Tableau-CRM-Einstein-Discovery-Consultant日本語 無料問題集「Salesforce Tableau CRM Einstein Discovery Consultant (Tableau-CRM-Einstein-Discovery-Consultant日本語版)」

（A）ストーリー改善のためのアインシュタインの推奨事項。最も強力な予測変数を削除するための推奨がない場合、ストーリーには重要な予測変数は含まれず、弱い (おそらく無関係な) 用語のみが含まれます。

（B）ストーリー設定で、予測フィールドの強度が計算され、視覚化されます。コンサルタントは、それに応じて予測フィールドのリストを並べ替えることができます。

（C）モデル展開ウィザードで実行可能なフィールドを選択するとき

（D）[モデル メトリック] セクション。上位の予測子がリストされます。

（A）セキュリティ述語を使用して、返される行をフィルタリングします。

（B）アクセスを防ぐために、各行に手動でフラグを追加します。

（C）JSONファイルから制限された行を削除します。

（D）微妙な思考制御を使用します。

（A）A and B

（B）B and C

（C）Low-fuel notifications

（D）Access to the API

（E）Sharing of apps with Communities

（A）4 つの分析レンズを作成し、アカウント レコード ページに埋め込みます。

（B）ダッシュボードを作成し、アカウント レコード ページに埋め込みます。

（C）ダッシュボードを作成し、表示されたアカウントに基づいたフィルターを使用してアカウント レコード ページに埋め込みます。

（D）アカウント マネージャーが探索するためのデータセットを作成します。

（A）デスクトップを念頭に置いてダッシュボードを設計し、一貫性を保つためにモバイル デバイスにも同じレイアウトを使用します。

（B）グラフは、結論を説明するものではなく、ユーザーが質問できるようにするために使用します。

（C）さまざまな種類のグラフを使用して、ダッシュボードを興味深く魅力的なものにします。

（D）ウィジェットのアクションと探索を制限して、ユーザーが高レベルの情報のみに集中できるようにします。

（A）結果のバインド

（B）セレクションバインディング

（C）データバインディング

（D）説明バインディング

（A）ライン

（B）メトリックレーダー

（C）ゲージ

（D）ヒートマップ

（A）フィールドのフォーマットを変更する

（B）上記のすべて

（C）フィールドのタイプを変更します

（D）フィールド名を変更する

（A）1つのダッシュボードで許可されるグラフの数

（B）定義された目標を最もよくサポートするために使用するチャート

（C）ヘッダーと本文に使用するフォント

（D）使用する色とその使用方法

（A）はい。共線変数が削除されていない場合、EinsteinDiscoveryモデルのビルドは失敗します。

（B）いいえ。アインシュタインディスカバリーは共線性の影響を受けないため、ストーリーと後続のモデルは問題ありません。

（C）はい。すべての共線変数が除外されていない場合、モデルは過剰に適合し、意味がありません。

（D）いいえ。できるだけ早く共線性を排除するのが理想的ですが、アインシュタインはビルド後に警告を発し、リッジ回帰は共線性の過剰適合を防ぎます。

（A）5

（B）1

（C）4

（D）2

（A）3

（B）1

（C）2

（D）0

（A）データフローで、OpportunityTeamMemberオブジェクトを抽出し、結合フィールドとして'Opportunityld'を使用してOpportunityオブジェクトで拡張し、次のセキュリティ述語を適用します：'OpportunityTeamMember.Userld'=="$User.Id"。

（B）データフローで、AccountTeamMemberオブジェクトを抽出し、結合フィールドとして「Accountld」を使用してOpportunityオブジェクトで拡張し、次のセキュリティ述語を適用します：「AccountTeamMember.Userld」==「$User.Id」。

（C）共有継承を適用​​します。

（D）SalesforceアカウントとOpportunityオブジェクトの間にマスター/詳細関係を作成します。

（A）「違いは何ですか」洞察は、説明変数とストーリーの目標（目標結果変数）との関係をよりよく理解するのに役立つ比較洞察です。これらの洞察は、データセットの統計分析に基づいており、結果変数の最大の変化に寄与する要因を特定するのに役立ちます。Einstein Discoveryは、ウォーターフォールチャートを使用して、What Is TheDifferenceInsightsで比較を視覚化するのに役立ちます。

（B）「予測と改善」の洞察は、将来何が起こるかを探るのに役立ちます。たとえば、「ストーリー内のwhat if分析をインタラクティブに実行できます。EinsteinDiscoveryは、データセットの統計分析と予測分析に基づいて予測と提案された改善を提供します。これらの洞察を視覚化するために、EinsteinDiscoveryは以下を使用します。
-予測のためのウォーターフォールチャート
-提案された改善のための棒グラフ

（C）「何が起こったのか」の洞察はあなたの物語の主要な洞察です。これらは、データセットの統計分析に基づいて、y/Qの概要レベルで結果に貢献した要因を調査するのに役立つ説明的な洞察です。.Einstein Discoveryは棒グラフを使用して、何が起こったのかを視覚化するのに役立ちます。

（D）「なぜそれが起こったのか」という洞察は、結果につながった正確な要因をより深く調べるのに役立ちます。なぜそれが起こったのかs/Qの洞察は、ストーリーの目標に貢献したさまざまな要因をより深く掘り下げます。これらの洞察は、データセットの統計分析に基づいています。Einstein Discoveryは、ウォーターフォールチャートを使用して、なぜそれが起こったのかを視覚化するのに役立ちます。

（A）偽

（B）真

（A）1,000

（B）10,000

（C）50,000

（D）20,000