Salesforce einstein analytics platform review & rating

Salesforce Analytics, som är en relativt nykomling i BI-utrymmet för självbetjäning, är en svit med flera olika produkter. Först och främst är den artificiella intelligensen (AI) -baserade Salesforce Einstein Analytics-plattformen (som börjar på $ 75 per användare per månad). Medan analysen främst är inriktad på gruvdrift av kund- och försäljningsdata, kan data från andra källor också anslutas till verktyget. Mycket få BI-produkter i dag ansluter till Salesforce. Redaktörens val IBM Watson Analytics är helt integrerad vad gäller kapacitet. Det enda stället som det senare kommer att falla för vissa är i dess datavisualiseringsfunktioner (mer om det senare).

Bland andra fördelar gör fördubblingen av prediktiv analys från denna kombinationsdans Watson-Einstein-dans Einstein ser ut som en lysande artist. Men tyvärr måste varje danspartner bedömas utifrån sin egen repertoar. Och det är vad jag ska göra här.

Först en titt på Salesforce Analytics-sortimentet. Grundläggande analyser är gratis. För mer avancerad analys finns det Sales Analytics-applikationen för Sales Cloud, prissatt till $ 75 per användare per månad. Sedan finns Service Analytics-appen för Service Cloud, som också är prissatt till $ 75 per användare per månad.

Överst i sortimentet är Salesforce Einstein Analytics-plattformen (även prissatt, som tidigare nämnts, till $ 75 per användare per månad), som inkluderar försäljnings- och serviceappar plus en mängd andra funktioner. Dessa funktioner inkluderar förmågan att analysera data från alla källor (upp till 100 miljoner datarader är annonserade men vi får se), möjligheten att skapa ett obegränsat antal anpassade appar, mallar för att bygga appar och instrumentpaneler och obegränsad utbildning online.

Jag har täckt Salesforce sedan debuten på marknaden som en SaaS-mjukvara som Software-as-a-Service (ren spel) i en tid då CRM (Customer Relationship Management) var lite mer än en förtjusad kontakthanteringsprodukt i en låda. Precis som då sätter Salesforce sin syn på att leda marknaden genom att göra saker annorlunda. Men nu är det inte då, och den här gången är inte Salesforce den första på dansgolvet. Det är dock bara fashionabelt sent eftersom Einstein följer bara några månader efter IBMs Watson. Einstein är imponerande och kraftfull och när den används med Salesforce-data i i synnerhet uppfyller eller överträffar behoven hos ungefär hälften av alla företagsanvändare - hälften som är fokuserade på kunder, marknadsföring och försäljning. Det kan vara användbart för andra användare också; det är bara att försäljning och marknadsföring har alltid varit Salesforce's sweet spot och det är det fortfarande.

Salesforce Einstein Analytics-plattformen använder maskininlärning (ML) men inte djup inlärning. Det är inte riktigt kognitiv beräkning (det vill säga AI) precis som Watson inte är det. Men Salesforce som företag fortsätter att visa affärsskick i en egen liga. Företaget är villigt att bilda partnerskap (främst den fulla Watson-integrationen) för att säkerställa en rak väg för att möjliggöra ökningen av medborgarnas dataanalytiker - den heliga gralen för den självbetjäningsanalysindustrin. Fortfarande har Salesforce Einstein Analytics-plattformen sina gränser och förvirringspunkter.

Komma igång

Du hittar vägen till ett provkonto genom att välja och följa ett spår från många. En "trail" i detta fall är Salesforce talar för en "inlärningsväg" eller en "inlärningsspår. Det är därför de kallar sina partners" Trailblazers. "Jag tyckte att den här vägen initialt var besvärlig och en tidsavlopp. Jag föredrar att klicka på en "Prövningskonto" -knappen eller registreringssidan och gå vidare med arbetet. Det hjälpte inte att jag till och med bad talspersonen att skicka mig referenser och en länk för ett testkonto för den här granskningen, och hon skickade mig två eller tre spår att följa i stället.

Talesmannen berättade äntligen att att följa en spår skulle leda till bildandet av ett försökskonto. Medan hon var väldigt trevlig och uppenbarligen försökte vara hjälpsam, kändes det som en mycket mer förvirrande installation än vad som är berättigat - särskilt om du siktar på affärsanvändare (även medborgarnas dataanalytiker) som Salesforce hävdar att det är.

Ändå valde jag en spår. Snarare valde jag Salesforce trailhead med namnet "Einstein Discovery Basics" som den hjälpsamma talesman riktade mig mot och sa att detta trailhead är "tänkt för att få affärsanvändare igång snabbt och på egen hand, utan hjälp av en dataanalytiker." Det enklaste trailhead, förmodligen.

Se och se, trailhead var verkligen bra. Jag skapar enkelt och snabbt kontot och importerade data genom att följa de lättförståliga instruktionerna på trailhead. Så okej, trailhead-konceptet fungerar. Men jag förstår fortfarande inte hur användare ska hitta och sedan bestämma vilken spår de ska följa för att komma dit de vill vara. Jag sökte online efter "Salesforce trailheads" och fick en lång lista. Jag har ändå ingen aning om att välja om det inte finns en praktisk talesman i närheten för att berätta.

Ett försiktighetsord för att följa mig längs detta spår: Observera att du inte kan använda en befintlig Developer Edition (DE) org som du har i Salesforce. Istället måste du registrera dig för en ny (instruktionerna på detta trailhead kommer att berätta hur) eftersom du behöver den begränsade analyslicensen i den nya DE org.

När det gäller min erfarenhet, flera humlor och famlar senare, lyckades jag navigera till landningssidan i den nya DE org. Där klickade jag på appstartaren och sökte sedan efter och klickade för att starta Einstein Discovery-appen. Men ingenting hände förrän jag tillät pop-ups i min webbläsare. Så se till att göra det.

