推出适用于Databricks的Salesforce自定义模型功能
内容提要
Salesforce和Databricks宣布战略合作，允许数据科学家和机器学习工程师将Salesforce的客户数据和业务能力与Databricks的高级分析和人工智能能力集成。该合作使得在Databricks中构建、训练和部署定制的人工智能模型成为可能，这些模型可以无缝集成到Salesforce中，以提供个性化的客户体验。合作提供了数据收集和摄取、强大的人工智能工具和MLOps，以及将机器学习模型集成到业务流程中的能力。提供了多种使用案例，包括销售效率、交易预测、服务敏捷性、客户细分、客户旅程预测、产品推荐和需求预测。为了简化流程，Salesforce和Databricks提供了一个解决方案加速器，指导用户完成创建ML流水线并将其部署到Salesforce应用程序中的步骤。
延伸解读
集成流程的关键步骤
该集成通过Salesforce Data Cloud收集并映射数据，再使用Python SDK连接器在Databricks中访问Salesforce数据模型对象，与湖仓数据结合进行特征工程和模型训练。模型在Unity Catalog注册后，通过Databricks Model Serving创建端点，最后在Einstein 1 Studio的模型构建器中注册为Databricks模型，即可在Salesforce应用中使用。
核心能力如何解决常见痛点
集成针对机器学习工作流中的三个常见挑战：数据收集与摄取方面，将Salesforce数据与Databricks湖仓中的企业数据结合；AI工具与MLOps方面，利用Unity Catalog和MLflow实现集中治理和生命周期管理；模型集成方面，通过几次点击即可将模型嵌入销售、服务或营销等业务流程。
典型业务用例概览
文章列举了多个用例，包括销售效率（基于历史数据优先处理高转化线索）、交易预测与下一步最佳行动、服务敏捷性（自动案例路由、情感分析）、客户细分、客户旅程预测、产品推荐和需求预测。这些用例覆盖销售、服务、营销和商务场景，旨在提升客户体验和业务效率。
如何快速上手
Salesforce和Databricks提供了BYOM解决方案加速器，包含一系列笔记本和说明，引导用户完成从Salesforce Data Cloud和Databricks湖仓集成数据、创建ML流水线到部署模型并集成到Salesforce应用的完整步骤。示例基于虚构公司Northern Trail Outfitters，使用Customer 360数据预测产品偏好以提供个性化推荐。
Q&A
Salesforce与Databricks的合作有什么主要功能？
该合作推出了Salesforce自带模型（BYOM）集成，允许用户在Databricks中构建、训练和部署定制的人工智能模型，并将其无缝集成到Salesforce中。
如何在Databricks中使用Salesforce的数据？
用户可以通过Salesforce数据云收集数据，并使用Python SDK连接器访问Salesforce数据模型对象，将其与Databricks Lakehouse中的其他数据结合进行分析。
这个集成如何提高销售效率？
集成允许使用AI模型基于历史销售数据和客户互动来优先考虑最有可能转化的潜在客户，从而提高销售效率。
有哪些具体的使用案例可以通过这个集成实现？
使用案例包括销售效率、交易预测、客户细分、客户旅程预测、产品推荐和需求预测等。
如何快速将训练好的模型注册到Salesforce中？
用户可以通过Einstein 1 Studio的模型构建器快速注册训练好的模型，并将其作为新的Databricks模型集成到Salesforce中。
Salesforce Databricks BYOM解决方案加速器的作用是什么？
解决方案加速器提供了一系列笔记本和说明，指导用户创建ML流水线并将其部署到Salesforce应用程序中，以加快模型投入生产的速度。
