Show Menu
ARGOMENTI×

Panoramica di Analysis Workspace

Adobe Experience Platform Data Science Workspace utilizza l'apprendimento automatico e l'intelligenza artificiale per trarre informazioni approfondite dai tuoi dati. Integrato in Adobe Experience Platform, Data Science Workspace ti aiuta a fare previsioni utilizzando i tuoi contenuti e le risorse di dati nelle soluzioni Adobe.
I Data Scienziati di tutti i livelli di abilità troveranno strumenti sofisticati e facili da usare che supportano lo sviluppo rapido, la formazione e l'ottimizzazione delle ricette di machine learning - tutti i vantaggi della tecnologia AI, senza la complessità.
Con Data Science Workspace, gli esperti di dati possono creare facilmente API di servizi intelligenti, basate sull'apprendimento automatico. Questi servizi funzionano con altri servizi Adobe, inclusi Adobe Target e Adobe Analytics Cloud, per aiutarti a automatizzare esperienze digitali personalizzate e mirate nel web, sul desktop e nelle app mobili.
Questa guida fornisce una panoramica dei concetti chiave relativi a Data Science Workspace.

Introduzione

L'azienda di oggi pone un'alta priorità nell'estrarre grandi dati per previsioni e informazioni che li aiuteranno a personalizzare le esperienze dei clienti e a fornire più valore ai clienti - e al business. Per quanto importante, passare dai dati agli approfondimenti può costare molto. In genere richiede esperti esperti informatici che effettuano ricerche approfondite e lunghe sui dati per sviluppare modelli di apprendimento automatico, o ricette, che forniscono servizi intelligenti. Il processo è lungo, la tecnologia è complessa, e gli esperti scienziati di dati possono essere difficili da trovare.
Con Data Science Workspace, Adobe Experience Platform consente di portare l'AI incentrata sull'esperienza a livello aziendale, semplificando e accelerando la creazione di informazioni sui dati con:
  • Framework di machine learning e runtime
  • Accesso integrato ai dati archiviati in Adobe Experience Platform
  • Uno schema dati unificato basato su Experience Data Model (XDM)
  • Potenza di elaborazione essenziale per l'apprendimento delle macchine/AI e la gestione di grandi insiemi di dati
  • Ricette di machine learning preconfigurate per accelerare il passaggio a esperienze basate sull'intelligenza artificiale
  • Authoring, riutilizzo e modifica semplificati delle ricette per gli scienziati di dati con diversi livelli di abilità
  • Pubblicazione e condivisione intelligente dei servizi in pochi clic, senza dover ricorrere a uno sviluppatore, e monitoraggio e riqualificazione per ottimizzare costantemente le esperienze dei clienti personalizzate
I Data Scienziati di tutti i livelli di competenza riusciranno a ottenere informazioni più rapidamente ed efficaci esperienze digitali prima.

