03)好。我们将会得到更多这样的瀑布图。我们选几个城市。布达佩斯，布拉迪斯拉发。一些较小的城市，如果你想比较这两个城市，你可以看看这里的平均评分。所以，布拉迪斯拉发的表现比布达佩斯好。

[00:22:24]所以在顶部，这是布拉迪斯拉发的平均水平所以让我们来看看你的4.1分，差不多了。布达佩斯，不好意思。布拉迪斯拉发在最下面。这是下面的几个点。现在。这些都是影响差异评级的因素。

[00:22:46]所以，基本上。在这里，我们有布拉迪斯拉发，事实是素食主义是错误的，这是一件非常糟糕的事情。布拉迪斯拉发基本上是素食主义者。为什么基本上，很明显这意味着布达佩斯比布拉迪斯拉发要好，不管素食主义是对是错。然后我们得到，这里还有什么?

[00:23:10]在评分方面。

[00:23:13]哦，评级。不太确定那是什么。好的。价格适中，素食是假的。各种各样的因素导致了分数的下降，但我们可以看到有一个很大的因素，在布拉迪斯拉发提高了分数。事实上，这只是很小的项。

[00:23:31]还有62件不同的事情，它们本身微不足道，但把它们结合在一起就相当重要了。所以这告诉我们不要去布拉迪斯拉发。如果你有选择，就去布达佩斯吧。好的。这给了你一些不同。现在，一旦你有了所有这些，实际上你决定不，实际上我可能想去，我不确定我想去哪里。

[00:23:54]我要尝试一些不同的东西所以爱因斯坦分析给了你选项，看看会发生什么。好吧。所以我现在可以走了，但我知道素食是一件好事。所以我要去找一家真正素食的餐厅。我现在可以选择我的城市了。我想去哪里?假设我想去里斯本。

[00:24:13]随便。我的预算是多少?高，中，低?我想要低预算。还有，我是要试着去找那家没有很多评论的秘密餐厅，还是去找一家有很多评论的餐厅?所以我要选一个有很多评论的。哇。它对我说，这些东西，我将得到一个非常高的评价。

[00:24:36]你想要五张。你的评价很高，里斯本的价格很低。那真是太好了。这完全是随机的。我们来改变价格点，看看会发生什么变化。是的。我们选一个中号的。爱因斯坦说，是的，你可能是平均评级。这是4。而且，如果你在里斯本买高价，但是，你有，你有另外四个。 And from then we can look at all the reasons behind that.

(00:25:01)好。所以我们可以看看所有影响我们选择的因素。没错，山姆是素食主义者，这是天大的好消息。然后我们可以看看一些负面因素，比如物价很高，而且城市是里斯本。这两件事并不是很好的结合。然后在这里，我们得到了评论的数量以及它是一个糟糕的组合。

[00:25:24]所以只要改变这个和价格点。

[00:25:30]改变我瀑布图的形状，实际上是里斯本的选择，价格低，评论少。这真是一件好事。是的。因此，[00:24:00]会产生一些非常好的、积极的事情。所以这会影响我的选择，给我一个更好的整体排名。

[00:25:48]这让我得了4.4分我想爱因斯坦只是把它四舍五入到四。实际上，这样做的结果是4.4分。好了，这给了你们一些见解，希望我们能回到幻灯片上。我认为我们向你们展示的是，你不必是数据科学家才能做到这一点。

[00:26:13]我所做的就是准备一些数据，然后上传到爱因斯坦分析。我已经重复了几次，所以我可以把这个过程重复几次。正如你们一开始看到的，我去掉了一些列，我知道这不会有影响。我把它们拿出来是为了让上传快一点。

[00:26:34]所以，是的，去一个非常非常简单的地方。关于如何开始使用爱因斯坦分析，有一个非常强大的爱因斯坦分析Salesforce社区。所以，如果你熟悉Salesforce，你肯定对

[00:26:52] Salesforce社区和所有参与其中的团体。所以，搜索一下爱因斯坦分析社区，还有Trailhead。Trailhead是Salesforce的学习平台，有很多路径可以让你开始使用爱因斯坦分析。这是你获得免费爱因斯坦分析试用网站的地方。

(00:27:15)好。所以,所以。所以如果你做这些，这些追踪，你就能进入爱因斯坦分析。好的。组织是有限制的。它不像一个成熟的，我实际上只是在使用一个试验组织。所以它可以处理3万条记录进行分析。所以你仍然可以在里面上传大量的信息。

