La comprensión de las tendencias comerciales, el comportamiento del cliente, los ingresos por ventas, el aumento de la demanda y la propensión del comprador comienzan con los datos. Explorar, analizar, interpretar y encontrar tendencias en los datos es esencial para que las empresas logren resultados exitosos.
Los analistas comerciales desempeñan un papel fundamental para facilitar las decisiones comerciales basadas en datos a través de actividades como la visualización de métricas comerciales y la predicción de eventos futuros. Se puede lograr una iteración rápida y un tiempo de creación de valor más rápido al proporcionar a estos analistas una herramienta de inteligencia comercial (BI) visual para un análisis simple, respaldado por tecnologías como el aprendizaje automático (ML).
Amazon QuickSight es un servicio de BI nativo en la nube totalmente administrado que facilita la conexión a sus datos, la creación de paneles e informes interactivos y el intercambio de estos con decenas de miles de usuarios, ya sea dentro de QuickSight o integrado en su aplicación o sitio web. Lienzo de Amazon SageMaker es una interfaz visual que permite a los analistas de negocios generar predicciones precisas de ML por sí mismos, sin necesidad de tener experiencia en ML ni tener que escribir una sola línea de código.
En esta publicación, mostramos cómo puede publicar paneles predictivos en QuickSight usando predicciones basadas en ML de Canvas, sin descargar predicciones explícitamente e importarlas a QuickSight. Esta solución lo ayudará a enviar predicciones desde Canvas a QuickSight, lo que le permitirá acelerar la toma de decisiones utilizando ML para lograr resultados comerciales efectivos.
Resumen de la solución
En las siguientes secciones, analizamos los pasos que ayudarán a los administradores a configurar los permisos correctos para redirigir sin problemas a los usuarios de Canvas a QuickSight. Luego detallamos cómo construir un modelo y ejecutar predicciones, y demostramos la experiencia del analista de negocios.
Requisitos previos
Los siguientes requisitos previos son necesarios para implementar esta solución:
Asegúrese de usar la misma región de QuickSight que Canvas. Puede cambiar la región navegando desde el ícono de perfil en la consola QuickSight.
Configuración del administrador
En esta sección, detallamos los pasos para configurar los recursos de IAM, preparar los datos, entrenar los datos con el conjunto de datos de entrenamiento e inferir el conjunto de datos de validación. Posteriormente, enviamos los datos a QuickSight para su posterior análisis.
Cree una nueva política de IAM para el acceso de QuickSight
Para crear una política de IAM, complete los siguientes pasos:
- En la consola de IAM, elija Políticas internas en el panel de navegación.
- Elige Crear política.
- En JSON pestaña, ingrese la siguiente política de permisos en el editor:
Para obtener detalles sobre el lenguaje de la política de IAM, consulte Referencia de política de IAM JSON.
- Elige Siguiente: Etiquetas.
- Puede agregar metadatos a la política adjuntando etiquetas como pares clave-valor, luego elija Siguiente: Revisión.
Para obtener más información sobre el uso de etiquetas en IAM, consulte Etiquetado de recursos de IAM.
- En Política de revisión página, introduzca un nombre (por ejemplo,
canvas-quicksight-access-policy
) y una descripción opcional de la política. - Lea las Resumen para ver los permisos que otorga su política.
- Elige Crear política para guardar su trabajo.
Después de crear una política, puede adjuntarla a su función de ejecución que otorga a sus usuarios los permisos necesarios para enviar predicciones por lotes a los usuarios en QuickSight.
Adjunte la política a su función de ejecución de Studio
Para adjuntar la política a su rol de ejecución de Studio, complete los siguientes pasos:
- En la consola de SageMaker, elija dominios en el panel de navegación.
- Elige tu dominio.
- Elige Configuraciones de dominio.
- Copie el nombre del rol debajo Rol de ejecución.
- En la consola de IAM, elija Roles en el panel de navegación.
- En la barra de búsqueda, ingrese el rol de ejecución que copió, luego elija el rol.
- En la página de la función del usuario, vaya a la Políticas de permisos .
- En Agregar permisos menú, seleccione Adjuntar políticas.
- Busque la política creada anteriormente (
canvas-quicksight-access-policy
), selecciónelo y elija Agregar permisos.
Ahora tiene una política de IAM adjunta a su función de ejecución que otorga a sus usuarios los permisos necesarios para enviar predicciones por lotes a los usuarios en QuickSight.
Descargar los conjuntos de datos
Descarguemos los conjuntos de datos que usamos para entrenar el modelo y hacer las predicciones:
Cree un modelo y ejecute predicciones
En esta sección, cubrimos cómo podemos construir un modelo y ejecutar predicciones en el conjunto de datos del préstamo. Luego, enviamos los datos al tablero de QuickSight para obtener información empresarial.