Introduzione

Prima di iniziare a conoscere i dettagli di Data Science Workspace, ecco un breve riepilogo dei termini chiave:
Termine
Definizione
Area di lavoro Data Science
Data Science Workspace in Experience Platform consente ai clienti di creare modelli di machine learning che utilizzano i dati tra Experience Platform e Adobe Solutions per generare informazioni e previsioni intelligenti per creare esperienze digitali coinvolgenti per gli utenti finali.
Intelligenza artificiale
L'intelligenza artificiale è una teoria e sviluppo di sistemi informatici in grado di eseguire attività che normalmente richiedono intelligenza umana, come la percezione visiva, il riconoscimento vocale, il processo decisionale e la traduzione tra le lingue.
Apprendimento automatico
L'apprendimento automatico è il campo di studio che consente ai computer di imparare senza essere esplicitamente programmati.
Sensei ML Framework
Sensei ML Framework è un framework di machine learning unificato in Adobe che sfrutta i dati di Experience Platform per consentire agli scienziati dei dati di sviluppare servizi di intelligence guidati dall'apprendimento automatico in modo più veloce, scalabile e riutilizzabile.
Modello dati esperienza
Experience Data Model (XDM) è lo sforzo di standardizzazione condotto da Adobe per definire schemi standard come Profile (Profilo) ed ExperienceEvent (Evento esperienza) per la gestione dell'esperienza cliente.
JupyterLab
JupyterLab è un'interfaccia open-source basata su Web per Project Jupyter ed è strettamente integrata nella piattaforma Experience.
Ricette
Una ricetta è il termine di Adobe per una specifica di modello ed è un contenitore di primo livello che rappresenta uno specifico machine learning, un algoritmo AI o un insieme di algoritmi, una logica di elaborazione e una configurazione necessari per creare ed eseguire un modello qualificato e quindi per risolvere problemi aziendali specifici.
Modello
Un modello è un'istanza di una ricetta di machine learning che viene formata utilizzando dati storici e configurazioni per risolvere un caso d'uso aziendale.
Formazione
La formazione è il processo di apprendimento di schemi e approfondimenti da dati etichettati.
Modello
Un modello preparato rappresenta l'output eseguibile di un processo di formazione modello, in cui un insieme di dati di formazione è stato applicato all'istanza del modello. Un modello qualificato manterrà un riferimento a qualsiasi servizio Web intelligente creato da esso. Il modello addestrato è adatto per il punteggio e la creazione di un servizio Web intelligente. Le modifiche a un modello qualificato possono essere tracciate come nuova versione.
Punteggio
Il punteggio è il processo di generazione di informazioni dai dati utilizzando un modello qualificato.
Servizio
Un servizio distribuito espone la funzionalità di un'intelligenza artificiale, di un modello di machine learning o di un algoritmo avanzato attraverso un'API, in modo che possa essere utilizzato da altri servizi o applicazioni per creare app intelligenti.
Il grafico seguente delinea la relazione gerarchica tra Ricette, Modelli, Esecuzione formazione ed Esecuzione punteggio.

Informazioni su Analysis Workspace

Con Data Science Workspace, i tuoi esperti di dati possono semplificare il processo complicato di scoperta di informazioni in insiemi di dati di grandi dimensioni. Basato su un framework e un runtime comune di machine learning, Data Science Workspace offre gestione avanzata del flusso di lavoro, gestione dei modelli e scalabilità. I servizi intelligenti supportano il riutilizzo di ricette di machine learning per alimentare una serie di applicazioni create utilizzando prodotti e soluzioni Adobe.

Accesso diretto ai dati

I dati sono la pietra angolare dell'intelligenza artificiale e dell'apprendimento automatico.
Data Science Workspace è completamente integrato con Adobe Experience Platform, tra cui Data Lake, Real-time Customer Profile e Unified Edge. Esplora simultaneamente tutti i dati organizzativi archiviati in Adobe Experience Platform, insieme ai dati di grandi dimensioni e alle librerie di formazione approfondita comuni, come Spark ML e TensorFlow. In caso contrario, è necessario acquisire i propri set di dati utilizzando lo schema standard XDM.

Ricette precostruite per l'apprendimento automatico

Data Science Workspace include ricette precostruite per l'apprendimento automatico per le esigenze aziendali più comuni, come la previsione delle vendite al dettaglio e il rilevamento delle anomalie, in modo che gli esperti e gli sviluppatori di dati non debbano iniziare da zero. Attualmente sono disponibili tre ricette: previsione dell'acquisto di prodotti , raccomandazioni per i prodotti e vendite al dettaglio.
Se preferite, potete adattare una ricetta predefinita alle vostre esigenze, importare una ricetta o iniziare da zero per creare una ricetta personalizzata. Tuttavia, una volta avviata la formazione e l'ottimizzazione di una ricetta, la creazione di un servizio intelligente personalizzato non richiede uno sviluppatore, ma solo pochi clic e si è pronti a creare un'esperienza digitale mirata e personalizzata.

Flusso di lavoro incentrato sullo scienziato informatico

Indipendentemente dal livello di esperienza nella scienza dei dati, Data Science Workspace consente di semplificare e accelerare il processo di ricerca di informazioni nei dati e di applicarle alle esperienze digitali.

