Ermöglichen Sie eine intelligente Entscheidungsfindung mit Amazon SageMaker Canvas und Amazon QuickSight

Jedes Unternehmen, unabhängig von seiner Größe, möchte seinen Kunden die besten Produkte und Dienstleistungen liefern. Dazu wollen Unternehmen Branchentrends und Kundenverhalten verstehen sowie interne Prozesse und Datenanalysen routinemäßig optimieren. Dies ist ein entscheidender Baustein für den Erfolg eines Unternehmens.

Ein sehr wichtiger Teil der Analystenrolle umfasst die Visualisierung von Geschäftskennzahlen (wie Verkaufserlöse) und die Vorhersage zukünftiger Ereignisse (wie eine steigende Nachfrage), um datengesteuerte Geschäftsentscheidungen zu treffen. Um sich dieser ersten Herausforderung zu nähern, können Sie verwenden Amazon QuickSight, ein cloudbasierter Business-Intelligence-Service (BI), der leicht verständliche Erkenntnisse liefert und Entscheidungsträgern die Möglichkeit gibt, Informationen in einer interaktiven visuellen Umgebung zu untersuchen und zu interpretieren. Für die zweite Aufgabe können Sie verwenden Amazon SageMaker-Leinwand, ein Clouddienst, der den Zugriff auf maschinelles Lernen (ML) erweitert, indem er Geschäftsanalysten eine visuelle Point-and-Click-Oberfläche zur Verfügung stellt, mit der Sie selbst genaue ML-Vorhersagen erstellen können.

Bei der Betrachtung dieser Kennzahlen identifizieren Business-Analysten häufig Muster im Kundenverhalten, um festzustellen, ob das Unternehmen riskiert, den Kunden zu verlieren. Dieses Problem heißt Kundenabwanderung, und ML-Modelle haben eine nachgewiesene Erfolgsbilanz bei der Vorhersage solcher Kunden mit hoher Genauigkeit (siehe z Die KI-Lösungen von Elula helfen Banken, die Kundenbindung zu verbessern).

Das Erstellen von ML-Modellen kann ein kniffliger Prozess sein, da ein Expertenteam erforderlich ist, um die Datenvorbereitung und das ML-Modelltraining zu verwalten. Mit Canvas können Sie dies jedoch ohne spezielle Kenntnisse und mit null Zeilen Code tun. Weitere Informationen finden Sie unter Prognostizieren Sie die Kundenabwanderung mit maschinellem Lernen ohne Code mithilfe von Amazon SageMaker Canvas.

In diesem Beitrag zeigen wir Ihnen, wie Sie die aus Canvas generierten Vorhersagen in einem QuickSight-Dashboard visualisieren und so eine intelligente Entscheidungsfindung über ML ermöglichen.

Lösungsübersicht

In der Post Prognostizieren Sie die Kundenabwanderung mit maschinellem Lernen ohne Code mithilfe von Amazon SageMaker Canvas, übernahmen wir die Rolle eines Business Analyst in der Marketingabteilung eines Mobilfunkanbieters und erstellten erfolgreich ein ML-Modell, um Kunden mit potenziellem Abwanderungsrisiko zu identifizieren. Dank der von unserem Modell generierten Vorhersagen möchten wir nun eine Analyse eines potenziellen finanziellen Ergebnisses durchführen, um datengesteuerte Geschäftsentscheidungen über potenzielle Werbeaktionen für diese Kunden und Regionen zu treffen.

Die Architektur, die uns dabei hilft, dies zu erreichen, ist im folgenden Diagramm dargestellt.

Die Arbeitsschritte sind wie folgt:

1. Laden Sie einen neuen Datensatz mit der aktuellen Kundenpopulation in Canvas hoch.
2. Führen Sie eine Stapelvorhersage aus und laden Sie die Ergebnisse herunter.
3. Laden Sie die Dateien in QuickSight hoch, um Visualisierungen zu erstellen oder zu aktualisieren.