[00:27:31]但有一些限制，你知道，你可以在你的业务中全职使用它，因为你会使用突破限制的方法，但是，作为一个例子来处理数据，并进行一些分析，这是一个很好的开始。所以，是的，那就去开拓吧。不要害怕动手。

[00:27:50]即使不是数据科学家，你也能很快学会。演讲到此结束。所以我要感谢Integrate公司。io感谢你们邀请我参加，这是我的荣幸，我期待着在峰会上看到所有其他的演讲。谢谢你,史蒂夫。我有几个问题，如果你不介意的话。

[00:28:13]没问题。第一个问题是，当你做分析的时候，你有两个选择，一是只得到深刻的见解，二是你展示的全面的分析。用例是什么或者为什么要用其中一个?所以，这个，可能发生的是完全成熟的。

(00:28:31)是的。我们上传了。你可以在这里处理这些数字，它会为你做所有的分析。这是对所有变量的预测。所以实际上，你可以，而不是只看发生了什么，你可以切割和改变它，选择你自己的变量，基本上得到一个潜在的结果。

[00:28:51]所以我要把它应用到现实生活中比方说，我知道你看到了你的营销，你在美国各地营销你的产品。万博max手机网页登录[00:28:59]你可能会有一些变量，比如城市、产品、零售店、零售店的类型，以及你正在做的促销活动的万博max手机网页登录类型，你是在做安装、促销还是优惠券，或者你是否在做饮食畸形。

[00:29:16]所以你可能想看看他们各种活动的不同效果。所以有效地，如果你从以前的活动中得到了一大堆数据，你可以设置一个市场。是的。你可以尝试一下这个功能，看看什么在一个城市最适合，在另一个城市可能不适合。

[00:29:34]例如，佛罗里达州发生的事情。3月份，你可能不想在佛罗里达卖帽子和围巾，但在芝加哥，它们可能会卖得很好。比如，因为那里更冷。这里有一些明显的数据，但为了给你一些真正具体的见解，如果你有一些不太明显的东西，比如，你知道，哪种促销类型比其他促销类型表现更好，那么，是的，对营销的见解是很好的，只是玩玩，感受一下数据的情况，对不起，还有一件事，然后[00:30:06]你可以把它部署到Salesforce。

[00:30:09]我之前说过订阅业务的客户流失问题。因此，我们将很快看到的是一家电信公司，他们正在做宽带处方。他们会想知道顾客停下来的可能性有多大

[00:30:25]例如，放弃订阅，转投竞争对手的网站。但是我们可以从之前和客户的交流中了解到他们和我们合作了多久，他们付了多少钱，比如我们上次更新他们的调制解调器是什么时候，这可能是一个关键因素。然后，它会给你的客户支持人员，当他们发现，哦，是的，我们要取消我们的订阅。

[00:30:47]你的客户支持人员会在那里看到那个客户的资料。它将能够就如何留住客户提出一些即时的建议。这就引出了我们的下一个问题。我从看爱因斯坦演讲和[00:31:10]与使用它的人交谈中得到的结论是，它主要是有用的

[00:31:14]如果你已经有一个Salesforce组织，你把爱因斯坦分析放在上面。如果你只是想分析你所拥有的数据，这就不太好了。你同意吗?或者你认为爱因斯坦有一个独立的用例吗?可能存在一个独立的用例。这很有趣。

[00:31:30]上周我与Salesforce公司就此事进行了通话。一般来说，爱因斯坦分析与Salesforce是深度集成的，对吧?但是我认为你可以单独购买分析因为你也可以连接它。显然，我们只是引入了一个CSV数据集，你可以连接到其他平台，你可能需要做分析。

[00:31:50]但就爱因斯坦的发现而言，最关键的一点是重回Salesforce。所以客户支持代理，例如，你知道，从分析中获得信息，在他们最需要的时候，当客户要取消时，他们可以看到如何做才能留住客户。

[00:32:08]也可能正好相反他们可能想要摆脱客户。[00:32:13]所以你可能会说，嘿，让他们走吧，因为他们花了我们一大笔钱。所以他们要去是好事。回到你的问题。Salesforce最近收购了Tableau。所以我认为他们定位产品的方式是如果你在Salesforce做大部分工作。万博max手机网页登录