Esplorazione dei dati

Trovare i dati giusti e prepararli è la parte più impegnativa della costruzione di una ricetta efficace. Data Science Workspace e Adobe Experience Platform ti aiuteranno a passare dai dati agli approfondimenti più rapidamente.
In Adobe Experience Platform, i dati multicanale sono centralizzati e memorizzati nello schema standard XDM, per cui i dati sono più facili da trovare, comprendere e pulire. Un unico archivio di dati basato su uno schema comune può consentirti di risparmiare innumerevoli ore di esplorazione e preparazione dei dati.
Mentre sfogliate, usate R, Python o Scala con il blocco appunti Jupyter integrato ospitato per sfogliare il catalogo di dati sulla piattaforma. Utilizzando una di queste lingue, potete anche sfruttare Spark ML e TensorFlow. Partire da zero o utilizzare uno dei modelli di notebook forniti per problemi aziendali specifici.
Come parte del flusso di lavoro di esplorazione dei dati, puoi anche acquisire nuovi dati o utilizzare funzionalità esistenti per facilitare la preparazione dei dati.

Authoring

Con Data Science Workspace, puoi decidere come creare le ricette.
  • Risparmiate tempo sfogliando una ricetta precostruita per soddisfare le vostre esigenze aziendali, che potete utilizzare così come è o configurare per soddisfare i vostri requisiti specifici.
  • Create una ricetta da zero, utilizzando il runtime di authoring in Jupyter Notebook per sviluppare e registrare la ricetta.
  • Carica una ricetta creata al di fuori di Adobe Experience Platform in Data Science Workspace o importa il codice della ricetta da un repository, come Git, utilizzando l'autenticazione e l'integrazione disponibili tra Git e Data Science Workspace.

Sperimentazione

Data Science Workspace offre un'incredibile flessibilità al processo di sperimentazione. Iniziate con la vostra ricetta. Quindi create un'istanza separata, utilizzando lo stesso algoritmo di base associato a caratteristiche univoche, come i parametri di Hyper-tuning. Potete creare tutte le istanze necessarie, formando e assegnando un punteggio a ciascuna istanza il numero desiderato di volte. Mentre li formi, Data Science Workspace tiene traccia di ricette, istanze di ricette ed istanze formate, insieme alle metriche di valutazione, in modo che non sia necessario.

Operazionismo

Quando sei soddisfatto della tua ricetta, sono solo pochi clic per creare un servizio intelligente. Non è richiesta alcuna codifica: è possibile eseguire questa operazione autonomamente, senza coinvolgere sviluppatori o tecnici. Infine, pubblica il servizio intelligente su Adobe IO ed è pronto per essere utilizzato dal team dedicato all'esperienza digitale.

Miglioramento continuo

Data Science Workspace tiene traccia di dove vengono richiamati i servizi intelligenti e delle relative prestazioni. Quando i dati entrano, potete valutare l'accuratezza intelligente del servizio per chiudere il ciclo e riformare le ricette in base alle necessità per migliorare le prestazioni. Il risultato è un perfezionamento continuo nella precisione della personalizzazione dei clienti.

Accesso a nuove funzioni e set di dati

Gli esperti in materia di dati possono trarre vantaggio dalle nuove tecnologie e set di dati non appena disponibili tramite i servizi Adobe. Grazie a aggiornamenti frequenti, ci occupiamo dell'integrazione di dataset e tecnologie nella piattaforma, per cui non è necessario.

Controllo degli accessi in Data Science Workspace

Il controllo degli accessi per Experience Platform è gestito tramite Adobe Admin Console . Questa funzionalità sfrutta i profili di prodotto in Admin Console, che collegano gli utenti con autorizzazioni e sandbox. Per ulteriori informazioni, consulta la panoramica sul controllo degli accessi.
Per poter utilizzare Data Science Workspace, è necessario abilitare l'autorizzazione "Gestisci Data Science Workspace".
Nella tabella seguente sono riportati gli effetti di tale autorizzazione attivata o disattivata:
Autorizzazione
Abilitato
Disattivato
Gestisci area di lavoro Data Science
Fornisce l'accesso a tutti i servizi in Data Science Workspace.
L'accesso alle API e all'interfaccia utente a tutti i servizi in Data Science Workspace è disattivato. Anche se disabilitato, il routing alle pagine Modelli e Servizi di Area di lavoro dati non è consentito.

