Das Verständnis von Geschäftstrends, Kundenverhalten, Verkaufserlösen, steigender Nachfrage und Käuferneigung beginnt mit Daten. Das Erkunden, Analysieren, Interpretieren und Auffinden von Trends in Daten ist für Unternehmen von entscheidender Bedeutung, um erfolgreiche Ergebnisse zu erzielen.
Geschäftsanalysten spielen eine entscheidende Rolle bei der Erleichterung datengesteuerter Geschäftsentscheidungen durch Aktivitäten wie die Visualisierung von Geschäftskennzahlen und die Vorhersage zukünftiger Ereignisse. Eine schnelle Iteration und eine schnellere Wertschöpfung können erreicht werden, indem diesen Analysten ein visuelles Business Intelligence (BI)-Tool für einfache Analysen zur Verfügung gestellt wird, das durch Technologien wie maschinelles Lernen (ML) unterstützt wird.
Amazon QuickSight ist ein vollständig verwalteter, cloudnativer BI-Dienst, der es einfach macht, eine Verbindung zu Ihren Daten herzustellen, interaktive Dashboards und Berichte zu erstellen und diese mit Zehntausenden von Benutzern zu teilen, entweder in QuickSight oder eingebettet in Ihre Anwendung oder Website. Amazon SageMaker-Leinwand ist eine visuelle Schnittstelle, die es Geschäftsanalysten ermöglicht, selbst genaue ML-Vorhersagen zu generieren, ohne dass ML-Erfahrung erforderlich ist oder eine einzige Codezeile geschrieben werden muss.
In diesem Beitrag zeigen wir, wie Sie Vorhersage-Dashboards in QuickSight mithilfe von ML-basierten Vorhersagen von Canvas veröffentlichen können, ohne Vorhersagen explizit herunterzuladen und in QuickSight zu importieren. Diese Lösung hilft Ihnen, Vorhersagen von Canvas an QuickSight zu senden und ermöglicht Ihnen so eine beschleunigte Entscheidungsfindung mithilfe von ML, um effektive Geschäftsergebnisse zu erzielen.
Lösungsüberblick
In den folgenden Abschnitten besprechen wir Schritte, die Administratoren dabei helfen, die richtigen Berechtigungen zu konfigurieren, um Benutzer nahtlos von Canvas zu QuickSight umzuleiten. Anschließend erläutern wir detailliert, wie ein Modell erstellt und Vorhersagen ausgeführt werden, und demonstrieren die Erfahrung eines Business-Analysten.
Voraussetzungen:
Für die Umsetzung dieser Lösung sind folgende Voraussetzungen erforderlich:
Stellen Sie sicher, dass Sie denselben QuickSight-Bereich wie Canvas verwenden. Sie können die Region ändern, indem Sie über das Profilsymbol in der QuickSight-Konsole navigieren.
Administrator-Setup
In diesem Abschnitt beschreiben wir die Schritte zum Einrichten von IAM-Ressourcen, zum Vorbereiten der Daten, zum Trainieren der Daten mit dem Trainingsdatensatz und zum Ableiten des Validierungsdatensatzes. Anschließend senden wir die Daten zur weiteren Analyse an QuickSight.
Erstellen Sie eine neue IAM-Richtlinie für den QuickSight-Zugriff
Führen Sie die folgenden Schritte aus, um eine IAM-Richtlinie zu erstellen:
- Wählen Sie in der IAM-Konsole Richtlinien im Navigationsbereich.
- Auswählen Richtlinie erstellen.
- Auf dem JSON Geben Sie auf der Registerkarte die folgende Berechtigungsrichtlinie in den Editor ein:
Einzelheiten zur IAM-Richtliniensprache finden Sie unter Referenz zur IAM-JSON-Richtlinie.
- Auswählen Weiter: Tags.
- Sie können der Richtlinie Metadaten hinzufügen, indem Sie Tags als Schlüssel-Wert-Paare anhängen und dann auswählen Weiter: Überprüfen.
Weitere Informationen zur Verwendung von Tags in IAM finden Sie unter Markieren von IAM-Ressourcen.
