一、分析数据并构建预测模型
分析工具概览（上）
Data 360 把原始业务数据转化为可操作智能，但你仍然需要分析这些数据。以下工具提供与 Data 360 配套的各种分析功能：
- Tableau Next：Tableau Next 的 agentic 分析在工作发生的任何地方提供个性化、上下文相关、可操作的洞察。Tableau Next、Tableau Semantics 和 Data 360 作为一个互联生态系统协同工作，释放数据价值。三者原生构建进 Salesforce 并与 Agentforce 集成，让任何团队都能快速发现分析洞察以做出战略决策。
- Tableau：一个完整、灵活的分析平台，用交互式可视化协调、管理和探索数据。你可以在 Tableau 平台中组合和管理来自多个来源的数据。
分析工具概览（下）
- Data 360 报告与仪表板：使用 Data 360 报告在单个或多个相关的数据模型对象（DMO）、语义模型或计算洞察上创建标准报告。你还可以基于 DMO 字段和记录构建自定义报告类型，在仪表板中可视化 Data 360 报告的 KPI 和趋势。
- CRM Analytics：借助 CRM Analytics Direct Data for Data 360，你无需先加载、准备 Data 360 或创建实时数据集，就能把数据分析操作化。把 Data 360 记录嵌入任何 Salesforce 对象的 CRM Analytics 仪表板，通过两平台间的单点登录实时运行查询，直接从仪表板过滤、深入并操作记录。
- Marketing Cloud Intelligence：连接、协调、可视化营销数据并采取行动，优化活动表现，实时发现并执行洞察。
- Service Intelligence：数据驱动方案，展示关键的联络中心绩效指标，包含 Data 360、CRM Analytics 和 Einstein Conversation Mining，帮助服务团队改善运营、降低成本。
关于 Tableau Semantics
Tableau Semantics 是集成进 Data 360 的、强大的 AI 语义层，把你的数据翻译成熟悉的业务术语和逻辑。你可以对组织内通过 Data 360 访问的任何数据使用 Tableau Semantics。
在 Data 360 之上创建语义模型和语义定义，就能获得与业务目标关联的更好数据。测试语义模型，复制生成的 SQL 查询用于其他分析或商业智能（BI）工具。
总之，借助 Tableau Semantics，你可以集中可信数据，并扩展其在 Salesforce 应用、分析工具和 AI 中的使用；同时，内置的 AI 辅助通过消除额外工具和手动流程来降低 IT 开销。
AI Models：你的 AI 大本营
你的业务数据可以帮助 AI 预测未来结果并驱动组织决策。但如何让 AI 识别、呈现和可视化 Data 360 数据中的洞察？答案就是 AI Models（原 Einstein Studio）——它是 Data 360 中的 AI 大本营，让你访问所有数据（无论数据类型或存放位置）。
使用点击而非代码，AI Models 让你轻松用 AI 增强商业智能，快速创建和使用生成模型、预测和改进。例如，你可以创建一个分析客户行为的模型，预测哪些潜在客户最可能购买（购买倾向评分），让销售团队有效聚焦努力。
AI Models 让这些预测变得简单、易用且可信——它直接集成进你的 Data 360 环境，因此处于 Einstein 信任层之下。
使用 AI Models 的三种方式
AI Models 提供三种使用模型的方式：
- 从头创建预测 AI 模型：没有专业技术专长的业务用户，可以直接在现有 Data 360 数据上构建、部署和激活机器学习模型。
- 自带模型（BYOM，Bring Your Own Model）：把在外部平台（如 Amazon SageMaker、Google Cloud Vertex AI 或 Databricks）构建的预测 AI 模型直接连接到 Data 360。连接后，这些外部模型的预测可以跨 Salesforce 无缝使用，把客户洞察带入每个触点。
- 自带大语言模型（BYOLLM，Bring Your Own LLM）：把 BYOM 概念扩展到生成式 AI，允许你添加托管在外部平台的基础模型，连接到 AI Models 来驱动你的生成式 AI 方案。
下一步
在本模块中，你探索了可用于分析数据、发现洞察的工具，也学习了 Tableau Semantics 和 AI Models 的功能。
接下来，继续学习报告相关内容、深入了解 Tableau Semantics，并完成一个专注于在 AI Models 中构建预测模型的项目。