Sie können diese Schritte in Canvas ausführen, ohne eine einzige Codezeile schreiben zu müssen. Die vollständige Liste der unterstützten Datenquellen finden Sie unter Importieren von Daten in Amazon SageMaker Canvas.

Voraussetzungen:

Stellen Sie für diese exemplarische Vorgehensweise sicher, dass die folgenden Voraussetzungen erfüllt sind:

Verwenden Sie das Kundenabwanderungsmodell

Nachdem Sie die Voraussetzungen erfüllt haben, sollten Sie über ein Modell verfügen, das mit historischen Daten in Canvas trainiert wurde und bereit ist, mit neuen Kundendaten verwendet zu werden, um die Kundenabwanderung vorherzusagen, die Sie dann in QuickSight verwenden können.

1. Erstellen Sie eine neue Datei churn-no-labels.csv durch zufällige Auswahl von 1,500 Zeilen aus dem ursprünglichen Datensatz churn.csv und das entfernen Churn? Spalte.

Wir verwenden diesen neuen Datensatz, um Vorhersagen zu generieren.

Die nächsten Schritte führen wir in Canvas durch. Sie können Canvas über die öffnen AWS-Managementkonsoleoder über die von Ihrem Cloud-Administrator bereitgestellte SSO-Anwendung. Wenn Sie nicht sicher sind, wie Sie auf Canvas zugreifen, lesen Sie unter Erste Schritte mit der Verwendung von Amazon SageMaker Canvas.

2. Wählen Sie in der Canvas-Konsole aus Datensätze im Navigationsbereich.
3. Auswählen Import.

4. Auswählen Hochladen und wähle das churn-no-labels.csv Datei, die Sie erstellt haben.
5. Auswählen Daten importieren.

Die Dauer des Datenimportvorgangs hängt von der Größe der Datei ab. In unserem Fall sollten es etwa 10 Sekunden sein. Wenn es fertig ist, können wir sehen, dass der Datensatz vorhanden ist Ready Status.

6. Um eine Vorschau der ersten 100 Zeilen des Datensatzes anzuzeigen, wählen Sie das Optionsmenü (drei Punkte) und wählen Sie Vorspann.

7. Auswählen Modelle im Navigationsbereich und wählen Sie dann das Abwanderungsmodell aus, das Sie als Teil der Voraussetzungen erstellt haben.

8. Auf dem Vorhersagen Tab, wählen Sie Datensatz auswählen.

9. Wähle aus churn-no-labels.csv Datensatz, dann wählen Vorhersagen generieren.

Die Inferenzzeit hängt von der Komplexität des Modells und der Größe des Datensatzes ab; in unserem Fall dauert es etwa 10 Sekunden. Wenn der Auftrag abgeschlossen ist, ändert er seinen Status in Bereit und wir können die Ergebnisse herunterladen.

10. Wählen Sie das Optionsmenü (drei Punkte), Herunterladen und Laden Sie alle Werte herunter.

Optional können wir einen kurzen Blick auf die Ergebnisauswahl werfen Vorspann. Die ersten beiden Spalten sind Vorhersagen aus dem Modell.

Wir haben unser Modell erfolgreich eingesetzt, um das Abwanderungsrisiko für unsere aktuelle Kundenpopulation vorherzusagen. Jetzt sind wir bereit, Geschäftskennzahlen basierend auf unseren Vorhersagen zu visualisieren.

Importieren Sie Daten in QuickSight

Wie bereits erwähnt, benötigen Geschäftsanalysten die Visualisierung von Vorhersagen zusammen mit Geschäftskennzahlen, um datengesteuerte Geschäftsentscheidungen treffen zu können. Dazu verwenden wir QuickSight, das leicht verständliche Einblicke bietet und Entscheidungsträgern die Möglichkeit gibt, Informationen in einer interaktiven visuellen Umgebung zu untersuchen und zu interpretieren. Mit QuickSight können wir Visualisierungen wie Grafiken und Diagramme in Sekundenschnelle mit einer einfachen Drag-and-Drop-Oberfläche erstellen. In diesem Beitrag erstellen wir mehrere Visualisierungen, um Geschäftsrisiken besser zu verstehen und wie wir sie bewältigen können, z. B. wo wir neue Marketingkampagnen starten sollten.