När Einstein Discovery-appen var öppen, klickade jag på plattan märkt "CSV" och laddade mina data (samma datauppsättningar som jag använde för att granska konkurrerande produkter i denna kategori) lätt nog. Men sedan svarade Salesforce Einstein Analytics-plattformen med "Överskrider maximalt tillåtna rader (91 980 hittade). Endast de sista 50, 001 raderna kommer att behandlas." Det sorgliga är att det gav mig den varningen efter att jag bara hade laddat två filer på cirka 30 rader. Det andra tråkiga är att Salesforce annonserar Einstein som kan hantera "upp till 100M datarader", men det är helt klart inte det som skärmdumpen visar (se ovan). Einstein varnade mig också för "Stora numeriska värden som finns i kolumnen." Till vilket jag säger "Ja och ?!" Grrr, Einstein ville att "fixas" till dess gränser också.

Det noterade andra problem med uppgifterna som uppgick till att jag genomförde standardförberedande åtgärder. Ett sådant problem var att datum och tid var båda närvarande i samma kolumn. Endera av dessa värden kan lätt ignoreras eller data rensas upp. Ingen biggie där. Begränsningen av datastorlek är en mycket större oro.

Detta presenterar en enorm röd flagga för mig. Men det kan vara mindre eller mer alarmerande för dig beroende på storleken och / eller konfigurationen för de data du försöker arbeta med. Om du bara använder Salesforce-data är det allt bra eftersom de två är tänkta att arbeta tillsammans! Om du använder andra data också, titta först på det problemet först.

För denna översyns skull valde jag att använda provdatauppsättningen som tillhandahålls av Salesforce i trailhead snarare än att konfigurera mina datauppsättningar för att minska antalet rader för att passa systemets gränser (det finns bara så mycket tidssugga man måste behöva håller i processen att välja eller betygsätta en produkt, tror du inte?) På med recensionen, då.

Upptäcktsprocessen

I likhet med flera BI-appar, särskilt SAP Analytics Cloud, ber Salesforce Einstein Analytics-plattformen dig att skapa en berättelse. Det är ett bra tillvägagångssätt eftersom människor i allmänhet intar och behåller historier bättre än siffror. Plattor presenteras för att hjälpa mig konfigurera allt som jag vill ha det innan jag trycker på knappen "Skapa historia". (Ja, det här är build-a-query-scenen.)

När jag väl har tryckt på den knappen tar systemet bara några sekunder att analysera uppgifterna och returnera en storied instrumentpanel till mig. På den instrumentbrädan finns mycket information (mer än jag kan visa dig i en enda skärmdump) och lite text som anger vad som hände enligt detta datauppsättning .

Vidare på dra ner menyn under "Rekommenderade insikter om" som läses här som "Vad hände" är val att upptäcka "Vad förändrades med tiden", "Varför det hände", "Vad kan hända" och "Hur kan jag förbättra det?"

Det är naturligtvis exakt de frågor som en erfaren dataanalytiker skulle ställa. Men här är det också paketerat på ett sätt som en nybörjare, medborgare dataanalytiker enkelt kan göra frågan. Hela denna upptäcktprocess som syftar till att vara användbar och användbar för alla, på nästan vilken nivå som helst, är helt enkelt lysande.

Det här där Salesforce Einstein Analytics-plattformens kanter stängs, men inte vid klassens chef. Watson äger fortfarande detta utrymme på grund av dess förmåga att analysera större datamängder av både strukturerad och ostrukturerad data och att fråga på naturligt språk utöver de allmänna (men mycket viktiga) frågor som Salesforce erbjuder här. Detta är långt ifrån de svårare att lära sig, SQL-orienterade BI-plattformar, till exempel Chartio.

Men om du arbetar med strukturerad data i ett format som är vänligt med Salesforce Einstein Analytics-plattformen (se till exempel antalet rader) och söker främst insikter relaterade till försäljning, marknadsföring och kundrelationer / kundupplevelse, då kommer du förmodligen att älska Salesforce Einstein Analytics-plattformen.

Datavisualiseringar

Jag tyckte att alternativet "Spela sammanfattning" på instrumentpanelen är en unik funktion, men jag är inte säker på hur många användare som vill att Salesforce Einstein Analytics-plattformen ska läsa resultaten för dem. Du kan också "anpassa" berättelsen, som är tummen upp eller tummen ner rösta på rader i rapporten. Det är dock inte klart till vilket slut. Du kan dock dela och exportera historien också direkt från instrumentpanelen och det är alltid till hjälp.

När det gäller korrekt visualisering, det är en annan historia än du ser i andra analysappar. I korthet väljer du inte riktigt visualiseringar i Salesforce Einstein Analytics-plattformen. Du ändrar frågan och Einstein väljer automatiskt den visualisering som bäst visar svaret.

Innan du märker detta som en kreativ orättvisa, kom ihåg att slutmålet är att tillhandahålla analyser är användbar för och användbar för affärsmassorna - de flesta av dem kan antas bry sig lite om visualiseringsval. Men om du verkligen bryr dig om att ha en fullständig palett med visualiseringar till hands, är du troligtvis inte nöjd med Salesforce Einstein Analytics-plattformens automatiserade, grundläggande skärmar och rapporter.

Även om det kan begränsa Einsteins potential för vissa, kan du tänka dig att ta allt detta och integrera det helt med IBM Watson. Om du har budgeten har Salesforce och IBM gjort en affär som möjliggör det här alternativet. Resultatet är en kombinerad produkt som är jävligt tuff att slå av någon annan i fältet. Se upp världen: Dessa två partners är ljusår framåt i datadokratiseringsloppet.