Sicurezza e tranquillità

La protezione dei dati è una priorità assoluta per Adobe. Adobe protegge i tuoi dati con processi e controlli di sicurezza sviluppati per contribuire a rispettare gli standard, le normative e le certificazioni accettati dal settore.
La sicurezza è integrata in software e servizi come parte del ciclo di vita sicuro dei prodotti Adobe. Per informazioni sulla sicurezza dei dati e del software Adobe, sulla conformità e altro ancora, visitare la pagina relativa alla sicurezza all'indirizzo https://www.adobe.com/security.html.

Supporto sandbox

Le sandbox sono partizioni virtuali all'interno di una singola istanza di Experience Platform. Ogni istanza della piattaforma supporta una sandbox di produzione e più sandbox non di produzione, ciascuna con una propria libreria di risorse della piattaforma. Le sandbox non di produzione consentono di testare le funzioni, eseguire esperimenti e creare configurazioni personalizzate senza influire sulla sandbox di produzione. Per ulteriori informazioni sulle sandbox, consultate la panoramica delle sandbox.
Al momento, Data Science Workspace presenta due limitazioni sandbox:
  • Le risorse di calcolo sono condivise tra le sandbox di produzione e quelle non di produzione. L'isolamento per le sandbox di produzione sarà disponibile in futuro.
  • I carichi di lavoro Scala/Spark e PySpark per notebook e ricette sono attualmente supportati solo nella sandbox di produzione. Il supporto per sandbox non destinate alla produzione verrà impostato in futuro.

Data Science Workspace in azione

Previsioni e approfondimenti forniscono le informazioni necessarie per fornire un'esperienza altamente personalizzata a ogni cliente che visita il tuo sito Web, contatta il tuo call center o partecipa ad altre esperienze digitali. Ecco come si realizza il lavoro quotidiano con Data Science Workspace.

Definire il problema

Tutto inizia con un problema di business. Ad esempio, un call center online ha bisogno di un contesto che li aiuti a trasformare un sentimento negativo del cliente in positivo.
Ci sono un sacco di dati sul cliente. Hanno visitato il sito, messo gli articoli nel loro carrello, e anche gli ordini inseriti. Potrebbero aver ricevuto e-mail, usato buoni o contattato il call center in precedenza. La ricetta, quindi, deve utilizzare i dati disponibili sul cliente e le sue attività per determinare la propensione ad acquistare e consigliare un'offerta che il cliente probabilmente apprezzerà e utilizzerà.
Al momento del contatto del call center, il cliente ha ancora due paia di scarpe nel carrello, ma ha rimosso una camicia. Con queste informazioni, il servizio intelligente potrebbe raccomandare che l'agente del call center offra un coupon per il 20% di sconto sulle scarpe durante la chiamata. Se il cliente utilizza il coupon, tali informazioni vengono aggiunte al set di dati e le previsioni diventano ancora migliori al successivo richiamo del cliente.

Esplorare e preparare i dati

In base al problema aziendale definito, la ricetta dovrebbe esaminare tutte le transazioni web del cliente, incluse visite al sito, ricerche, visualizzazioni di pagina, collegamenti su cui si è fatto clic, azioni sul carrello, offerte ricevute, e-mail ricevute, interazioni con il call center e così via.
Un esperto di dati in genere spende fino al 75% del tempo necessario per creare una ricetta che esplora e trasforma i dati. I dati provengono spesso da più repository e vengono salvati in schemi diversi; per poter creare una ricetta, è necessario combinarli e mapparli.
Se iniziate da zero o configurate una ricetta esistente, iniziate la ricerca dei dati in un catalogo dati centralizzato e standardizzato per la vostra organizzazione, il che semplifica notevolmente la ricerca. Potreste anche scoprire che un altro esperto di dati nella vostra organizzazione ha già identificato un set di dati simile e scegliere di perfezionare tale set di dati invece di iniziare da zero. Tutti i dati in Adobe Experience Platform sono conformi a uno schema XDM standard, eliminando la necessità di creare un modello complesso per unire i dati o ottenere assistenza da un tecnico dei dati.
Se non trovate immediatamente i dati necessari, ma esistono al di fuori di Adobe Experience Platform, è relativamente semplice acquisire set di dati aggiuntivi, che si trasformeranno anche nello schema XDM standard. È possibile utilizzare il blocco appunti Jupyter per semplificare la pre-elaborazione dei dati, a partire da un modello di blocco appunti o da un blocco appunti precedentemente utilizzato per la propensione all'acquisto.