[00:32:35]那么爱因斯坦分析绝对是适合你的解决方案。如果你不使用Salesforce，你正在做一些数据分析，但你不一定需要所有的客户数据，那么你可以看看Tableau，它可能是答案。因为它很擅长连接很多不同的数据集和不同的平台等等。

[00:32:57]这就是Salesforce的营销溢出。如果你在日常工作中不使用Salesforce，那么看看Tableau，如果Salesforce部署在你的业务中，你正在使用Salesforce，那么爱因斯坦分析，这意味着他们会说，在这种情况下，你可以从[00:33:18]大型组织中使用Tableau和Analytics。

[00:33:24]但我们是真理单一来源的伟大倡导者所以我们喜欢使用Salesforce，从一开始就从获取客户到获得报酬。所以，对于我们的客户，我们更倾向于爱因斯坦分析。除非Tableau在过去几年发生了变化，我最后一次使用它时，它没有任何预测分析。

[00:33:34]只是简单的分析我想他们现在已经有了一些人工智能的东西。别引用我的话，因为这是最近才收购的。考虑到我们的定位和我们对客户的态度，我们当时并没有打算走Tableau的路线，但它看起来确实很棒。

[00:33:59]我觉得影片中的一些视觉效果很不错是的，你可以用它做一些很棒的事情。但是我们没有看到任何仪表板。这只是爱因斯坦分析的一个发现部分。我的意思是，在仪表盘分析方面也有一个很大的部分。

[00:34:15]我们目前正在为类似客户构建的一些仪表盘令人惊叹，你知道，我们已经[00:34:20]获得了数百万条记录，特别是现在的董事会会议，他们只有一个仪表盘。他们可以深入了解他们需要在业务中看到什么。

[00:34:30]而在此之前，我们都做过这样的生意，每个人都在季度末忙着用Excel电子表格，试图把数字输入给他们的老板，他们可以把这些数字展示给他们的老板。他们的老板最终参加了董事会。等到数据出来的时候，可能已经没有意义了，因为每个人

[00:34:47]为了让它看起来更漂亮，我把它切碎，改了改。然而，有了一个非常好的数据集，如果你真的知道你的业务中发生了什么，你就可以得到一个单一的真相来源。是的。我们在会议上还有其他几个关于爱因斯坦分析的演示，展示了仪表板。一个是显而易见的。

[00:35:03]这是一个来自奥斯汀的家伙，他的仪表盘很漂亮。其中一个隐藏的是，一位女士她是Pardot的专家她有Pardot的仪表盘，非常好。是的。是的。你可以从这些仪表板中获得一些非常好的营销见解。是的。[00:35:20]我认为现在很多Salesforce的高级产品都内置了爱因斯坦分析。万博max手机网页登录

[00:35:27] Salesforce要做的是，比如说基本的爱因斯坦分析仪表板。看，这不是标准Salesforce许可的内置功能，但他们已经创建了一些很棒的仪表盘和一些非常好的模板，因为显然这是Salesforce的标准功能，你知道，引导和计算机会之类的东西。

[00:35:50]他们围绕这个设计了非常好的仪表盘。所以，你可以很快地开始。爱因斯坦分析的未来看起来真的很美好。本周早些时候，我们也谈到了关注情绪。因此，以科技领域为例，观察市场情绪，这真的非常令人兴奋。

[00:36:11]这对发现来说真的很令人兴奋，尤其是在看评论和其他东西的时候。还有数据准备方面的事情。我猜那些做仪表盘和演示的人。你可能忽略了一个事实，那就是他们正在研究数据准备3.0，这是即将推出的最新版本。

[00:36:31]我觉得夏天更适合，但一般上映可能是在冬天。今年的数据准备工作要容易得多。所以实际上对于建筑，建筑仪表板，定制仪表板，如果你不使用特定的模板，它们可能会有点挑战性，尤其是如果你一开始就不是技术导向的。

[00:36:49]但以后会变得很容易这会让事情变得简单很多很多。好吧，这很吸引人。我很高兴看到Salesforce仍在向Einstein Analytics投入大量资金，尽管他们收购了Tableau，而且这个演示非常棒。令人着迷。希望——当我们度过这一关时——是有用的。

[00:37:09]非常感谢你的时间，史蒂夫。我们真的很感激。谢谢你！