- Auf dem Richtlinien überprüfen Geben Sie auf der Seite einen Namen ein (z. B.
canvas-quicksight-access-policy
) und eine optionale Beschreibung der Richtlinie. - Überprüfen Sie die Zusammenfassung Abschnitt, um die Berechtigungen anzuzeigen, die durch Ihre Richtlinie gewährt werden.
- Auswählen Richtlinie erstellen um Ihre Arbeit zu speichern.
Nachdem Sie eine Richtlinie erstellt haben, können Sie sie an Ihre Ausführungsrolle anhängen, die Ihren Benutzern die erforderlichen Berechtigungen zum Senden von Batchvorhersagen an Benutzer in QuickSight gewährt.
Hängen Sie die Richtlinie an Ihre Studio-Ausführungsrolle an
Um die Richtlinie an Ihre Studio-Ausführungsrolle anzuhängen, führen Sie die folgenden Schritte aus:
- Wählen Sie in der SageMaker-Konsole Domains im Navigationsbereich.
- Wählen Sie Ihre Domäne.
- Auswählen Domain-Einstellungen.
- Kopieren Sie den Rollennamen unten Ausführungsrolle.
- Wählen Sie in der IAM-Konsole Rollen im Navigationsbereich.
- Geben Sie in der Suchleiste die von Ihnen kopierte Ausführungsrolle ein und wählen Sie dann die Rolle aus.
- Navigieren Sie auf der Seite für die Rolle des Benutzers zu Berechtigungsrichtlinien .
- Auf dem Berechtigungen hinzufügen Menü, wählen Sie Richtlinien anhängen.
- Suchen Sie nach der zuvor erstellten Richtlinie (
canvas-quicksight-access-policy
), wählen Sie es aus und wählen Sie Berechtigungen hinzufügen.
Jetzt ist Ihrer Ausführungsrolle eine IAM-Richtlinie zugeordnet, die Ihren Benutzern die erforderlichen Berechtigungen zum Senden von Batchvorhersagen an Benutzer in QuickSight gewährt.
Laden Sie die Datensätze herunter
Laden wir die Datensätze herunter, die wir zum Trainieren des Modells und zum Treffen der Vorhersagen verwenden:
Erstellen Sie ein Modell und führen Sie Vorhersagen aus
In diesem Abschnitt behandeln wir, wie wir ein Modell erstellen und Vorhersagen für den Kreditdatensatz treffen können. Anschließend senden wir die Daten an das QuickSight-Dashboard, um Geschäftseinblicke zu erhalten.
Leinwand starten
Um Canvas zu starten, führen Sie die folgenden Schritte aus:
- Wählen Sie in der SageMaker-Konsole Domains im Navigationsbereich.
- Wählen Sie Ihre Domäne.
- Auf dem Einführung Menü, wählen Sie Canvas.
Laden Sie Trainings- und Validierungsdatensätze hoch
Führen Sie die folgenden Schritte aus, um Ihre Datensätze auf Canvas hochzuladen:
- Wählen Sie auf der Canvas-Startseite die Option aus Datensätze.
- Auswählen
Daten importieren, dann hochladen
lending_club_loan_data_train.csv
undlending_club_loan_data_test.csv
. - Auswählen Speichern und schließen, Dann wählen Daten importieren.
Jetzt erstellen wir ein neues Modell.
- Auswählen Meine Modelle im Navigationsbereich.
- Auswählen Neues Modell.
- Geben Sie einen Namen für Ihr Modell ein (
Loan_Prediction
) und wähle Erstellen.
Wenn Sie zum ersten Mal ein Canvas-Modell erstellen, werden Sie von einem informativen Popup begrüßt, das Ihnen erklärt, wie Sie in vier einfachen Schritten Ihr erstes Modell erstellen. Sie können dies durchlesen und dann zu diesem Leitfaden zurückkehren.
- In der Modellansicht auf der Auswählen Registerkarte, wählen Sie die
lending_club_loan_data_train
Datensatz.
Dieser Datensatz hat 18 Spalten und 32,000 Zeilen.
- Auswählen Datensatz auswählen.