Lienzo de lanzamiento
Para iniciar Canvas, complete los siguientes pasos:
- En la consola de SageMaker, elija dominios en el panel de navegación.
- Elige tu dominio.
- En Más información menú, seleccione Canvas.
Subir conjuntos de datos de entrenamiento y validación
Complete los siguientes pasos para cargar sus conjuntos de datos en Canvas:
- En la página de inicio de Canvas, elija Conjuntos de datos.
- Elige Importar fechas, luego sube
lending_club_loan_data_train.csv
ylending_club_loan_data_test.csv
. - Elige Guardar cerrar, A continuación, elija Importar fechas.
Ahora vamos a crear un nuevo modelo.
- Elige Mis modelos en el panel de navegación.
- Elige Nuevo modelo.
- Introduzca un nombre para su modelo (
Loan_Prediction
) y elige Crear.
Si es la primera vez que crea un modelo de Canvas, aparecerá una ventana emergente informativa sobre cómo crear su primer modelo en cuatro sencillos pasos. Puede leer esto y luego volver a esta guía.
- En la vista de modelo, en la Seleccione , seleccione
lending_club_loan_data_train
conjunto de datos
Este conjunto de datos tiene 18 columnas y 32,000 filas.
- Elige Seleccionar conjunto de datos.
- En Construcción pestaña, elija la columna de destino, en nuestro caso
loan_status
.
Canvas detectará automáticamente que se trata de un predicción de 3+ categorías problema (también conocido como clasificación multiclase).
- Si se detecta otro tipo de modelo, cámbielo manualmente seleccionando Cambiar tipo.
- Elige Construcción rápiday seleccione Iniciar compilación rápida de la ventana emergente.
También puedes elegir Construcción estándar, que pasa por el ciclo completo de AutoML, generando múltiples modelos antes de recomendar el mejor modelo.
Ahora se está construyendo su modelo. La construcción rápida generalmente toma de 2 a 15 minutos.
Una vez construido el modelo, puede encontrar el estado del modelo en la Analizar .
Hacer predicciones con el modelo
Después de construir y entrenar el modelo, podemos generar predicciones sobre este modelo.
- Elige Predicción en Analizar pestaña, o elija la Predicción .
- Ejecute una sola predicción eligiendo Predicción única y proporcionar entradas.
Verá la predicción de estado_de_préstamo en el lado derecho de la página. Puede copiar la predicción eligiendo Copiar, o descargarlo eligiendo Descargar predicción. Esto es ideal para generar escenarios hipotéticos y probar cómo las diferentes columnas afectan las predicciones de nuestro modelo.
- Para ejecutar predicciones por lotes, elija Predicción por lotes.
Esto es mejor cuando desea realizar predicciones para un conjunto de datos completo. Debe hacer predicciones con un conjunto de datos que coincida con su conjunto de datos de entrada.
Para cada predicción o conjunto de predicciones, Canvas devuelve los valores predichos y la probabilidad de que el valor predicho sea correcto.
Hagamos predicciones a partir del modelo entrenado usando el conjunto de datos de validación.
- Elige Seleccione el conjunto de datos.
- Seleccione
lending_club_loan_data_test
y elige Generar predicciones.
Cuando sus predicciones estén listas, puede encontrarlas en el Conjunto de datos sección. Puede obtener una vista previa de la predicción, descargarla en una máquina local, eliminarla o enviarla a QuickSight.
Enviar predicciones a QuickSight
Ahora puede compartir predicciones de estos modelos de ML como conjuntos de datos de QuickSight que servirán como una nueva fuente para tableros de toda la empresa. Puede analizar tendencias, riesgos y oportunidades de negocio. A través de esta capacidad, ML se vuelve más accesible para los equipos comerciales para que puedan acelerar la toma de decisiones basada en datos. Compartir datos con usuarios de QuickSight les otorga permisos de propietario en el conjunto de datos. Se pueden enviar múltiples conjuntos de datos inferidos a la vez a QuickSight.
Tenga en cuenta que solo puede enviar predicciones a usuarios en el espacio de nombres predeterminado de la cuenta de QuickSight, y el usuario debe tener la función Autor o Administrador en QuickSight. Las predicciones enviadas a QuickSight están disponibles en la misma región que Canvas.
- Seleccione el conjunto de datos por lotes inferido y elija Enviar a Amazon QuickSight.
- Ingrese uno o varios nombres de usuario de QuickSight para compartir el conjunto de datos y presione Participar.