Führen Sie zunächst die folgenden Schritte aus:

1. Wählen Sie in der QuickSight-Konsole Datensätze im Navigationsbereich.
2. Auswählen Neuer Datensatz.

QuickSight unterstützt viele Datenquellen. In diesem Beitrag verwenden wir eine lokale Datei, die wir zuvor in Canvas generiert haben, als unsere Quelldaten.

3. Auswählen Laden Sie eine Datei hoch.

4. Wählen Sie die kürzlich heruntergeladene Datei mit Vorhersagen aus.

QuickSight lädt die Datei hoch und analysiert sie.

5. Überprüfen Sie in der Vorschau, ob alles wie erwartet ist, und wählen Sie dann aus Weiter.

6. Auswählen Visualize.

Die Daten wurden nun erfolgreich importiert und wir können sie analysieren.

Erstellen Sie ein Dashboard mit Geschäftskennzahlen für Abwanderungsprognosen

Es ist an der Zeit, unsere Daten zu analysieren und ein klares und benutzerfreundliches Dashboard zu erstellen, das alle Informationen zusammenfasst, die für datengesteuerte Geschäftsentscheidungen erforderlich sind. Diese Art von Dashboard ist ein wichtiges Werkzeug im Arsenal eines Business-Analysten.

Im Folgenden finden Sie ein Beispiel-Dashboard, das dabei helfen kann, das Risiko einer Kundenabwanderung zu erkennen und darauf zu reagieren.

Auf diesem Dashboard visualisieren wir mehrere wichtige Geschäftskennzahlen:

• Kunden, die wahrscheinlich abwandern – Das linke Ringdiagramm stellt die Anzahl und den Prozentsatz der Benutzer mit einem Abwanderungsrisiko von über 50 % dar. Dieses Diagramm hilft uns, die Größe eines potenziellen Problems schnell zu verstehen.
• Möglicher Umsatzverlust – Das obere mittlere Donut-Diagramm stellt die Höhe des Umsatzverlusts von Benutzern mit einem Abwanderungsrisiko von über 50 % dar. Dieses Diagramm hilft uns, die Größe potenzieller Umsatzverluste durch Abwanderung schnell zu verstehen. Das Diagramm zeigt auch, dass wir mehrere überdurchschnittliche Kunden verlieren könnten, da der Prozentsatz des potenziellen Umsatzverlusts größer ist als der Prozentsatz der abwanderungsgefährdeten Benutzer.
• Möglicher Einnahmeverlust nach Bundesstaat – Das horizontale Balkendiagramm oben rechts stellt die Höhe der Umsatzverluste im Vergleich zu den Umsätzen von Kunden dar, bei denen kein Abwanderungsrisiko besteht. Dieses Bild könnte uns helfen zu verstehen, welcher Status für uns aus Sicht einer Marketingkampagne am wichtigsten ist.
• Details zu abwanderungsgefährdeten Kunden – Die Tabelle unten links enthält Details zu allen unseren Kunden. Diese Tabelle könnte hilfreich sein, wenn wir uns schnell die Details mehrerer Kunden mit und ohne Abwanderungsrisiko ansehen möchten.

Kunden, die wahrscheinlich abwandern

Wir beginnen mit der Erstellung eines Diagramms mit Kunden, die abwanderungsgefährdet sind.

1. Der Feldliste, wählen Sie das Abwanderung? Attribut.

QuickSight erstellt automatisch eine Visualisierung.

