A. 데이터 세트에 대한 하나의 맞춤형 앱을 만들고 이를 "뷰어"로서 마케팅 및 영업과 공유합니다.

B. 두 개의 사용자 정의 앱을 만듭니다. 하나는 마케팅이 "뷰어"인 마케팅 대시보드용이고 다른 하나는 판매가 "뷰어"인 판매 대시보드용입니다. 두 맞춤형 앱 모두에 대한 참조로 데이터세트를 추가합니다.

C. 세 가지 사용자 지정 앱을 만듭니다. 하나는 마케팅이 "뷰어"인 마케팅 대시보드용, 하나는 매출이 "뷰어"인 영업 대시보드용, 다른 하나는 마케팅 및 영업이 "뷰어"인 데이터 세트용입니다.

D. 데이터 세트를 복제하고 두 개의 사용자 지정 앱을 만듭니다. 하나는 마케팅 대시보드 및 마케팅이 "편집기"인 데이터 세트용이고 다른 하나는 영업 대시보드 및 판매가 "편집기"인 데이터 세트용입니다.

A. 이 데이터 세트는 너무 커서 Einstein Discovery에서 사용할 수 없습니다. 더 적은 수의 예측변수가 포함된 새 데이터세트를 요청하세요.

B. 모든 예측 변수를 사용하여 스토리를 구축하고 Einstein Discovery가 최고의 예측 변수를 표시해야 함을 나타냅니다.

C. 데이터 준비로 돌아가서 스토리를 생성하기 위해 필드 수를 30개 미만으로 줄입니다.

D. 첫 번째 예측 변수 세트로 스토리를 구축하고 어떤 예측 변수가 스토리에 중요한지 평가합니다. 그런 다음 덜 중요한 예측 변수를 삭제하고 첫 번째 실행에서 생략된 예측 변수를 추가하고 그 영향을 평가합니다.

A. 데이터 흐름을 실행하는 사용자는 필드에 액세스할 수 없습니다.

B. 필드에 Salesforce의 데이터가 포함되어 있지 않습니다.

C. "통합 사용자 프로필"에는 필드에 대한 액세스 권한이 없습니다.

D. ""보안 사용자 프로필"에는 필드에 대한 액세스 권한이 없습니다.

A. Analytics REST API를 사용하고 -query" 리소스를 활용합니다.

B. 데이터 세트를 CSV 파일로 내보내고 외부 데이터베이스에 로드합니다.

C. 데이터 세트를 XLS 파일로 내보내고 Excel용 Einstein Analytics 커넥터를 사용합니다.

D. Analytics 외부 데이터 API를 사용하고 "쿼리" 리소스를 활용합니다.

A. 이 스토리를 취소하고 데이터세트를 다시 정의합니다.

B. 프로모션 유지; 이는 실행 가능한 변수이며, 이것이 없으면 규범적 조치를 권장할 수 없습니다.

C. 보유 금액; 거래 규모를 모르면 성사될지 예측하기 어렵습니다.

D. 아무것도 하지 마세요. 비슷해 보이지만 비즈니스 관점에서는 차이가 있을 수 있습니다.