- Elige Enviar para compartir datos.
Después de enviar sus predicciones por lotes, el Vista rápida El campo para los conjuntos de datos que envió se muestra como Enviado.
- En el cuadro de confirmación, puede elegir Abra Amazon QuickSight para abrir su aplicación QuickSight.
- Si ha terminado de usar Canvas, finalizar la sesión de la aplicación Canvas.
Puede enviar predicciones por lotes a QuickSight para modelos de pronóstico numéricos, categóricos y de series temporales. También puede enviar predicciones generadas con el trae tu propio modelo (Método BYOM). Se excluyen los modelos de predicción de imagen de una sola etiqueta y de predicción de texto de varias categorías.
Los usuarios de QuickSight a los que ha enviado conjuntos de datos pueden abrir su consola QuickSight y ver los conjuntos de datos de Canvas que se han compartido con ellos. Luego pueden crear tableros predictivos con los datos. Para más información, ver Primeros pasos con el análisis de datos de Amazon QuickSight.
De forma predeterminada, todos los usuarios a los que envía predicciones tienen permisos de propietario para el conjunto de datos en QuickSight. Los propietarios pueden crear análisis, actualizar, editar, eliminar y volver a compartir conjuntos de datos. Los cambios que los propietarios realizan en un conjunto de datos modifican el conjunto de datos para todos los usuarios con acceso. Para cambiar los permisos, vaya al conjunto de datos en QuickSight y administre sus permisos. Para más información, ver Ver y editar los permisos de los usuarios con los que se comparte un conjunto de datos.
Experiencia de los analistas de negocios
Con QuickSight, puede visualizar sus datos para comprenderlos mejor. Comenzamos obteniendo información de alto nivel.
- En la consola de QuickSight, elija Conjuntos de datos en el panel de navegación.
- Cree un análisis en el conjunto de datos de predicción por lotes compartido desde Canvas eligiendo Crear análisis en el menú desplegable de opciones (tres puntos verticales).
- En la página de análisis, elija el nombre de la hoja y cámbiele el nombre a Análisis de datos de préstamos.
Vamos a crear un objeto visual para mostrar el recuento por estado de préstamo.
- Tipos visuales, escoger Gráfico de anillos.
- Ingrese al
loan_status
campo para Grupo / Color.
Podemos ver que el 99% están totalmente pagados, el 1% están al día y el 0% están cancelados.
Ahora agregamos una segunda imagen para mostrar la cantidad de préstamos por estado.
- En la esquina superior izquierda, elija el signo más y elija Añadir visual.
- Tipos visuales, escoger Cuadro de cascada.
- Ingrese al
loan_status
campo para Categoría. - Ingrese al
loan_amount
campo para Valor.
Podemos ver que el monto total del préstamo es de alrededor de $ 88 millones, con alrededor de $ 221,000 cancelados.
Tratemos de detectar algunos factores de riesgo para el incumplimiento de los préstamos.
- Elija el signo más y elija Añadir visual.
- Tipos visuales, escoger gráfico de barras horizontales.
- Utilice el campo de estado_de_préstamo para Eje Y.
- Use el campo monto_prestamo para Valor.
- Modificar el Valor agregación de campo de Suma a Normal.
Podemos ver que, en promedio, el monto del préstamo fue alrededor de $3,500 más bajo para los préstamos totalmente pagados en comparación con los préstamos actuales, y alrededor de $3,500 más bajo para los préstamos totalmente pagados en comparación con los préstamos cancelados. Parece haber una correlación entre el monto del préstamo y el riesgo crediticio.
- Para duplicar la imagen, elija el menú de opciones (tres puntos), elija Duplicar visual para, y elige Esta hoja.
- Elija el objeto visual duplicado para modificar su configuración.
- Tipos visuales, escoger gráfico de barras horizontales.
- Utilice el campo de estado_de_préstamo para Eje Y.
- Use el campo monto_prestamo para Valor.
- Modificar el Valor agregación de campo de Suma a Normal.
Puede crear elementos visuales adicionales para comprobar si hay factores de riesgo adicionales. Por ejemplo:
- Plazo del préstamo
- Líneas de crédito abiertas
- Tasa de utilización de la línea renovable
- Líneas de crédito totales
- Después de agregar los objetos visuales, publique el tablero usando el Compartir en la página de análisis y comparta el tablero con las partes interesadas del negocio.
Limpiar
Para evitar incurrir en cargos futuros, elimine o cierre los recursos que creó mientras seguía esta publicación. Referirse a Cerrar sesión en Amazon SageMaker Canvas para más información.