- Auf dem Bauen wählen Sie in unserem Fall die Zielspalte aus
loan_status
.
Canvas erkennt automatisch, dass dies ein ist Vorhersage der Kategorie 3+ Probleme (auch bekannt als mehrklassige Klassifizierung).
- Wenn ein anderer Modelltyp erkannt wird, ändern Sie ihn manuell, indem Sie wählen Typ ändern.
- Auswählen Schneller Aufbau, und wählen Sie Starten Sie den Schnellaufbau aus dem Popup.
Sie können auch wählen Standardaufbau, das den gesamten AutoML-Zyklus durchläuft und mehrere Modelle generiert, bevor das beste Modell empfohlen wird.
Jetzt wird Ihr Modell gebaut. Der Schnellaufbau dauert normalerweise 2–15 Minuten.
Nachdem das Modell erstellt wurde, können Sie den Modellstatus auf der finden Analysieren Tab.
Treffen Sie Vorhersagen mit dem Modell
Nachdem wir das Modell erstellt und trainiert haben, können wir Vorhersagen für dieses Modell generieren.
- Auswählen Vorhersagen auf die Analysieren Registerkarte oder wählen Sie die Vorhersagen Tab.
- Führen Sie eine einzelne Vorhersage aus, indem Sie auswählen Einzelne Vorhersage und Bereitstellung von Einträgen.
Auf der rechten Seite der Seite wird die Vorhersage „loan_status“ angezeigt. Sie können die Vorhersage kopieren, indem Sie wählen Kopieren, oder laden Sie es herunter, indem Sie auswählen Vorhersage herunterladen. Dies ist ideal zum Generieren von Was-wäre-wenn-Szenarien und zum Testen, wie sich verschiedene Spalten auf die Vorhersagen unseres Modells auswirken.
- Um Stapelvorhersagen auszuführen, wählen Sie Batch-Vorhersage.
Dies ist am besten geeignet, wenn Sie Vorhersagen für einen gesamten Datensatz treffen möchten. Sie sollten Vorhersagen mit einem Datensatz treffen, der Ihrem Eingabedatensatz entspricht.
Für jede Vorhersage oder jeden Satz von Vorhersagen gibt Canvas die vorhergesagten Werte und die Wahrscheinlichkeit zurück, dass der vorhergesagte Wert korrekt ist.
Lassen Sie uns mithilfe des Validierungsdatensatzes Vorhersagen aus dem trainierten Modell treffen.
- Auswählen Wählen Sie den Datensatz aus.
- Auswählen
lending_club_loan_data_test
und wählen Sie Vorhersagen generieren.
Wenn Ihre Vorhersagen fertig sind, finden Sie sie im Datensatz Abschnitt. Sie können die Vorhersage in der Vorschau anzeigen, auf einen lokalen Computer herunterladen, löschen oder an QuickSight senden.
Senden Sie Vorhersagen an QuickSight
Sie können jetzt Vorhersagen aus diesen ML-Modellen als QuickSight-Datensätze teilen, die als neue Quelle für unternehmensweite Dashboards dienen. Sie können Trends, Risiken und Geschäftschancen analysieren. Durch diese Funktion wird ML für Geschäftsteams zugänglicher, sodass sie die datengesteuerte Entscheidungsfindung beschleunigen können. Durch das Teilen von Daten mit QuickSight-Benutzern werden ihnen Eigentümerberechtigungen für den Datensatz gewährt. Mehrere abgeleitete Datensätze können gleichzeitig an QuickSight gesendet werden.
Beachten Sie, dass Sie Vorhersagen nur an Benutzer im Standard-Namespace des QuickSight-Kontos senden können und der Benutzer in QuickSight über die Rolle „Autor“ oder „Administrator“ verfügen muss. An QuickSight gesendete Vorhersagen sind in derselben Region wie Canvas verfügbar.
- Wählen Sie den abgeleiteten Batch-Datensatz aus und wählen Sie An Amazon QuickSight senden.
- Geben Sie einen oder mehrere QuickSight-Benutzernamen ein, mit denen Sie den Datensatz teilen möchten, und drücken Sie Enter.