Creazione della ricetta

Se avete già trovato una ricetta che soddisfa tutte le vostre esigenze, potete passare alla sperimentazione. Oppure, puoi modificare un po' la ricetta o crearne una da zero, sfruttando il runtime di authoring di Data Science Workspace in Jupyter Notebook. L’utilizzo del runtime di authoring consente di utilizzare sia il flusso di lavoro di formazione che il flusso di lavoro di valutazione di Data Science Workspace e di convertire la ricetta in un secondo momento, in modo che possa essere memorizzata e riutilizzata da altri utenti all’interno dell’organizzazione.
Puoi anche importare una ricetta in Data Science Workspace e sfruttare i flussi di lavoro di sperimentazione durante la creazione del servizio intelligente.

Sperimentare con la ricetta

Con una ricetta che incorpora gli algoritmi di machine learning di base, molte istanze di ricette possono essere create con una singola ricetta. Tali istanze di ricette sono denominate modelli. Un modello richiede formazione e valutazione per ottimizzarne l'efficienza operativa e l'efficacia, un processo generalmente costituito da tentativi ed errori.
Durante la formazione dei modelli, vengono generati percorsi di formazione e valutazioni. Data Science Workspace tiene traccia delle metriche di valutazione per ciascun modello univoco e delle relative esecuzioni di formazione. Le metriche di valutazione generate mediante la sperimentazione consentiranno di determinare l'esecuzione della formazione che esegue meglio.
Visita questa sezione per esercitazioni su come formare e valutare i modelli in Data Science Workspace.

Operazionalizzare il modello

Dopo aver selezionato la ricetta più adatta alle esigenze aziendali, puoi creare un servizio intelligente in Data Science Workspace senza dover ricorrere all'assistenza dello sviluppatore. Sono solo un paio di click - non è necessaria la codifica. Un servizio intelligente pubblicato è accessibile ad altri membri dell'organizzazione senza la necessità di ricreare il modello.
Un servizio intelligente pubblicato è configurabile per formarsi automaticamente di tanto in tanto utilizzando nuovi dati man mano che diventano disponibili. In questo modo, il vostro servizio mantiene la sua efficienza e la sua efficacia man mano che il tempo continua.

Passaggi successivi

Data Science Workspace consente di semplificare e semplificare il flusso di lavoro della scienza dei dati, dalla raccolta dei dati agli algoritmi fino ai servizi intelligenti, per gli esperti di dati di tutti i livelli di competenza. Con gli strumenti sofisticati di Data Science Workspace, puoi ridurre notevolmente il tempo dai dati agli approfondimenti.
Ancora più importante, Data Science Workspace mette la scienza dei dati e le funzionalità di ottimizzazione algoritmica della piattaforma di marketing leader di Adobe nelle mani degli esperti aziendali in materia di dati. Per la prima volta, le aziende possono implementare algoritmi proprietari sulla piattaforma, sfruttando le potenti funzionalità di machine learning e AI di Adobe per offrire esperienze cliente altamente personalizzate su vasta scala.
Grazie all'esperienza acquisita con il marchio, all'apprendimento automatico di Adobe e al potere di intelligenza artificiale, le aziende hanno il potere di incrementare il valore aziendale e la fedeltà al marchio dando ai clienti ciò che desiderano, prima che lo richiedano.
Per ulteriori informazioni, ad esempio un flusso di lavoro giornaliero completo, consultare la documentazione dettagliata relativa a Data Science Workspace .

Risorse aggiuntive

Il seguente video è stato progettato per consentire agli utenti di comprendere meglio l’area di lavoro di analisi dei dati.