Conclusión
En esta publicación, entrenamos un modelo de ML usando Canvas sin escribir una sola línea de código gracias a sus interfaces fáciles de usar y visualizaciones claras. Luego generamos predicciones individuales y por lotes para este modelo en Canvas. Para evaluar las tendencias, los riesgos y las oportunidades comerciales en toda la empresa, enviamos las predicciones de este modelo de ML a QuickSight. Como analistas comerciales, creamos varias visualizaciones para evaluar las tendencias en QuickSight.
Esta capacidad está disponible en todas las regiones donde ahora se admite Canvas. Puede obtener más información en el lienzo la página del producto y documentación.
Acerca de los autores
Ajjay Govindaram es arquitecto sénior de soluciones en AWS. Trabaja con clientes estratégicos que usan AI/ML para resolver problemas comerciales complejos. Su experiencia radica en brindar dirección técnica y asistencia en el diseño para implementaciones de aplicaciones de IA/ML de modestas a grandes escalas. Su conocimiento abarca desde arquitectura de aplicaciones hasta big data, análisis y aprendizaje automático. Le gusta escuchar música mientras descansa, experimentar el aire libre y pasar tiempo con sus seres queridos.
varun mehta es arquitecto de soluciones en AWS. Le apasiona ayudar a los clientes a crear soluciones bien diseñadas a escala empresarial en la nube de AWS. Trabaja con clientes estratégicos que usan AI/ML para resolver problemas comerciales complejos.
Shyam Srinivasan es gerente principal de productos en el equipo de IA/ML de AWS y lidera la gestión de productos para Amazon SageMaker Canvas. Shyam se preocupa por hacer del mundo un lugar mejor a través de la tecnología y le apasiona cómo AI y ML pueden ser un catalizador en este viaje.
- Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
- PlatoAiStream. Inteligencia de datos Web3. Conocimiento amplificado. Accede Aquí.
- Acuñando el futuro con Adryenn Ashley. Accede Aquí.
- Compra y Vende Acciones en Empresas PRE-IPO con PREIPO®. Accede Aquí.
- Fuente: https://aws.amazon.com/blogs/machine-learning/publish-predictive-dashboards-in-amazon-quicksight-using-ml-predictions-from-amazon-sagemaker-canvas/
- :posee
- :es
- :dónde
- $3
- $ UP
- 000
- 10
- 100
- 11
- 12
- 15%
- 20
- 500
- 7
- 8
- 9
- a
- Poder
- Nuestra Empresa
- acelerar
- acelerado
- de la máquina
- accesible
- Mi Cuenta
- preciso
- Lograr
- alcanzado
- a través de
- la columna Acción
- actividades
- add
- Adicionales
- Admin
- administradores
- agregación
- AI
- AI / ML
- Todos
- permitir
- también
- Amazon
- Amazon QuickSight
- Amazon SageMaker
- Lienzo de Amazon SageMaker
- Amazon Web Services
- cantidad
- an
- Analiza
- análisis
- analista
- Analistas
- Analytics
- analizar
- el análisis de
- y
- Otra
- cualquier
- Aplicación
- arquitectura
- somos
- en torno a
- AS
- Ayuda
- At
- adjuntar
- autor
- automáticamente
- AutoML
- Hoy Disponibles
- promedio
- evitar
- AWS
- Atrás
- de caramelos
- BE
- se convierte en
- esto
- antes
- "Ser"
- MEJOR
- mejores
- entre
- Big
- Big Data
- Box
- build
- construido
- inteligencia empresarial
- negocios
- by
- PUEDEN
- lienzo
- case
- Catalizador
- Categoría
- el cambio
- Cambios
- cargado
- cargos
- comprobar
- Elige
- la elección de
- limpiar
- Soluciones
- código
- Columna
- Columnas
- cómo
- en comparación con
- completar
- integraciones
- Configuración
- confirmación
- Contacto
- Consola
- Esquina
- correcta
- La correlación
- Protectora
- Para crear
- creado
- Creamos
- crédito
- Current
- cliente
- comportamiento del cliente
- Clientes
- Cycle
- página de información de sus operaciones
- datos
- análisis de los datos
- basada en datos
- conjuntos de datos
- Toma de Decisiones
- decisiones
- Predeterminado
- Demanda
- demostrar
- Despliegues
- descripción
- Diseño
- detalle
- detalles
- detectado
- una experiencia diferente
- dirección
