Panoramica di Data Science Workspace
NOTEAdobe Experience Platform Data Science Workspace utilizza l'apprendimento automatico e l'intelligenza artificiale per ottenere informazioni dai tuoi dati. Integrato in Adobe Experience Platform, Data Science Workspace consente di effettuare previsioni utilizzando i contenuti e i dati delle risorse nelle soluzioni Adobe.
I data scientist di tutti i livelli di competenza troveranno strumenti sofisticati e facili da utilizzare che supportano lo sviluppo rapido, la formazione e il tuning delle ricette di apprendimento automatico, tutti vantaggi della tecnologia di intelligenza artificiale, senza la complessità.
Con Data Science Workspace, i data scientist possono creare facilmente API di servizi intelligenti basate sull'apprendimento automatico. Questi servizi funzionano con altri servizi di Adobe, tra cui Adobe Target e Adobe Analytics Cloud, per aiutarti ad automatizzare esperienze digitali personalizzate e mirate nelle app web, desktop e mobili.
Questa guida fornisce una panoramica dei concetti chiave relativi a Data Science Workspace.
Introduzione
Le aziende odierne danno la massima priorità al data mining per previsioni e approfondimenti che le aiuteranno a personalizzare le esperienze dei clienti e a fornire più valore ai clienti e al business.
Per quanto importante, passare dai dati alle informazioni può comportare costi elevati. In genere, per sviluppare modelli di apprendimento automatico, o ricette, che alimentano i servizi intelligenti, è necessario ricorrere a data scientist qualificati che conducano ricerche di dati intensive e dispendiose in termini di tempo. Il processo è lungo, la tecnologia è complessa e i data scientist competenti possono essere difficili da trovare.
Con Data Science Workspace, Adobe Experience Platform ti consente di portare un'intelligenza artificiale incentrata sull'esperienza in tutta l'azienda, semplificando e accelerando il trasferimento dei dati a insights-to-code con:
- Un framework di apprendimento automatico e runtime
- Accesso integrato ai dati memorizzati in Adobe Experience Platform
- Schema dati unificato basato su Experience Data Model (XDM)
- La potenza di elaborazione essenziale per l’apprendimento automatico/IA e la gestione di grandi set di dati
- Ricette di apprendimento automatico precompilate per accelerare il passaggio alle esperienze basate sull’intelligenza artificiale
- Authoring semplificato, riutilizzo e modifica di ricette per data scientist di vari livelli di competenza
- Pubblicazione e condivisione di servizi intelligenti in pochi clic, senza dover ricorrere a uno sviluppatore, e monitoraggio e aggiornamento per l’ottimizzazione continua di esperienze cliente personalizzate
I data scientist di tutti i livelli di competenza otterranno informazioni approfondite prima possibile ed esperienze digitali più efficaci.
Introduzione
Prima di approfondire i dettagli di Data Science Workspace, ecco un breve riepilogo dei termini chiave:
| Termine | Definizione |
|---|---|
| Data Science Workspace | Data Science Workspace all'interno di Experience Platform consente ai clienti di creare modelli di apprendimento automatico che utilizzano i dati in Experience Platform e nelle soluzioni Adobe per generare informazioni e previsioni intelligenti che consentano di creare esperienze digitali piacevoli per gli utenti finali. |
| Intelligenza artificiale | L'intelligenza artificiale è una teoria e uno sviluppo di sistemi informatici che sono in grado di eseguire compiti che normalmente richiedono intelligenza umana, come la percezione visiva, il riconoscimento vocale, il processo decisionale e la traduzione tra lingue diverse. |
| Apprendimento automatico | L'apprendimento automatico è il campo di studio che consente ai computer di apprendere senza essere esplicitamente programmati. |
| Framework Sensei ML | Sensei ML Framework è un framework di apprendimento automatico unificato in Adobe che sfrutta i dati su Experience Platform per consentire ai data scientist di sviluppare servizi di intelligence basati sull'apprendimento automatico in modo più veloce, scalabile e riutilizzabile. |
| Experience Data Model | Experience Data Model (XDM) è l'impegno di standardizzazione condotto da Adobe per definire schemi standard come Profile e ExperienceEvent per la gestione della customer experience. |
| JupyterLab | JupyterLab è un'interfaccia Web open source per Project Jupyter ed è strettamente integrata in Experience Platform. |