Obwohl das Balkendiagramm eine gängige Visualisierung zum Verständnis der Datenverteilung ist, bevorzugen wir die Verwendung eines Donut-Diagramms. Wir können dieses Visual ändern, indem wir seine Eigenschaften ändern.

2. Wählen Sie das Donut-Diagrammsymbol darunter aus Visuelle Typen.
3. Wählen Sie den aktuellen Namen (Doppelklick) und ändern Sie ihn in Kunden, die wahrscheinlich abwandern.

4. Um andere visuelle Effekte anzupassen (Legende entfernen, Werte hinzufügen, Schriftgröße ändern), wählen Sie das Stiftsymbol und nehmen Sie Ihre Änderungen vor.

Wie im folgenden Screenshot gezeigt, haben wir den Bereich des Donuts vergrößert und den Etiketten einige zusätzliche Informationen hinzugefügt.

Möglicher Umsatzverlust

Eine weitere wichtige Metrik, die bei der Berechnung der geschäftlichen Auswirkungen der Kundenabwanderung zu berücksichtigen ist, ist der potenzielle Umsatzverlust. Dies ist eine wichtige Kennzahl, da sie uns hilft, die geschäftlichen Auswirkungen von Kunden zu verstehen, die nicht abwanderungsgefährdet sind. In der Telekommunikationsbranche könnten wir beispielsweise viele inaktive Kunden haben, die ein hohes Abwanderungsrisiko haben, aber keine Einnahmen erzielen. Dieses Diagramm kann uns helfen zu verstehen, ob wir uns in einer solchen Situation befinden oder nicht. Um diese Metrik zu unserem Dashboard hinzuzufügen, erstellen wir ein benutzerdefiniertes berechnetes Feld, indem wir die mathematische Formel zur Berechnung potenzieller Umsatzverluste bereitstellen, und visualisieren es dann als ein weiteres Donut-Diagramm.

1. Auf dem Speichern Menü, wählen Sie Berechnetes Feld hinzufügen.

2. Benennen Sie das Feld Gesamtgebühren.
3. Geben Sie die Formel {Day Charge}+{Eve Charge}+{Intl Charge}+{Night Charge} ein.
4. Auswählen Speichern.

5. Auf dem Speichern Menü, wählen Sie Visuell hinzufügen.

6. Der Visuelle Typen, wählen Sie das Donut-Diagrammsymbol.
7. Der Feldliste, ziehen Abwanderung? zu Gruppe / Farbe.
8. Ziehen Gesamte Gebühren zu Wert.
9. Auf dem Wert Menü, wählen Sie Zeigen als und wählen Sie Währung.
10. Wählen Sie das Stiftsymbol, um andere visuelle Effekte anzupassen (Legende entfernen, Werte hinzufügen, Schriftgröße ändern).

In diesem Moment hat unser Dashboard zwei Visualisierungen.

Wir können bereits beobachten, dass wir insgesamt 18 % (270) Kunden verlieren könnten, was 24 % (6,280 $) Umsatz entspricht. Sehen wir uns das genauer an, indem wir potenzielle Einnahmeverluste auf Bundesstaatsebene analysieren.

Möglicher Einnahmeverlust nach Bundesstaat

Lassen Sie uns ein horizontales Balkendiagramm hinzufügen, um potenzielle Umsatzeinbußen nach Bundesstaat zu visualisieren.

1. Auf dem Speichern Menü, wählen Sie Visuell hinzufügen.

2. Der Visuelle Typen¸ wählen Sie das Symbol für das horizontale Balkendiagramm.
3. Der Feldlisteziehen Abwanderung? zu Gruppe / Farbe.
4. Ziehen Gesamte Gebühren zu Wert.
5. Auf dem Wert Menü, wählen Sie Zeigen als und Währung.
6. Ziehen Stufe zu Y-Achse.
7. Wählen Sie das Stiftsymbol, um andere visuelle Effekte anzupassen (Legende entfernen, Werte hinzufügen, Schriftgröße ändern).

