La nouvelle release de Salesforce est maintenant disponible ! (Summer’22)
Elle offre une panoplie de nouvelles fonctionnalités très intéressantes.
Cette nouvelle version couvre tous les domaines présents sur Salesforce.
A travers cet article, nous avons choisi de présenter le top 10 de ces nouvelles fonctionnalités pour le côté analytique.
1. Einstein Discovery : clustering de texte
Cette fonctionnalité permet de traiter des données brutes sous format textes pour révéler les principaux mots-clés. Ces données peuvent provenir d’un web scrapping des publications des réseaux sociaux, des questionnaires de satisfaction clients ou encore des avis publiés par les clients sur une entreprise donnée.
La méthode utilisée est le text clustering; un concept qui permet de révéler les principaux mots-clés d’un texte. L’objectif est d’extraire rapidement des informations cachées, pour améliorer la prise de décision.
Pour utiliser cette fonction, il suffit d’utiliser la transformation ‘text clustering’(1) dans les paramètres de la story.
En choisissant bien évidemment la variable adéquate (2).
Ci-dessous un exemple de la manipulation à réaliser :
2. Une meilleure gestion des prédictions grâce à l’amélioration du panneau de configuration
La nouvelle release permet une simplification de la configuration des paramètres de prédiction grâce à la mise à jour de l’interface du ‘Model Manager’. Ce dernier est maintenant par un panneau de configuration qui permet d’afficher les paramètres du modèle et de les changer.
Pour réaliser cette manipulation, il suffit d’ouvrir le Model Manager et de sélectionner les paramètres de prédiction.
Ci-dessous un exemple :
3. Intégration d’une fonctionnalité qui permet de gérer les problèmes de qualité des données lors de la création des story
Einstein Discovery intègre une nouvelle fonctionnalité pour gérer les problèmes de qualité de données en amont et avant la création de la story. Ce nouvel outil permet de détecter automatiquement les incohérences de la data directement lors de la sélection des variables du modèle. Ce nouveau paramétrage permet un gain de temps non négligeable.
En effet, les précédentes versions gèrent la Data Quality après la création de la story, ce qui nous oblige à la réexécuter.
Pour utiliser cette fonctionnalité, il suffit de créer une story à partir d’un Dataset, et de sélectionner configuration manuelle des paramètres des colonnes :
4. Mise à jour de la gestion des variables date lors de la création des stories
Einstein Discovery ne permet plus de choisir la transformation qu’on veut appliquer lors de la création des stories pour les variables prenant comme entrées des dates.
Ces dernières sont maintenant traitées par défaut en une transformation mois de l’année “Month of the Year”.
Pour une analyse plus poussée de ces variables, il suffit de modifier la base de données à la source en utilisant le Data Recipe.
5. Une meilleure gestion des valeurs manquantes lors de la création des stories
En statistiques, les données manquantes ou les valeurs manquantes se produisent lorsqu’aucune valeur de données n’est représentée par une variable pour une observation. Trop de valeurs manquantes provenant de données inconnues peuvent réduire drastiquement la qualité du modèle de Machine Learning.
Avec Einstein Discovery, nous pouvons maintenant imputer les valeurs numériques manquantes dans notre jeu de données. Par exemple, les données manquantes peuvent être maintenant remplacées par la moyenne ou le mode (La valeur la plus représentée d’une variable donnée).
Pour utiliser cette fonctionnalité, il suffit de sélectionner les valeurs manquantes d’une variable dans les paramètres d’une story (1) et de cliquer sur “replace Missing Values” (2)
6. Analytics Home : la nouvelle page d’accueil pour les rapports et tableaux de bord (Beta)
Analytics Home est la nouvelle page d’accueil pour les rapports et tableaux de bord Lightning.
C’est à cet endroit que tous les rapports et autres analyses sont organisés dans une expérience cohérente et transparente. Parmi les améliorations, nous pouvons citer une meilleure expérience d’exploration grâce à un moteur de recherche revue et une meilleure organisation du contenu.