| Ricette | Una ricetta è il termine di Adobe per una specifica di modello ed è un contenitore di livello superiore che rappresenta un apprendimento automatico specifico, un algoritmo di intelligenza artificiale o un insieme di algoritmi, una logica di elaborazione e una configurazione necessarie per creare ed eseguire un modello addestrato e quindi contribuire a risolvere problemi di business specifici. |
| Modello | Un modello è un’istanza di una ricetta di apprendimento automatico che viene addestrata utilizzando dati e configurazioni storici per risolvere un caso d’uso aziendale. |
| Addestramento | La formazione è il processo di apprendimento dei pattern e delle informazioni dai dati etichettati. |
| Modello addestrato | Un modello addestrato rappresenta l’output eseguibile di un processo di apprendimento del modello, in cui un set di dati di addestramento è stato applicato all’istanza del modello. Un modello addestrato 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 addestrato possono essere tracciate come nuova versione. |
| Punteggio | Il punteggio è il processo di generazione di informazioni dai dati utilizzando un modello addestrato. |
| Servizio | Un servizio implementato espone funzionalità di un’intelligenza artificiale, un modello di apprendimento automatico o un algoritmo avanzato tramite un’API in modo che possa essere utilizzato da altri servizi o applicazioni per creare app intelligenti. |
Il grafico seguente illustra la relazione gerarchica tra le composizioni, i modelli, le esecuzioni di formazione e le esecuzioni di punteggio.
Comprensione di Data Science Workspace
Con Data Science Workspace, i data scientist possono semplificare il complicato processo di ricerca di informazioni in set di dati di grandi dimensioni. Basato su un framework e un runtime di apprendimento automatico comuni, Data Science Workspace offre gestione avanzata del flusso di lavoro, gestione dei modelli e scalabilità. I servizi intelligenti supportano il riutilizzo di formule di apprendimento automatico per potenziare una serie di applicazioni create utilizzando prodotti e soluzioni Adobe.
Accesso ai dati unico
I dati sono la pietra angolare dell’intelligenza artificiale e dell’apprendimento automatico.
Data Science Workspace è completamente integrato con Adobe Experience Platform, incluso Data Lake, Real-Time Customer Profile e Unified Edge. Esplora tutti i dati organizzativi memorizzati in Adobe Experience Platform contemporaneamente, insieme a big data comuni e librerie di apprendimento profondo, come Spark ML e TensorFlow. Se non trovi ciò che ti serve, acquisisci i tuoi set di dati utilizzando lo schema XDM standardizzato.
Ricette di apprendimento automatico precompilate
Data Science Workspace include formule di apprendimento automatico predefinite per esigenze aziendali comuni, come la previsione delle vendite al dettaglio e il rilevamento delle anomalie, in modo che data scientist e sviluppatori non debbano iniziare da zero. Attualmente sono disponibili tre ricette: previsione di acquisto prodotto, consigli prodotto e vendite al dettaglio.
Se preferisci, puoi adattare una ricetta predefinita alle tue esigenze, importare una ricetta o iniziare da zero per creare una ricetta personalizzata. Tuttavia, una volta che hai preparato e ottimizzato una ricetta, la creazione di un servizio intelligente personalizzato non richiede uno sviluppatore, ma richiede solo pochi clic e sei pronto per creare un’esperienza digitale mirata e personalizzata.
Flusso di lavoro incentrato sul data scientist
Qualunque sia il tuo livello di competenza in materia di data science, Data Science Workspace ti consente di semplificare e accelerare il processo di ricerca di informazioni approfondite nei dati e di applicarle alle esperienze digitali.
Esplorazione dei dati
Trovare i dati giusti e prepararli è la parte più laboriosa della creazione di una ricetta efficace. Data Science Workspace e Adobe Experience Platform ti aiuteranno a passare più rapidamente dai dati agli approfondimenti.
In Adobe Experience Platform, i dati cross-channel sono centralizzati e memorizzati nello schema standardizzato XDM, in modo che siano più facili da trovare, comprendere e pulire. Un singolo archivio di dati basato su uno schema comune può consentirti di risparmiare innumerevoli ore di esplorazione e preparazione dei dati.
Durante l'esplorazione, utilizzare R, Python o Scala con Jupyter Notebook integrato e in hosting per sfogliare il catalogo di dati su Experience Platform. Utilizzando una di queste lingue, è inoltre possibile sfruttare Spark ML e TensorFlow. Iniziare da zero o utilizzare uno dei modelli di blocco appunti forniti per problemi di business specifici.