8. Wir können unser neues Bild auch nach Auswahl sortieren Gesamte Gebühren unten und wählen Absteigend.

Dieses Bild könnte uns helfen zu verstehen, welcher Status aus Sicht einer Marketingkampagne am wichtigsten ist. Beispielsweise könnten wir in Hawaii möglicherweise die Hälfte unserer Einnahmen (253,000 USD) verlieren, während dieser Wert in Washington weniger als 10 % (52,000 USD) beträgt. Wir sehen auch, dass wir in Arizona riskieren, fast jeden Kunden zu verlieren.

Details zu abwanderungsgefährdeten Kunden

Lassen Sie uns eine Tabelle mit Details zu Kunden erstellen, die abwanderungsgefährdet sind.

1. Auf dem Speichern Menü, wählen Sie Visuell hinzufügen.

2. Der Visuelle TypenWählen Sie das Tabellensymbol.
3. Der Feldlisten, ziehen Telefon, Bundesstaat, Internationaler Plan, Vmail-Plan, Abwanderung? und Kontolänge zu Gruppiere nach.
4. Ziehen Wahrscheinlichkeit zu Wert.
5. Auf dem Wert Menü, wählen Sie Zeigen als und Prozent.

Passen Sie Ihr Dashboard an

QuickSight bietet mehrere Optionen zum Anpassen Ihres Dashboards, wie z. B. die folgenden.

1. Um einen Namen hinzuzufügen, auf der Speichern Menü, wählen Sie Titel hinzufügen.

2. Geben Sie einen Titel ein (für diesen Beitrag benennen wir unser Dashboard um Abwanderungsanalyse).

3. Um die Größe Ihrer Visuals zu ändern, wählen Sie die untere rechte Ecke des Diagramms und ziehen Sie sie auf die gewünschte Größe.
4. Um ein Visual zu verschieben, wählen Sie die obere Mitte des Diagramms aus und ziehen Sie es an eine neue Position.
5. Um das Thema zu ändern, wählen Sie Themes im Navigationsbereich.
6. Wählen Sie Ihr neues Thema (z. B. Mitternacht), und wähle Jetzt bewerben.

Veröffentlichen Sie Ihr Dashboard

Ein Dashboard ist eine schreibgeschützte Momentaufnahme einer Analyse, die Sie für Berichtszwecke mit anderen QuickSight-Benutzern teilen können. Ihr Dashboard behält die Konfiguration der Analyse zum Zeitpunkt der Veröffentlichung bei, einschließlich solcher Dinge wie Filterung, Parameter, Steuerelemente und Sortierreihenfolge. Die für die Analyse verwendeten Daten werden nicht als Teil des Dashboards erfasst. Wenn Sie das Dashboard anzeigen, spiegelt es die aktuellen Daten in den Datensätzen wider, die von der Analyse verwendet werden.

Führen Sie die folgenden Schritte aus, um Ihr Dashboard zu veröffentlichen:

1. Auf dem Teilen Menü, wählen Sie Dashboard veröffentlichen.

2. Geben Sie einen Namen für Ihr Dashboard ein.
3. Auswählen Dashboard veröffentlichen.

Herzlichen Glückwunsch, Sie haben erfolgreich ein Dashboard für die Abwanderungsanalyse erstellt.

Aktualisieren Sie Ihr Dashboard mit einer neuen Vorhersage

Wenn sich das Modell weiterentwickelt und wir neue Daten aus dem Unternehmen generieren, müssen wir dieses Dashboard möglicherweise mit neuen Informationen aktualisieren. Führen Sie die folgenden Schritte aus:

1. Erstellen Sie eine neue Datei churn-no-labels-updated.csv indem zufällig weitere 1,500 Zeilen aus dem ursprünglichen Datensatz ausgewählt werden churn.csv und das entfernen Churn? Spalte.

