Habilite la toma de decisiones inteligente con Amazon SageMaker Canvas y Amazon QuickSight

Toda empresa, independientemente de su tamaño, quiere ofrecer los mejores productos y servicios a sus clientes. Para lograr esto, las empresas quieren comprender las tendencias de la industria y el comportamiento de los clientes, y optimizar los procesos internos y los análisis de datos de manera rutinaria. Este es un componente crucial del éxito de una empresa.

Una parte muy destacada del rol de analista incluye la visualización de métricas comerciales (como los ingresos por ventas) y la predicción de eventos futuros (como el aumento de la demanda) para tomar decisiones comerciales basadas en datos. Para abordar este primer desafío, puede utilizar Amazon QuickSight, un servicio de inteligencia empresarial (BI) a escala de la nube que proporciona información fácil de entender y brinda a los responsables de la toma de decisiones la oportunidad de explorar e interpretar la información en un entorno visual interactivo. Para la segunda tarea, puedes usar Lienzo de Amazon SageMaker, un servicio en la nube que amplía el acceso al aprendizaje automático (ML) al proporcionar a los analistas de negocios una interfaz visual de apuntar y hacer clic que le permite generar predicciones de ML precisas por su cuenta.

Al observar estas métricas, los analistas comerciales a menudo identifican patrones en el comportamiento del cliente para determinar si la empresa corre el riesgo de perder al cliente. Este problema se llama rotación de clientes, y los modelos ML tienen un historial comprobado de predicción de dichos clientes con alta precisión (para ver un ejemplo, consulte Las soluciones de IA de Elula ayudan a los bancos a mejorar la retención de clientes).

La creación de modelos de ML puede ser un proceso complicado porque requiere un equipo de expertos para administrar la preparación de datos y el entrenamiento del modelo de ML. Sin embargo, con Canvas, puede hacerlo sin ningún conocimiento especial y con cero líneas de código. Para obtener más información, consulte Prediga la rotación de clientes con aprendizaje automático sin código utilizando Amazon SageMaker Canvas.

En esta publicación, le mostramos cómo visualizar las predicciones generadas desde Canvas en un tablero de QuickSight, lo que permite la toma de decisiones inteligente a través de ML.

Resumen de la solución

En el post Prediga la rotación de clientes con aprendizaje automático sin código utilizando Amazon SageMaker Canvas, asumimos el rol de analista comercial en el departamento de marketing de un operador de telefonía móvil y creamos con éxito un modelo ML para identificar clientes con riesgo potencial de abandono. Gracias a las predicciones generadas por nuestro modelo, ahora queremos hacer un análisis de un resultado financiero potencial para tomar decisiones comerciales basadas en datos sobre promociones potenciales para estos clientes y regiones.

La arquitectura que nos ayudará a lograr esto se muestra en el siguiente diagrama.

Los pasos del flujo de trabajo son los siguientes:

1. Cargue un nuevo conjunto de datos con la población actual de clientes en Canvas.
2. Ejecute una predicción por lotes y descargue los resultados.
3. Cargue los archivos en QuickSight para crear o actualizar visualizaciones.

Puede realizar estos pasos en Canvas sin escribir una sola línea de código. Para obtener la lista completa de fuentes de datos admitidas, consulte Importación de datos en Amazon SageMaker Canvas.

Requisitos previos

Para este tutorial, asegúrese de que se cumplan los siguientes requisitos previos:

Usar el modelo de abandono de clientes

Después de completar los requisitos previos, debe tener un modelo entrenado en datos históricos en Canvas, listo para usarse con nuevos datos de clientes para predecir la rotación de clientes, que luego puede usar en QuickSight.

1. Crear un nuevo archivo churn-no-labels.csv seleccionando aleatoriamente 1,500 líneas del conjunto de datos original abandono.csv y eliminando el Churn? columna.

Utilizamos este nuevo conjunto de datos para generar predicciones.

Completamos los siguientes pasos en Canvas. Puede abrir Canvas a través de la Consola de administración de AWSo a través de la aplicación SSO proporcionada por su administrador de la nube. Si no está seguro de cómo acceder a Canvas, consulte Introducción al uso de Amazon SageMaker Canvas.

2. En la consola de Canvas, elija Conjuntos de datos en el panel de navegación.
3. Elige Importa.

4. Elige Subir Y elige la churn-no-labels.csv archivo que ha creado.
5. Elige Importar fechas.

El tiempo del proceso de importación de datos depende del tamaño del archivo. En nuestro caso, debería rondar los 10 segundos. Cuando esté completo, podemos ver que el conjunto de datos está en Ready de estado.

