Создание бизнес-процесса с использованием модели машинного обучения

С помощью бизнес-процессов вы можете контролировать процесс прогнозирования, управляя временем запуска и количеством обрабатываемых данных. Используйте элемент «Прогнозировать данные» для интеграции моделей машинного обучения в уже существующие бизнес-процессы или создания новых.

Рассмотрим пример по созданию и настройке бизнес-процесса с использованием ML-модели.

Пример. Если от контрагента категории «А» поступил лид с высоким предиктивным рейтингом, т. е. с высокой вероятностью заключения сделки, необходимо уведомить руководителя группы менеджеров, назначив ему задачу.

Схема такого бизнес-процесса может выглядеть следующим образом:

Рисунок 1 — Реализация примера бизнес-процесса с использованием ML-модели

Для реализации примера выполните следующие шаги:

1. Перейдите в раздел «Библиотека процессов» из дизайнера системы  или рабочего места «Конструктор».
2. Нажмите кнопку «Добавить процесс». Откроется дизайнер бизнес-процессов.
3. В настройках бизнес-процесса укажите его название и уникальный код в поле «Имя».

Рисунок 2 — Настройки бизнес-процесса

4. Добавьте на схему бизнес-процесса начальные события — два стартовых сигнала на изменение и добавление лида.

Один из элементов «Сигнал» должен получать сигналы от объекта «Лид» на изменения значения поля «Контрагент» в записях. Другой элемент должен получать сигналы на добавление новых записей в объект «Лид».

Рисунок 3 — Параметры стартовых сигналов бизнес-процесса

Установите одинаковые условия для записей: контрагент для лида задан и его категория равна «А»:

Рисунок 4 — Условия записи лида при его добавлении или изменении

5. Добавьте на схему бизнес-процесса элемент «Читать данные» для идентификации записи лида. По этой записи далее будет выполняться расчет предиктивного рейтинга.

В блоке фильтрации укажите Id записей лидов, по которым может быть инициирован бизнес-процесс, — это параметры элементов «Сигнал» (см. шаг 4).

Рисунок 5 — Добавление Id записей лидов, для которых требуется прогнозирование данных

6. Добавьте на схему элемент «Прогнозировать данные» для вызова модели машинного обучения и укажите следующие настройки:
• «Модель машинного обучения» — для реализации текущего примера необходимо выбрать предварительно обученную модель «Предиктивный скоринг: Лиды (Управление продажами + Управление маркетингом)»;
• «Какой режим прогнозирования использовать?» — выберите значение «Прогнозирование для одной записи»;

Рисунок 6 — Настройки элемента «Прогнозировать данные» для вызова ML-модели

• «По какой записи выполнить прогнозирование?» — в поле укажите параметр элемента «Читать данные» (см. шаг 5): идентификатор (Id) лида, для которого будет выполняться расчет предиктивного рейтинга.

Рисунок 7 — Добавление параметра процесса

7. Добавьте на схему элемент «Читать данные», который будет получать данные лида после выполненного расчета предиктивного рейтинга. В условиях фильтрации укажите Id записи, по которой выполнено прогнозирование — это параметр элемента «Прогнозировать данные» (см. шаг 6).

Рисунок 8 — Настройка элемента «Читать данные» для получения данных лида после прогнозирования

8. Добавьте на схему логический оператор «Исключающее "ИЛИ"», из которого должны исходить следующие потоки:
   • Условный поток — условие для перехода: предиктивный рейтинг лида должен быть ≥ 70. В настройках потока задайте условие с помощью формул: укажите параметр элемента «Читать данные» (см. шаг 7) — числовое поле «Предиктивный рейтинг». С помощью оператора >= сравните предиктивный рейтинг со значением 70:

Рисунок 9 — Настройка условия перехода с помощью формул

• Поток по умолчанию — поток выполняется в случае, если переход по условному потоку невозможен. В текущем примере, если предиктивный рейтинг лида < 70, то никаких действий совершать не требуется и бизнес-процесс завершается. Для этого соедините логический оператор «Исключающее "ИЛИ"» с завершающим событием «Остановить» потоком по умолчанию.

9. Добавьте элемент «Читать данные» и соедините его с логическим оператором «Исключающее "ИЛИ"» условным потоком.

Данный элемент будет получать данные контрагента, связанного с лидом. Это необходимо, чтобы использовать данные контрагента для создания задачи на руководителя группы менеджеров.

В условиях фильтрации укажите, что лид существует по колонке «Контрагент» и Id лида — это Id записи, по которой выполнялся расчет предиктивного рейтинга.

Рисунок 10 — Настройка элемента «Читать данные» для получения данных контрагента

10. Добавьте на схему следующий элемент «Выполнить задачу» для автоматического создания активности. Задача назначается руководителю группы менеджеров в случае, если поступил лид с высоким предиктивным рейтингом от контрагента категории «А».

Укажите следующие настройки элемента:

• «Что нужно сделать?» — название задачи. С помощью формул добавьте название контрагента, по которому пришел такой лид. Для этого текст задачи заключите в кавычки и укажите параметр элемента «Читать данные» для получения данных контрагента (см. шаг 9) — его названия. Соедините текстовое значение и параметр с помощью оператора +;

Рисунок 11 — Настройка названия задачи с помощью формул

• «Кто выполняет задачу?» — выберите значение «Роль»;
• «Роль» — укажите роль руководителя группы менеджера;

Рисунок 12 — Настройки элемента «Выполнить задачу»

• В блоке «Связи активности» добавьте связь с контрагентом лида. Для этого укажите параметр элемента «Читать данные» (см. шаг 9)— Id записи контрагента.

Рисунок 13 — Связь задачи с контрагентом лида

11. Для сохранения настроенного бизнес-процесса нажмите кнопку «Сохранить».

После сохранения бизнес-процесс добавляется в библиотеку процессов.

При изменении или добавлении лида с контрагентом категории «А» инициируется бизнес-процесс, который рассчитывает предиктивный рейтинг лида. Если спрогнозированное значение больше или равно 70, то для руководителя группы менеджеров автоматически формируется задача. Ее можно просмотреть в коммуникационной панели. Подробнее о работе с задачами по бизнес-процессам смотрите в статье Задачи по бизнес-процессам.

Рисунок 14 — Созданная задача по лиду с высоким предиктивным рейтингом, поступившего от контрагента категории «А»

Рекомендуем изучить

Онлайн-курс «Предиктивная аналитика, возможности машинного обучения в BPMSoft»
Модели машинного обучения
Лицензирование моделей машинного обучения
Обучение модели