- Auswählen Absenden Daten zu teilen.
Nachdem Sie Ihre Batch-Vorhersagen gesendet haben, wird die QuickSight Das Feld für die von Ihnen gesendeten Datensätze wird als „Gesendet“ angezeigt.
- Im Bestätigungsfeld können Sie auswählen Öffnen Sie Amazon QuickSight um Ihre QuickSight-Anwendung zu öffnen.
- Wenn Sie mit der Verwendung von Canvas fertig sind, ausloggen der Canvas-Anwendung.
Sie können Stapelvorhersagen für numerische, kategoriale Vorhersage- und Zeitreihenvorhersagemodelle an QuickSight senden. Sie können auch mit dem generierte Vorhersagen senden Bringen Sie Ihr eigenes Modell mit (BYOM)-Methode. Ausgenommen sind Einzeletiketten-Bildvorhersage- und Mehrkategorie-Textvorhersagemodelle.
Die QuickSight-Benutzer, an die Sie Datensätze gesendet haben, können ihre QuickSight-Konsole öffnen und die Canvas-Datensätze anzeigen, die mit ihnen geteilt wurden. Anschließend können sie mit den Daten prädiktive Dashboards erstellen. Weitere Informationen finden Sie unter Erste Schritte mit der Amazon QuickSight-Datenanalyse.
Standardmäßig verfügen alle Benutzer, an die Sie Vorhersagen senden, über Besitzerberechtigungen für den Datensatz in QuickSight. Eigentümer können Analysen erstellen, Datensätze aktualisieren, bearbeiten, löschen und erneut freigeben. Die Änderungen, die Eigentümer an einem Datensatz vornehmen, ändern den Datensatz für alle Benutzer mit Zugriff. Um die Berechtigungen zu ändern, gehen Sie in QuickSight zum Datensatz und verwalten Sie seine Berechtigungen. Weitere Informationen finden Sie unter Anzeigen und Bearbeiten der Berechtigungsbenutzer, für die ein Datensatz freigegeben ist.
Erfahrung als Business-Analyst
Mit QuickSight können Sie Ihre Daten visualisieren, um sie besser zu verstehen. Wir beginnen damit, einige allgemeine Informationen einzuholen.
- Wählen Sie in der QuickSight-Konsole Datensätze im Navigationsbereich.
- Erstellen Sie eine Analyse für den von Canvas freigegebenen Batch-Vorhersagedatensatz, indem Sie auswählen Analyse erstellen im Dropdown-Optionsmenü (drei vertikale Punkte).
- Wählen Sie auf der Analyseseite den Blattnamen aus und benennen Sie ihn in „Kreditdatenanalyse“ um.
Lassen Sie uns ein Bild erstellen, um die Anzahl nach Kreditstatus anzuzeigen.
- Aussichten für Visuelle Typen, wählen Donut-Diagramm.
- Verwenden Sie das
loan_status
Feld für Gruppe / Farbe.
Wir können sehen, dass 99 % vollständig bezahlt sind, 1 % aktuell sind und 0 % abgebucht sind.
Jetzt fügen wir ein zweites Bild hinzu, um die Höhe der Kredite nach Status anzuzeigen.
- Wählen Sie in der oberen linken Ecke das Pluszeichen und wählen Sie Visuell hinzufügen.
- Aussichten für Visuelle Typen, wählen Wasserfallkarte.
- Verwenden Sie das
loan_status
Feld für Kategorie. - Verwenden Sie das
loan_amount
Feld für Wert.
Wir können sehen, dass der Gesamtkreditbetrag etwa 88 Millionen US-Dollar beträgt, wobei etwa 221,000 US-Dollar abgebucht wurden.
Versuchen wir, einige Risikofaktoren für den Ausfall von Krediten zu ermitteln.
- Wählen Sie das Pluszeichen und wählen Sie aus Visuell hinzufügen.
- Aussichten für Visuelle Typen, wählen Horizontales Balkendiagramm.
- Verwenden Sie das Feld „loan_status“ für Y-Achse.
- Verwenden Sie das Feld „credit_amount“ für Wert.