6. Para obtener una vista previa de las primeras 100 filas del conjunto de datos, elija el menú de opciones (tres puntos) y elija Vista previa.

7. Elige fexibles en el panel de navegación, luego elija el modelo de abandono que creó como parte de los requisitos previos.

8. En Predicción pestaña, elegir Seleccionar conjunto de datos.

9. Seleccione churn-no-labels.csv conjunto de datos, luego elija Generar predicciones.

El tiempo de inferencia depende de la complejidad del modelo y el tamaño del conjunto de datos; en nuestro caso, toma alrededor de 10 segundos. Cuando finaliza el trabajo, cambia su estado a Listo y podemos descargar los resultados.

10. Elija el menú de opciones (tres puntos), Descargary Descargar todos los valores.

Opcionalmente, podemos echar un vistazo rápido a los resultados eligiendo Vista previa. Las primeras dos columnas son predicciones del modelo.

Hemos utilizado con éxito nuestro modelo para predecir el riesgo de abandono de nuestra población actual de clientes. Ahora estamos listos para visualizar métricas comerciales basadas en nuestras predicciones.

Importar datos a QuickSight

Como discutimos anteriormente, los analistas comerciales requieren que las predicciones se visualicen junto con las métricas comerciales para tomar decisiones comerciales basadas en datos. Para ello, utilizamos QuickSight, que proporciona información fácil de entender y brinda a los responsables de la toma de decisiones la oportunidad de explorar e interpretar la información en un entorno visual interactivo. Con QuickSight, podemos crear visualizaciones como gráficos y cuadros en segundos con una sencilla interfaz de arrastrar y soltar. En esta publicación, creamos varias visualizaciones para comprender mejor los riesgos comerciales y cómo podemos gestionarlos, como dónde debemos lanzar nuevas campañas de marketing.

Para comenzar, complete los siguientes pasos:

1. En la consola de QuickSight, elija Conjuntos de datos en el panel de navegación.
2. Elige Nuevo conjunto de datos.

QuickSight admite muchas fuentes de datos. En esta publicación, usamos un archivo local, el que generamos previamente en Canvas, como nuestra fuente de datos.

3. Elige Subir un archivo.

4. Elija el archivo descargado recientemente con predicciones.

QuickSight carga y analiza el archivo.

5. Verifique que todo esté como se esperaba en la vista previa, luego elija Siguiente.

6. Elige Visualizar.

Los datos ahora se importaron con éxito y estamos listos para analizarlos.

Cree un tablero con métricas comerciales de predicciones de abandono

Es hora de analizar nuestros datos y crear un tablero claro y fácil de usar que resuma toda la información necesaria para tomar decisiones comerciales basadas en datos. Este tipo de tablero es una herramienta importante en el arsenal de los analistas de negocios.

El siguiente es un tablero de ejemplo que puede ayudar a identificar y actuar sobre el riesgo de abandono de clientes.

En este tablero, visualizamos varias métricas comerciales importantes:

• Clientes propensos a abandonar – El gráfico de anillos de la izquierda representa el número y el porcentaje de usuarios con más del 50 % de riesgo de abandono. Este gráfico nos ayuda a comprender rápidamente el tamaño de un problema potencial.
• Posible pérdida de ingresos – El gráfico de anillos superior central representa la cantidad de pérdida de ingresos de los usuarios con más del 50% de riesgo de abandono. Este gráfico nos ayuda a comprender rápidamente el tamaño de la posible pérdida de ingresos por abandono. El gráfico también muestra que podríamos perder varios clientes por encima del promedio como un porcentaje de los ingresos potenciales perdidos que es mayor que el porcentaje de usuarios en riesgo de abandono.
• Posible pérdida de ingresos por estado – El gráfico de barras horizontales de la parte superior derecha representa el tamaño de los ingresos perdidos frente a los ingresos de los clientes que no corren el riesgo de abandonar. Este visual podría ayudarnos a comprender qué estado es el más importante para nosotros desde la perspectiva de una campaña de marketing.
• Detalles sobre los clientes en riesgo de abandono – La tabla inferior izquierda contiene detalles sobre todos nuestros clientes. Esta tabla puede ser útil si queremos ver rápidamente los detalles de varios clientes con y sin riesgo de abandono.

Clientes propensos a abandonar

Comenzamos creando un gráfico con los clientes en riesgo de abandono.

1. under Lista de campos, elegir la ¿Batir? atributo.

QuickSight crea automáticamente una visualización.