Come parte del flusso di lavoro di esplorazione dei dati, puoi anche acquisire nuovi dati o utilizzare funzioni esistenti per facilitare la preparazione dei dati.
Authoring
Con Data Science Workspace puoi decidere come creare le ricette.
- Risparmia tempo cercando una ricetta predefinita che soddisfi le tue esigenze aziendali e che puoi utilizzare così come è o configurare per soddisfare esigenze specifiche.
- Crea una ricetta da zero, utilizzando il runtime di authoring in Jupyter Notebook per sviluppare e registrare la ricetta.
- Caricare una ricetta creata all'esterno di Adobe Experience Platform in Data Science Workspace o importare il codice della ricetta da un repository, ad esempio Git, utilizzando l'autenticazione e l'integrazione disponibili tra Git e Data Science Workspace.
Sperimentazione
Data Science Workspace offre una flessibilità straordinaria nel processo di sperimentazione. Inizia con la tua ricetta. Quindi crea un’istanza separata, utilizzando lo stesso algoritmo di base associato a caratteristiche univoche, ad esempio i parametri di hyper-tuning. Puoi creare tutte le istanze necessarie, addestrando e assegnando a ogni istanza il numero di volte desiderato. Durante la formazione, Data Science Workspace tiene traccia di ricette, istanze di ricette e istanze formate, insieme alle metriche di valutazione, in modo da non doverlo fare.
Operazionalizzazione
Quando sei soddisfatto della tua ricetta, sono solo pochi clic per creare un servizio intelligente. Non è richiesta alcuna codifica: puoi farlo autonomamente, senza coinvolgere uno sviluppatore o un ingegnere. Infine, pubblica il servizio intelligente in Adobe IO ed è pronto per essere utilizzato dal team di esperienza digitale.
Miglioramento continuo
Data Science Workspace tiene traccia di dove vengono richiamati i servizi intelligenti e delle relative prestazioni. Man mano che i dati entrano in funzione, puoi valutare la precisione del servizio intelligente per chiudere il ciclo e riqualificare le ricette in base alle esigenze per migliorare le prestazioni. Il risultato è un continuo perfezionamento nella precisione della personalizzazione del cliente.
Accesso a nuove funzioni e set di dati
I data scientist possono sfruttare le nuove tecnologie e i nuovi set di dati non appena sono disponibili tramite i servizi Adobe. Attraverso frequenti aggiornamenti, facciamo il lavoro di integrazione di set di dati e tecnologie nella piattaforma, quindi non è necessario.
Sicurezza e tranquillità
La protezione dei dati è una priorità fondamentale per Adobe. Adobe protegge i dati con processi e controlli di sicurezza sviluppati per garantire la conformità agli standard, alle normative e alle certificazioni accettati dal settore.
La sicurezza è integrata nel software e nei servizi come parte del ciclo di vita sicuro dei prodotti Adobe.
Per informazioni sulla sicurezza dei dati e del software di Adobe, sulla conformità e altro ancora, visita la pagina dedicata alla sicurezza all’indirizzo https://www.adobe.com/security.html.
Data Science Workspace in azione
Le previsioni e le informazioni forniscono le informazioni necessarie per fornire un’esperienza altamente personalizzata a ogni cliente che visita il sito web, contatta il call center o si impegna in altre esperienze digitali. Ecco come avviene il tuo 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 contesto per aiutarli a trasformare un sentimento negativo del cliente in positivo.
Ci sono molti dati sul cliente. Hanno navigato nel sito, inserito articoli nel carrello e persino effettuato ordini. Potrebbero aver ricevuto e-mail, utilizzato coupon 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 consigliare all’agente del call center di offrire 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 la prossima volta che il cliente chiama.
Esplorare e preparare i dati
In base al problema di business definito, sai che la ricetta deve esaminare tutte le transazioni web del cliente, incluse visite al sito, ricerche, visualizzazioni di pagina, collegamenti selezionati, azioni del carrello, offerte ricevute, e-mail ricevute, interazioni con i call center e così via.
In genere, un data scientist impiega fino al 75% del tempo necessario per creare una ricetta per l’esplorazione e la trasformazione dei dati. I dati spesso provengono da più archivi e vengono salvati in schemi diversi; devono essere combinati e mappati prima di poter essere utilizzati per creare una ricetta.