7. Une meilleure connexion entre CRM Analytics et Slack
La connexion entre CRM Analytics et Slack facilite l’accès aux analyses pour une collaboration accrue entre les différents utilisateurs. Cet outil permet de partager et de collaborer en toute sécurité les données de CRM Analytics dans Slack. Tout une panoplie de notifications permettent de rester à jour sur toutes les mises à jour publiées par les utilisateurs.
8. Combiner des enregistrements non liés avec un cross join
Le cross join rejoint la panoplie de jointure que nous pouvons réaliser dans le Recipes.
Pour rappel, les jointures suivantes sont déjà disponibles : Left join, Right join, Inner join et Full outer join .
Le left join inclut toutes les lignes à gauche et uniquement les lignes correspondantes à droite. Cette jointure inclut toutes les lignes correspondantes dans la cible lorsque plusieurs lignes correspondantes existent.
L’exemple ci-dessous montre les deux tables de départ (à gauche). Une fois le left join réalisé, nous obtenons la table de droite :
Le right join inclut toutes les lignes à droite et uniquement les lignes correspondantes à gauche. Cette jointure inclut toutes les lignes correspondantes dans la cible lorsque plusieurs lignes correspondantes existent.
L’exemple ci-dessous montre les deux tables de départ (à gauche). Une fois le right join réalisé, nous obtenons la table de droite.
L’Inner join inclut uniquement les lignes correspondantes à gauche et à droite. Cette jointure inclut toutes les lignes correspondantes dans la cible lorsque plusieurs lignes correspondantes existent.
L’exemple ci-dessous montre les deux tables de départ (à gauche). Une fois l’inner join réalisé, nous obtenons la table de droite :
Le full outer join inclut toutes les lignes de table A et de la table B, qu’elles correspondent ou non.
L’exemple ci-dessous montre les deux tables de départ (à gauche). Une fois le full outer join réalisé, nous obtenons la table de droite.
Enfin, Le cross join (intégré dans le release été 2022) permet de retourner chaque ligne d’une table avec les lignes d’une autre table. Ce type de jointure est aussi appelé produit cartésien.
Ci-dessous un exemple de cette jointure :
Les tables de gauche sont nos deux tables de départ. Une fois le cross join réalisé, nous obtenons la table de droite
9. Simplification de l’analyse des données Google BigQuery
L’analyse des données Google BigQuery devient native. Cela permet d’éviter les tracas liés à l’intégration des données Google BigQuery dans Salesforce et à leur préparation avant de pouvoir les explorer et les analyser. Nous pouvons maintenant analyser les données en temps réel, les mettre sous forme de tableaux de bord et les visualiser dans des graphiques.
Pour analyser nos données dans Google BigQuery, il suffit de sélectionner les paramètres dans Analytics et de cliquer sur “Enable Direct Data for external data sources”
10. Transformation des Dataflow en Recipes (Beta)
Cette fonctionnalité permet de transformer les “Dataflows” en “Recipes” en un clic.
Nous pouvons par exemple déplacer nos anciens “Dataflow” vers des “Recipes” pour utiliser les dernières fonctionnalités de préparation des données telles que les jointures, les agrégats, la détection des sentiments, etc.
Lors de la transformation en “Recipes”, les anciens Dataflows peuvent être sauvegardés et restaurés lors d’une prochaine manipulation.
L’utilisation de cette nouvelle fonctionnalité se fait à travers le “data Manager” en sélectionnant “Convert to Recipe”
Voilà, c était notre top 10 des fonctionnalités de la release ’22 de Salesforce, côté analytique !
Si vous avez des questions, notre équipe d’intégrateurs Salesforce sera ravie de vous orienter.
Vous pouvez également retrouver notre 10 des fonctionnalités plus générales ici.
A très bientôt,
Mourad AINOUCHE