Aunque el diagrama de barras es una visualización común para comprender la distribución de datos, preferimos usar un gráfico de anillos. Podemos cambiar este visual cambiando sus propiedades.

2. Elija el icono del gráfico de anillos debajo Tipos visuales.
3. Elija el nombre actual (doble clic) y cámbielo a Clientes propensos a abandonar.

4. Para personalizar otros efectos visuales (eliminar la leyenda, agregar valores, cambiar el tamaño de fuente), elija el icono del lápiz y realice los cambios.

Como se muestra en la siguiente captura de pantalla, aumentamos el área de la dona y agregamos información adicional en las etiquetas.

Posible pérdida de ingresos

Otra métrica importante a tener en cuenta al calcular el impacto comercial de la rotación de clientes es la posible pérdida de ingresos. Esta es una métrica importante porque nos ayuda a comprender el impacto comercial de los clientes que no corren el riesgo de abandonar. En la industria de las telecomunicaciones, por ejemplo, podríamos tener muchos clientes inactivos que tienen un alto riesgo de abandono y sin ingresos. Este gráfico puede ayudarnos a entender si estamos en tal situación o no. Para agregar esta métrica a nuestro tablero, creamos un campo calculado personalizado proporcionando la fórmula matemática para calcular la pérdida potencial de ingresos y luego lo visualizamos como otro gráfico de anillos.

1. En Añada menú, seleccione Agregar campo calculado.

2. Asigne un nombre al campo Cargos totales.
3. Ingrese la fórmula {Cargo de día}+{Cargo de víspera}+{Cargo internacional}+{Cargo de noche}.
4. Elige Guardar.

5. En Añada menú, seleccione Añadir visual.

6. under Tipos visuales, elija el icono del gráfico de anillos.
7. under Lista de camposarrastrar ¿Batir? a Grupo / Color.
8. Arrastre (Resistencia) Cargos totales a Valor.
9. En Valor menú, seleccione Mostrar como y elige Moneda.
10. Elija el ícono de lápiz para personalizar otros efectos visuales (eliminar leyenda, agregar valores, cambiar el tamaño de fuente).

En este momento, nuestro tablero tiene dos visualizaciones.

Ya podemos observar que en total podríamos perder 18% (270) clientes, lo que equivale a 24% ($6,280) en ingresos. Exploremos más a fondo analizando la posible pérdida de ingresos a nivel estatal.

Posible pérdida de ingresos por estado

Para visualizar la posible pérdida de ingresos por estado, agreguemos un gráfico de barras horizontales.

1. En Añada menú, seleccione Añadir visual.

2. under Tipos visuales¸ elija el icono del gráfico de barras horizontales.
3. under Lista de camposarrastrar ¿Batir? a Grupo / Color.
4. Arrastre (Resistencia) Cargos totales a Valor.
5. En Valor menú, seleccione Mostrar como y Moneda.
6. Arrastre (Resistencia) Etapa a Eje Y.
7. Elija el ícono de lápiz para personalizar otros efectos visuales (eliminar leyenda, agregar valores, cambiar el tamaño de fuente).

8. También podemos ordenar nuestra nueva imagen eligiendo Cargos totales en la parte inferior y eligiendo descendente.

Esta imagen podría ayudarnos a comprender qué estado es el más importante desde la perspectiva de una campaña de marketing. Por ejemplo, en Hawái, podríamos perder potencialmente la mitad de nuestros ingresos ($253,000 10), mientras que en Washington, este valor es inferior al 52,000 % ($XNUMX XNUMX). También podemos ver que en Arizona corremos el riesgo de perder casi todos los clientes.

Detalles sobre los clientes en riesgo de abandono

Construyamos una tabla con detalles sobre los clientes en riesgo de abandono.

1. En Añada menú, seleccione Añadir visual.

2. under Tipos visuales, elija el icono de la tabla.
3. under Listas de camposarrastrar Teléfono, Estado, Plan Internacional, Plan de correo electrónico, ¿Batir?y Longitud de la cuenta a Agrupar por.
4. Arrastre (Resistencia) probabilidades a Valor.
5. En Valor menú, seleccione Mostrar como y Por ciento.

Personaliza tu panel

QuickSight ofrece varias opciones para personalizar su tablero, como las siguientes.