Se inizi da zero o configuri una ricetta esistente, inizia la ricerca dei dati in un catalogo dati centralizzato e standardizzato per la tua organizzazione, il che semplifica notevolmente la ricerca. Potresti anche notare che un altro data scientist della tua organizzazione ha già identificato un set di dati simile e scegliere di perfezionarlo invece di iniziare da zero.
Tutti i dati in Adobe Experience Platform sono conformi a uno schema XDM standardizzato, eliminando la necessità di creare un modello complesso per unire i dati o ottenere assistenza da un data engineer.
Se i dati necessari non vengono trovati immediatamente, ma si trovano al di fuori di Adobe Experience Platform, è relativamente semplice acquisire set di dati aggiuntivi, che si trasformeranno anche nello schema XDM standardizzato.
È possibile utilizzare Jupyter Notebook per semplificare la pre-elaborazione dei dati, partendo probabilmente da un modello di blocco appunti o da un blocco appunti utilizzato in precedenza per la propensione all'acquisto.
Creare la ricetta
Se hai già trovato una ricetta che soddisfa tutte le tue esigenze, puoi passare alla sperimentazione. In alternativa, è possibile modificare un po' la ricetta o crearne una da zero, sfruttando il runtime di authoring Data Science Workspace in Jupyter Notebook. L'utilizzo del runtime di authoring consente di utilizzare il flusso di lavoro di formazione e punteggio di Data Science Workspace e di convertire la ricetta in un secondo momento, in modo che possa essere memorizzata e riutilizzata da altri utenti dell'organizzazione.
È inoltre possibile importare una ricetta in Data Science Workspace e sfruttare i flussi di lavoro di sperimentazione durante la creazione del servizio intelligente.
Sperimentate la ricetta
Con una ricetta che incorpora i tuoi algoritmi di apprendimento automatico di base, molte istanze di ricetta possono essere create con una singola ricetta. Queste istanze di ricette sono denominate modelli. Un modello richiede formazione e valutazione per ottimizzarne l'efficienza operativa e l'efficacia, un processo tipicamente costituito da tentativi ed errori.
Durante l’addestramento dei modelli, vengono generate le esecuzioni dei corsi di formazione e le valutazioni. Data Science Workspace tiene traccia delle metriche di valutazione per ogni modello univoco e delle relative esecuzioni di addestramento. Le metriche di valutazione generate tramite la sperimentazione ti consentiranno di determinare l’esecuzione del corso di formazione con le prestazioni migliori.
Visita l'esercitazione API o UI su come addestrare e valutare i modelli in Data Science Workspace.
Operazionalizzare il modello
Dopo aver selezionato la ricetta più adatta per soddisfare le esigenze aziendali, è possibile creare un servizio intelligente in Data Science Workspace senza l'assistenza degli sviluppatori. Sono sufficienti un paio di clic, non è richiesta alcuna codifica. Un servizio intelligente pubblicato è accessibile agli altri membri dell’organizzazione senza la necessità di ricreare il modello.
Un servizio intelligente pubblicato è configurabile per addestrarsi automaticamente di tanto in tanto utilizzando i nuovi dati man mano che diventano disponibili. In questo modo l'efficienza e l'efficacia del servizio vengono mantenute con il passare del tempo.
Passaggi successivi
Data Science Workspace consente di semplificare e semplificare il flusso di lavoro della data science, dalla raccolta di dati agli algoritmi fino ai servizi intelligenti per data scientist di tutti i livelli di competenza. Con gli strumenti sofisticati forniti da Data Science Workspace, è possibile ridurre in modo significativo il tempo che intercorre tra i dati e le informazioni.
Inoltre, Data Science Workspace mette le funzionalità di data science e ottimizzazione algoritmica della piattaforma di marketing leader di Adobe nelle mani di data scientist di livello enterprise. Per la prima volta, le aziende possono implementare algoritmi proprietari nella piattaforma, sfruttando le potenti funzionalità di machine learning e AI di Adobe per fornire ai clienti esperienze altamente personalizzate su vasta scala.
Con la combinazione di competenze del brand e apprendimento automatico e capacità di intelligenza artificiale di Adobe, le aziende hanno la possibilità di promuovere più valore e fedeltà al brand offrendo ai clienti ciò che desiderano, prima che lo richiedano.
Per ulteriori informazioni, ad esempio un flusso di lavoro giornaliero completo, leggere la documentazione di Data Science Workspace.