- ändern Sie die Wert Feldaggregation von Sum zu Durchschnittlich.
Wir können sehen, dass der Kreditbetrag im Durchschnitt für die vollständig abbezahlten Kredite im Vergleich zu den aktuellen Krediten um etwa 3,500 US-Dollar und für die vollständig abbezahlten Kredite im Vergleich zu den abgeschriebenen Krediten um rund 3,500 US-Dollar niedriger war. Es scheint ein Zusammenhang zwischen der Kredithöhe und dem Kreditrisiko zu bestehen.
- Um das Bild zu duplizieren, wählen Sie das Optionsmenü (drei Punkte) und wählen Sie Visuelles duplizieren, und wähle Dieses Blatt.
- Wählen Sie das duplizierte Visual aus, um seine Konfiguration zu ändern.
- Aussichten für Visuelle Typen, wählen Horizontales Balkendiagramm.
- Verwenden Sie das Feld „loan_status“ für Y-Achse.
- Verwenden Sie das Feld „credit_amount“ für Wert.
- ändern Sie die Wert Feldaggregation von Sum zu Durchschnittlich.
Sie können zusätzliche Visuals erstellen, um nach zusätzlichen Risikotreibern zu suchen. Zum Beispiel:
- Kreditlaufzeitz
- Offene Kreditlinien
- Auslastungsgrad der rotierenden Linie
- Gesamtkreditlinien
- Nachdem Sie die Visuals hinzugefügt haben, veröffentlichen Sie das Dashboard mithilfe von Teilen Option auf der Analyseseite und teilen Sie das Dashboard mit den Geschäftsinteressenten.
Aufräumen
Um zukünftige Gebühren zu vermeiden, löschen oder schließen Sie die Ressourcen, die Sie beim Verfolgen dieses Beitrags erstellt haben. Beziehen auf Abmelden von Amazon SageMaker Canvas für weitere Informationen an.
Zusammenfassung
In diesem Beitrag haben wir ein ML-Modell mit Canvas trainiert, ohne eine einzige Codezeile zu schreiben, dank seiner benutzerfreundlichen Schnittstellen und klaren Visualisierungen. Anschließend haben wir in Canvas Einzel- und Batch-Vorhersagen für dieses Modell generiert. Um die Trends, Risiken und Geschäftschancen im gesamten Unternehmen zu bewerten, haben wir die Vorhersagen dieses ML-Modells an QuickSight gesendet. Als Business-Analysten haben wir verschiedene Visualisierungen erstellt, um die Trends in QuickSight zu bewerten.
Diese Funktion ist in allen Regionen verfügbar, in denen Canvas jetzt unterstützt wird. Mehr erfahren Sie auf der Leinwand zur Produktseite und Dokumentation.
Über die Autoren
Ajjay Govindaram ist Senior Solutions Architect bei AWS. Er arbeitet mit strategischen Kunden zusammen, die KI/ML einsetzen, um komplexe Geschäftsprobleme zu lösen. Seine Erfahrung liegt in der Bereitstellung von technischer Anleitung sowie Designunterstützung für bescheidene bis große KI/ML-Anwendungsbereitstellungen. Sein Wissen reicht von Anwendungsarchitektur bis hin zu Big Data, Analytik und maschinellem Lernen. Er genießt es, Musik zu hören, während er sich ausruht, die Natur zu erleben und Zeit mit seinen Lieben zu verbringen.
Varun Metha ist Lösungsarchitekt bei AWS. Es ist ihm eine Leidenschaft, Kunden beim Aufbau gut strukturierter Unternehmenslösungen in der AWS Cloud zu unterstützen. Er arbeitet mit strategischen Kunden zusammen, die KI/ML zur Lösung komplexer Geschäftsprobleme einsetzen.
Shyam Srinivasan ist Principal Product Manager im AWS AI/ML-Team und leitet das Produktmanagement für Amazon SageMaker Canvas. Shyam kümmert sich darum, die Welt durch Technologie zu einem besseren Ort zu machen, und ist leidenschaftlich daran interessiert, wie KI und ML auf diesem Weg ein Katalysator sein können.
- SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
- PlatoAiStream. Web3-Datenintelligenz. Wissen verstärkt. Hier zugreifen.
- Die Zukunft prägen mit Adryenn Ashley. Hier zugreifen.
- Kaufen und verkaufen Sie Anteile an PRE-IPO-Unternehmen mit PREIPO®. Hier zugreifen.
- Quelle: https://aws.amazon.com/blogs/machine-learning/publish-predictive-dashboards-in-amazon-quicksight-using-ml-predictions-from-amazon-sagemaker-canvas/
- :hast
- :Ist
- :Wo
- $3
- $UP
- 000
- 10
- 100
- 11
- 12
- 15%
- 20
- 500
- 7
- 8
- 9
- a
- Fähig
- Über Uns
- beschleunigen
- beschleunigt
- Zugang
- zugänglich
- Konto
- genau
- Erreichen
- erreicht
- über
- Action
- Aktivitäten
- hinzufügen
- Zusätzliche
- Administrator
- Administratoren
- Anhäufung
- AI
- AI / ML
- Alle
- erlauben
- ebenfalls
- Amazon
- Amazon QuickSight
- Amazon Sage Maker
- Amazon SageMaker-Leinwand
- Amazon Web Services
- Betrag
- an
- Analysen
- Analyse
- Analytiker
- Business Analysten
- Analytik
- analysieren
- Analyse
- und
- Ein anderer
- jedem
- Anwendung
- Architektur
- SIND
- um
- AS
- Hilfe
- At
- anhängen
- Autor
- Im Prinzip so, wie Sie es von Google Maps kennen.
- AutoML
- verfügbar
- durchschnittlich
- vermeiden
- AWS
- Zurück
- Bar
- BE
- wird
- war
- Bevor
- Sein
- BESTE
- Besser
- zwischen
- Big
- Big Data
- Box
- bauen
- erbaut
- Geschäft
- Business Intelligence
- Unternehmen
- by
- CAN
- Leinwand
- Häuser
- Katalysator
- Kategorie
- Übernehmen
- Änderungen
- berechnet
- Gebühren
- aus der Ferne überprüfen
- Auswählen
- Auswahl
- klar
- Cloud
- Code
- Kolonne
- Spalten
- wie die
- verglichen
- abschließen
- Komplex
- Konfiguration
- Bestätigung
- Vernetz Dich
- Konsul (Console)
- Ecke
- und beseitigen Muskelschwäche
- Korrelation
- Abdeckung
- erstellen
- erstellt
- Erstellen
- Kredit
- Strom
- Kunde
- Kundenverhalten
- Kunden
- Zyklus
- Armaturenbrett
- technische Daten
- Datenanalyse
- datengesteuerte
- Datensätze
- Decision Making
- Entscheidungen
- Standard
- Demand
- zeigen
- Implementierungen
- Beschreibung
- Design
- Detail
- Details
- erkannt
- anders
- Richtung
- diskutieren
- Domain
- erledigt
- nach unten
- herunterladen
- Treiber
- jeder
- Einfache
- Herausgeber
- bewirken
- Effektiv
- entweder
- eingebettet
- ermöglicht
- ermöglichen
- Enter
- Unternehmen
- Ganz
- essential
- Veranstaltungen
- Beispiel
- ausgeschlossen
- Ausführung
- ERFAHRUNGEN
- erleben
- Möglichkeiten sondieren
- erleichtern
- beschleunigt
- Feld
- Finden Sie
- Suche nach
- Vorname
- erstes Mal
- Folgende
- Aussichten für
- vier
- für
- voll
- weiter
- Zukunft
- erzeugen
- erzeugt
- Erzeugung
- bekommen
- bekommen
- Go
- Goes
- erteilt
- für Balkonkraftwerke Reduzierung
- Guide
- Haben
- mit
- he
- Hilfe
- Unternehmen
- High-Level
- seine
- Startseite
- Ultraschall
- Hilfe
- HTML
- HTTPS
- ICON
- ID
- ideal
- Image
- Impact der HXNUMXO Observatorien
- implementieren
- Einfuhr
- in
- Erhöhung
- Information
- informativ
- Varianten des Eingangssignals:
- Einblicke
- Intelligenz
- interaktive
- Schnittstelle
- Schnittstellen
- in
- IT
- Iteration
- SEINE
- Reise
- jpg
- JSON
- Wissen
- bekannt
- Sprache
- großflächig
- starten
- führenden
- LERNEN
- lernen
- liegt
- Gefällt mir
- Line
- Hören
- Darlehen
- Kredite
- aus einer regionalen
- geliebt wird
- senken
- Maschine
- Maschinelles Lernen
- um
- MACHT
- Making
- verwalten
- verwaltet
- Management
- Manager
- manuell
- MENÜ
- Metadaten
- Methode
- Metrik
- Million
- Minuten
- ML
- Modell
- für
- ändern
- mehr
- mehrere
- Musik
- sollen
- Name
- Namen
- Navigieren
- navigieren
- Menü
- notwendig,
- erforderlich
- Neu
- jetzt an
- of
- WOW!