1. Para agregar un nombre, en la Añada menú, seleccione Añadir título.

2. Ingrese un título (para esta publicación, cambiamos el nombre de nuestro tablero Análisis de rotación).

3. Para cambiar el tamaño de sus imágenes, elija la esquina inferior derecha del gráfico y arrastre hasta el tamaño deseado.
4. Para mover un objeto visual, elija el centro superior del gráfico y arrástrelo a una nueva ubicación.
5. Para cambiar el tema, elija Temas en el panel de navegación.
6. Elija su nuevo tema (por ejemplo, Mística), y elige Aplicá.

Publica tu tablero

Un tablero es una instantánea de solo lectura de un análisis que puede compartir con otros usuarios de QuickSight para generar informes. Su tablero conserva la configuración del análisis en el momento en que lo publica, incluidos aspectos como el filtrado, los parámetros, los controles y el orden de clasificación. Los datos utilizados para el análisis no se capturan como parte del tablero. Cuando ve el tablero, refleja los datos actuales en los conjuntos de datos utilizados por el análisis.

Para publicar su tablero, complete los siguientes pasos:

1. En Compartir menú, seleccione Publicar panel de control.

2. Ingrese un nombre para su tablero.
3. Elige Publicar panel de control.

Enhorabuena, ha creado correctamente un panel de análisis de abandono.

Actualiza tu tablero con una nueva predicción

A medida que el modelo evoluciona y generamos nuevos datos del negocio, es posible que debamos actualizar este tablero con nueva información. Complete los siguientes pasos:

1. Crear un nuevo archivo churn-no-labels-updated.csv seleccionando aleatoriamente otras 1,500 líneas del conjunto de datos original abandono.csv y eliminando el Churn? columna.

Usamos este nuevo conjunto de datos para generar nuevas predicciones.

2. Repita los pasos desde el Usar el modelo de abandono de clientes de esta publicación para obtener predicciones para el nuevo conjunto de datos y descargar el nuevo archivo.
3. En la consola de QuickSight, elija Conjuntos de datos en el panel de navegación.
4. Elija el conjunto de datos que creamos.

5. Elige Editar conjunto de datos.

6. En el menú desplegable, elija Actualizar archivo.

7. Elige Subir archivos.

8. Elija el archivo descargado recientemente con las predicciones.
9. Revise la vista previa, luego elija Confirmar actualización de archivo.

Después de que aparezca el mensaje "Archivo actualizado con éxito", podemos ver que el nombre del archivo también ha cambiado.

10. Elige Guardar y publicar.

11. Cuando aparezca el mensaje "Guardado y publicado con éxito", puede volver al menú principal eligiendo el logotipo de QuickSight en la esquina superior izquierda.

12. Elige Cuadros de mando en el panel de navegación y elija el tablero que creamos antes.

Debería ver su tablero con los valores actualizados.

Acabamos de actualizar nuestro tablero QuickSight con las predicciones más recientes de Canvas.

Limpiar

Para evitar futuros cargos, cerrar sesión en Canvas.

Conclusión

En esta publicación, usamos un modelo ML de Canvas para predecir el riesgo de abandono de los clientes y construimos un tablero con visualizaciones perspicaces para ayudarnos a tomar decisiones comerciales basadas en datos. Lo hicimos sin escribir una sola línea de código gracias a las interfaces fáciles de usar y las visualizaciones claras. Esto permite a los analistas comerciales ser ágiles en la creación de modelos ML y realizar análisis y extraer información con total autonomía de los equipos de ciencia de datos.

Para obtener más información sobre el uso de Canvas, consulte Cree, comparta, implemente: cómo los analistas de negocios y los científicos de datos logran un tiempo de comercialización más rápido utilizando ML sin código y Amazon SageMaker Canvas. Para obtener más información sobre la creación de modelos ML con una solución sin código, consulte Anuncio de Amazon SageMaker Canvas: una capacidad de aprendizaje automático visual y sin código para analistas de negocios. Para obtener más información sobre las últimas funciones y prácticas recomendadas de QuickSight, consulte Blog de grandes datos de AWS.

---

Sobre la autora

Aleksandr Pátrushev es Arquitecto de Soluciones Especializado en IA/ML en AWS, con sede en Luxemburgo. Le apasiona la nube y el aprendizaje automático, y la forma en que podrían cambiar el mundo. Fuera del trabajo, disfruta del senderismo, los deportes y pasar tiempo con su familia.

david gallitelli es Arquitecto de Soluciones Especializado en IA/ML en la región EMEA. Tiene su sede en Bruselas y trabaja en estrecha colaboración con los clientes en todo el Benelux. Ha sido desarrollador desde que era muy joven, comenzó a programar a la edad de 7 años. Comenzó a aprender AI/ML en la universidad y se enamoró de él desde entonces.