- discutir
- dominio
- hecho
- DE INSCRIPCIÓN
- descargar
- conductores
- cada una
- de forma sencilla
- editor
- efecto
- Eficaz
- ya sea
- integrado
- permite
- permitiendo
- Participar
- Empresa
- Todo
- esencial
- Eventos
- ejemplo
- excluidos
- ejecución
- experience
- experimentando
- Explorar
- facilitando
- más rápida
- campo
- Encuentre
- la búsqueda de
- Nombre
- primer vez
- siguiendo
- Digital XNUMXk
- Desde
- completamente
- promover
- futuras
- generar
- generado
- la generación de
- obtener
- conseguir
- Go
- Va
- concedido
- subvenciones
- guía
- Tienen
- es
- he
- ayuda
- ayudando
- de alto nivel
- su
- Inicio
- Cómo
- Como Hacer
- HTML
- HTTPS
- ICON
- ID
- ideal
- imagen
- Impacto
- implementar
- importador
- in
- aumente
- información
- informativo
- Las opciones de entrada
- Insights
- Intelligence
- interactivo
- Interfaz
- las interfaces
- dentro
- IT
- iteración
- SUS
- jpg
- json
- especialistas
- conocido
- idioma
- Gran escala
- lanzamiento
- líder
- APRENDE:
- aprendizaje
- se encuentra
- como
- línea
- Escucha Activa
- préstamo
- Préstamos
- local
- ser querido
- inferior
- máquina
- máquina de aprendizaje
- para lograr
- HACE
- Realizar
- gestionan
- gestionado
- Management
- gerente
- a mano
- Menú
- metadatos
- Método
- Métrica
- millones
- Min
- ML
- modelo
- modelos
- modificar
- más,
- múltiples
- Música
- debe
- nombre
- nombres
- Navegar
- navegando
- Navegación
- necesario
- Nuevo
- ahora
- of
- off
- on
- una vez
- ONE
- las
- , solamente
- habiertos
- Del Mañana
- Opciones
- or
- nuestros
- salir
- resultados
- al exterior
- EL DESARROLLADOR
- propietario
- los propietarios de
- página
- dinero
- pares
- cristal
- apasionado
- permisos
- esencial
- Colocar
- Platón
- Inteligencia de datos de Platón
- PlatónDatos
- Jugar
- más
- política
- ventanas emergentes
- Publicación
- previsto
- predicción
- Predicciones
- Preparar
- requisitos previos
- prensa
- Vista previa
- previamente
- Director de la escuela
- Problema
- problemas
- Producto
- gestión de producto
- gerente de producto
- Mi Perfil
- proporcionando
- publicar
- Búsqueda
- Leer
- ready
- recomendando
- reorientar
- región
- regiones
- Informes
- Recurso
- Recursos
- devoluciones
- ingresos
- Derecho
- Riesgo
- riesgos
- Función
- Ejecutar
- sabio
- ventas
- mismo
- Guardar
- escenarios
- sin problemas
- Buscar
- Segundo
- Sección
- (secciones)
- ver
- parece
- envío
- mayor
- expedido
- Serie
- ayudar
- de coches
- Servicios
- set
- Compartir
- compartido
- compartir
- hoja
- tienes
- Mostrar
- Shows
- cerrar
- lado
- firmar
- sencillos
- soltero
- So
- a medida
- Soluciones
- RESOLVER
- algo
- Fuente
- Gastos
- las partes interesadas
- comienzo
- fundó
- Posicionamiento
- Estado
- pasos
- Estratégico
- estudio
- exitosos
- tal
- Soportado
- toma
- Target
- equipo
- equipos
- Técnico
- Tecnologías
- Tecnología
- tener
- Pruebas
- Muchas Gracias
- esa
- El proyecto
- el mundo
- su
- Les
- luego
- Ahí.
- Estas
- ellos
- así
- miles
- Tres
- A través de esta formación, el personal docente y administrativo de escuelas y universidades estará preparado para manejar los recursos disponibles que derivan de la diversidad cultural de sus estudiantes. Además, un mejor y mayor entendimiento sobre estas diferencias y similitudes culturales permitirá alcanzar los objetivos de inclusión previstos.
- equipo
- Series de tiempo
- a
- del IRS
- Total
- Entrenar
- entrenado
- Formación
- Tendencias
- try
- tipo
- bajo
- entender
- utilizan el
- Usuario
- fácil de utilizar
- usuarios
- usando
- generalmente
- validación
- propuesta de
- Valores
- diversos
- versión
- vertical
- Ver
- visualización
- efectos visuales
- fue
- we
- web
- servicios web
- Página web
- bienvenida
- WELL
- cuando
- que
- mientras
- QUIENES
- seguirá
- dentro de
- sin
- Actividades:
- funciona
- mundo
- escribir
- la escritura
- Usted
- tú
- zephyrnet