- on
- einmal
- EINEM
- Einsen
- einzige
- XNUMXh geöffnet
- Entwicklungsmöglichkeiten
- Optionen
- or
- UNSERE
- Ergebnisse
- im Freien
- besitzen
- Eigentümer
- Besitzer
- Seite
- bezahlt
- Paare
- Brot
- leidenschaftlich
- Berechtigungen
- zentrale
- Ort
- Plato
- Datenintelligenz von Plato
- PlatoData
- Play
- erfahren
- Datenschutzrichtlinien
- Pop-up
- Post
- vorhergesagt
- Prognose
- Prognosen
- Danach
- Voraussetzungen
- Presse
- Vorspann
- vorher
- Principal
- Aufgabenstellung:
- Probleme
- Produkt
- Produktmanagement
- Produkt-Manager
- Profil
- Bereitstellung
- veröffentlichen
- Direkt
- Lesen Sie mehr
- bereit
- empfehlen
- umleiten
- Region
- Regionen
- Meldungen
- Ressourcen
- Downloads
- Rückgabe
- Einnahmen
- Recht
- Risiko
- Risiken
- Rollen
- Führen Sie
- sagemaker
- Vertrieb
- gleich
- Speichern
- Szenarien
- nahtlos
- Suche
- Zweite
- Abschnitt
- Abschnitte
- sehen
- scheint
- senden
- Senior
- geschickt
- Modellreihe
- brauchen
- Lösungen
- kompensieren
- Teilen
- von Locals geführtes
- ,,teilen"
- Blatt
- sollte
- erklären
- Konzerte
- schließen
- Seite
- Schild
- Einfacher
- Single
- So
- Lösung
- Lösungen
- LÖSEN
- einige
- Quelle
- Ausgabe
- Stakeholder
- Anfang
- begonnen
- Erklärung
- Status
- Shritte
- Strategisch
- Studio Adressen
- erfolgreich
- so
- Unterstützte
- nimmt
- Target
- Team
- Teams
- Technische
- Technologies
- Technologie
- Zehn
- Testen
- Vielen Dank
- zur Verbesserung der Gesundheitsgerechtigkeit
- Das
- die Welt
- ihr
- Sie
- dann
- Dort.
- Diese
- vom Nutzer definierten
- fehlen uns die Worte.
- Tausende
- nach drei
- Durch
- Zeit
- Zeitfolgen
- zu
- Werkzeug
- Gesamt
- Training
- trainiert
- Ausbildung
- Trends
- versuchen
- tippe
- für
- verstehen
- -
- Mitglied
- benutzerfreundlich
- Nutzer
- Verwendung von
- gewöhnlich
- Bestätigung
- Wert
- Werte
- verschiedene
- Version
- vertikal
- Anzeigen
- Visualisierung
- Visuals
- wurde
- we
- Netz
- Web-Services
- Webseite
- begrüßt
- GUT
- wann
- welche
- während
- WHO
- werden wir
- mit
- .
- ohne
- Arbeiten
- Werk
- weltweit wie ausgehandelt und gekauft ausgeführt wird.
- schreiben
- Schreiben
- Du
- Ihr
- Zephyrnet