Wir verwenden diesen neuen Datensatz, um neue Vorhersagen zu generieren.

2. Wiederholen Sie die Schritte ab dem Verwenden Sie das Kundenabwanderungsmodell Abschnitt dieses Beitrags, um Vorhersagen für das neue Dataset zu erhalten, und laden Sie die neue Datei herunter.
3. Wählen Sie in der QuickSight-Konsole Datensätze im Navigationsbereich.
4. Wählen Sie den von uns erstellten Datensatz aus.

5. Auswählen Datensatz bearbeiten.

6. Wählen Sie im Dropdown-Menü die Option Update-Datei.

7. Auswählen Datei hochladen.

8. Wählen Sie die kürzlich heruntergeladene Datei mit den Vorhersagen aus.
9. Überprüfen Sie die Vorschau und wählen Sie dann aus Dateiaktualisierung bestätigen.

Nachdem die Meldung „Datei erfolgreich aktualisiert“ angezeigt wird, können wir sehen, dass sich der Dateiname ebenfalls geändert hat.

10. Auswählen Speichern & veröffentlichen.

11. Wenn die Meldung „Erfolgreich gespeichert und veröffentlicht“ erscheint, können Sie zum Hauptmenü zurückkehren, indem Sie das QuickSight-Logo in der linken oberen Ecke auswählen.

12. Auswählen Armaturenbretter im Navigationsbereich und wählen Sie das zuvor erstellte Dashboard aus.

Sie sollten Ihr Dashboard mit den aktualisierten Werten sehen.

Wir haben gerade unser QuickSight-Dashboard mit den neuesten Vorhersagen von Canvas aktualisiert.

Aufräumen

Um zukünftige Gebühren zu vermeiden, Melden Sie sich von Canvas ab.

Zusammenfassung

In diesem Beitrag haben wir ein ML-Modell von Canvas verwendet, um Kunden mit Abwanderungsrisiko vorherzusagen, und ein Dashboard mit aufschlussreichen Visualisierungen erstellt, die uns helfen, datengesteuerte Geschäftsentscheidungen zu treffen. Dank benutzerfreundlicher Schnittstellen und klarer Visualisierungen haben wir dies geschafft, ohne eine einzige Zeile Code zu schreiben. Dies ermöglicht es Business-Analysten, beim Erstellen von ML-Modellen agil zu sein und Analysen durchzuführen und Erkenntnisse in vollständiger Autonomie von Data-Science-Teams zu extrahieren.

Weitere Informationen zur Verwendung von Canvas finden Sie unter Build, Share, Deploy: Wie Business-Analysten und Data Scientists mit No-Code-ML und Amazon SageMaker Canvas eine schnellere Markteinführung erreichen. Weitere Informationen zum Erstellen von ML-Modellen mit einer No-Code-Lösung finden Sie unter Ankündigung von Amazon SageMaker Canvas – eine visuelle maschinelle Lernfunktion ohne Code für Business-Analysten. Weitere Informationen zu den neuesten QuickSight-Funktionen und Best Practices finden Sie unter AWS Big Data-Blog.

---

Über den Autor

Aleksandr Patruschew ist AI/ML Specialist Solutions Architect bei AWS mit Sitz in Luxemburg. Er interessiert sich leidenschaftlich für die Cloud und maschinelles Lernen und dafür, wie sie die Welt verändern könnten. Außerhalb der Arbeit wandert er gerne, treibt Sport und verbringt Zeit mit seiner Familie.

David Gallitelli ist ein Specialist Solutions Architect für AI/ML in der EMEA-Region. Er hat seinen Sitz in Brüssel und arbeitet eng mit Kunden in den Benelux-Ländern zusammen. Er ist Entwickler, seit er sehr jung war und begann im Alter von 7 Jahren zu programmieren. Er begann an der Universität AI/ML zu lernen und hat sich seitdem darin verliebt.