Gambaran keseluruhan laporan persediaan data (pratonton)
[Artikel ini merupakan dokumentasi prakeluaran dan tertakluk pada perubahan.]
Laporan persediaan data dalam Dynamics 365 Customer Insights - Data membantu anda memahami kualiti data keseluruhan, kesediaan data anda untuk menghasilkan cerapan, dan membantu anda meningkatkan data anda untuk membuka kunci pandangan yang lebih banyak dan lebih baik untuk apa sahaja strategi jualan atau pemasaran yang anda fikirkan.
Penting
- Ini adalah ciri pratonton.
- Ciri pratonton bukan untuk kegunaan pengeluaran dan kefungsian mungkin terbatas. Ciri ini tersedia sebelum keluaran rasmi agar pelanggan boleh mendapat akses awal dan memberikan maklum balas.
Prasyarat
Laporan persediaan data berjalan secara automatik jika prasyarat berikut dipenuhi:
- Pengingesan diselesaikan dengan data pelanggan dan transaksi.
- Penyatuan selesai.
- Aktiviti dan hubungan dipetakan.
- Dayakan ciri Copilot yang dikuasakan oleh tetapan Azure OpenAI dihidupkan . Lalai dihidupkan .
- Persekitaran berada dalam geografi yang disokong dan menggunakan bahasa yang disokong..
- Sekurang-kurangnya 100 rekod pelanggan, sebaik-baiknya 1,000 rekod.
- Sekurang-kurangnya satu tahun sejarah transaksi, sebaik-baiknya dua hingga tiga tahun. Sebaik-baiknya dua hingga tiga transaksi bagi setiap ID pelanggan, sebaik-baiknya merentasi pelbagai tarikh.
- Pengecam pelanggan: Pengecam unik untuk memadankan transaksi dengan pelanggan anda.
- Kurang daripada 20% nilai yang tiada dalam medan yang diperlukan.
Laporan persediaan data
Selepas penyatuan selesai, sistem secara automatik menjana laporan persediaan data berdasarkan data tertelan dan bersatu anda, dan menganalisis maklumat kontekstual pada data anda. Maklumat ini dikemas kini pada bila-bila masa anda menjalankan penyatuan.
Mencapai laporan persediaan Data daripada halaman Rumah , halaman Sumber data atau halaman Ramalan .
Tip
Jika anda tidak melihat laporan persediaan data, ia mungkin belum dijana kerana anda belum memenuhi prasyarat. Pastikan anda telah menyelesaikan pengingesan dan penyatuan, aktiviti dan perhubungan yang dipetakan dan pentadbir menghidupkan tetapan keizinan sejagat dalam halaman Seting .
Terdapat empat bahagian utama dalam laporan persediaan data.
Ringkasan kualiti data yang dihasilkan oleh AI: Ringkasan ringkas yang dihasilkan oleh model Open AI gred kualiti data, kesediaan pandangan, dan bahagian isu dan cadangan. Ringkasan muncul pada sepanduk halaman Rumah dan dalam laporan persediaan data.
Gred kualiti data keseluruhan: Gred menunjukkan kesihatan keseluruhan data anda. Gred dikira sebagai peratusan agregat (nilai antara 0-100%) dengan tahap yang sepadan (kualiti data tinggi, sederhana atau rendah). Ia diperoleh daripada skor purata berwajaran merentasi satu set peraturan kualiti data dalam tonggak kualiti data standard industri. Tonggak seperti kesempurnaan, konsistensi, keunikan, ketepatan, ketepatan masa, kesahan dan integriti. Sekiranya anda mempunyai tahap kualiti data yang tinggi dan sepadan tinggi, kualiti data anda mencukupi untuk menjana kebanyakan cerapan yang terdapat dalam produk dengan keyakinan tinggi terhadap hasil yang bermakna.
Kesediaan cerapan: Kesediaan cerapan menunjukkan sama ada anda telah memenuhi keperluan untuk menjana wawasan tertentu atau tidak. Ia ditentukan dengan membandingkan keperluan data asas bagi setiap wawasan dengan isu yang terdapat dalam data anda. Apabila sebarang isu melanggar sebarang keperluan data untuk mendapatkan pandangan, wawasan dianggap tidak sedia untuk digunakan. Jika wawasan dianggap sedia untuk digunakan, ia mungkin menjana hasil yang bermakna.
Isu dan cadangan kualiti data: Isu dan cadangan ini memberikan panduan komprehensif mengenai isu-isu yang timbul dalam data anda, termasuk keterukan, pandangan mana yang terjejas, dan cadangan untuk pemulihan yang akan bertindak. Isu-isu diperoleh daripada peraturan dalam tonggak kualiti data standard industri yang sama seperti gred kualiti data. Sebarang pelanggaran peraturan ini mengakibatkan isu. Semakin sedikit isu yang hadir, terutamanya isu keterukan kritikal, semakin besar kemungkinan anda mempunyai gred kualiti data yang tinggi dan mempunyai semua cerapan yang dilabelkan sebagai sedia untuk digunakan.
Tip
Pandangan lalai menyediakan isu paling kritikal yang terdapat dalam data anda. Untuk melihat semua isu, disusun mengikut keterukan, matikan Tunjukkan isu kritikal. Untuk mengubah pandangan untuk menunjukkan isu yang diatur oleh opsyen lain, pilih Kumpul mengikut dan buat pilihan. Pilihan yang ada termasuk keterukan, tonggak kualiti data dan pandangan yang terjejas.
Dalam kebanyakan kes, isu dan cadangan yang muncul dalam laporan persediaan data mesti ditangani dengan melakukan pembetulan pada data sumber di luar Customer Insights - Data, menggunakan alat pembersihan data seperti Power Query. Data baru dan dipertingkatkan kemudiannya mesti dihidupkan semula, dan penyatuan mesti diselesaikan semula agar kualiti data bertambah baik. Segar semula laporan persediaan data hanya dicetuskan apabila penyatuan selesai.
Maklumat kontekstual pada data anda
Sebagai tambahan kepada laporan persediaan data, anda mendapat maklumat kontekstual yang berkaitan dengan cerapan, khususnya model ramalan. Gunakan maklumat ini untuk memahami model ramalan mana yang paling sesuai untuk data anda sebelum anda melalui masa dan usaha konfigurasi dan menjalankan model.
Pada halaman Ramalan di bawah tab Cipta , model yang dilabelkan sebagai Gunakan model ini paling sesuai untuk data anda manakala model yang dilabelkan sebagai Tidak sedia untuk digunakan tidak. Untuk mana-mana model Tidak bersedia untuk digunakan , semak laporan persediaan data penuh dan buat pembetulan yang diperlukan pada data anda mengikut panduan bahagian Isu dan cadangan.
Ketersediaan antarabangsa
Untuk mengetahui tentang bahasa dan rantau yang disokong, lihat laporan Ketersediaan Antarabangsa Copilot.