Permettre une prise de décision intelligente avec Amazon SageMaker Canvas et Amazon QuickSight

Chaque entreprise, quelle que soit sa taille, souhaite offrir les meilleurs produits et services à ses clients. Pour y parvenir, les entreprises souhaitent comprendre les tendances du secteur et le comportement des clients, et optimiser les processus internes et les analyses de données de manière régulière. C'est un élément crucial du succès d'une entreprise.

Une partie très importante du rôle d'analyste comprend la visualisation des mesures commerciales (comme le chiffre d'affaires) et la prédiction des événements futurs (comme l'augmentation de la demande) pour prendre des décisions commerciales basées sur les données. Pour aborder ce premier défi, vous pouvez utiliser Amazon QuickSight, un service de Business Intelligence (BI) à l'échelle du cloud qui fournit des informations faciles à comprendre et donne aux décideurs la possibilité d'explorer et d'interpréter les informations dans un environnement visuel interactif. Pour la deuxième tâche, vous pouvez utiliser Toile Amazon SageMaker, un service cloud qui élargit l'accès au machine learning (ML) en fournissant aux analystes commerciaux une interface visuelle pointer-cliquer qui vous permet de générer vous-même des prédictions ML précises.

En examinant ces mesures, les analystes commerciaux identifient souvent des modèles de comportement des clients, afin de déterminer si l'entreprise risque de perdre le client. Ce problème s'appelle baratte de client, et les modèles de ML ont fait leurs preuves dans la prédiction de ces clients avec une grande précision (pour un exemple, voir Les solutions d'intelligence artificielle d'Elula aident les banques à fidéliser leurs clients).

La création de modèles ML peut être un processus délicat, car elle nécessite une équipe d'experts pour gérer la préparation des données et la formation des modèles ML. Cependant, avec Canvas, vous pouvez le faire sans aucune connaissance particulière et sans aucune ligne de code. Pour plus d'informations, consultez Prévoyez l'attrition des clients grâce à l'apprentissage automatique sans code à l'aide d'Amazon SageMaker Canvas.

Dans cet article, nous vous montrons comment visualiser les prédictions générées à partir de Canvas dans un tableau de bord QuickSight, permettant une prise de décision intelligente via ML.

Présentation de la solution

Dans la poste Prévoyez l'attrition des clients grâce à l'apprentissage automatique sans code à l'aide d'Amazon SageMaker Canvas, nous avons assumé le rôle d'analyste commercial dans le service marketing d'un opérateur de téléphonie mobile, et nous avons créé avec succès un modèle ML pour identifier les clients présentant un risque potentiel de désabonnement. Grâce aux prédictions générées par notre modèle, nous souhaitons maintenant analyser un résultat financier potentiel afin de prendre des décisions commerciales basées sur des données concernant les promotions potentielles pour ces clients et ces régions.

L'architecture qui nous aidera à atteindre cet objectif est illustrée dans le schéma suivant.

Les étapes du flux de travail sont les suivantes :

1. Téléchargez un nouvel ensemble de données avec la population actuelle de clients dans Canvas.
2. Exécutez une prédiction par lot et téléchargez les résultats.
3. Téléchargez les fichiers dans QuickSight pour créer ou mettre à jour des visualisations.

Vous pouvez effectuer ces étapes dans Canvas sans écrire une seule ligne de code. Pour la liste complète des sources de données prises en charge, reportez-vous à Importation de données dans Amazon SageMaker Canvas.

Pré-requis

Pour cette procédure pas à pas, assurez-vous que les conditions préalables suivantes sont remplies :

Utiliser le modèle de désabonnement client

Une fois les conditions préalables remplies, vous devez disposer d'un modèle formé sur les données historiques dans Canvas, prêt à être utilisé avec de nouvelles données client pour prédire l'attrition des clients, que vous pouvez ensuite utiliser dans QuickSight.

1. Créer un nouveau fichier churn-no-labels.csv en sélectionnant au hasard 1,500 XNUMX lignes de l'ensemble de données d'origine désabonnement.csv et enlever le Churn? colonne.

Nous utilisons ce nouvel ensemble de données pour générer des prédictions.

Nous terminons les étapes suivantes dans Canvas. Vous pouvez ouvrir Canvas via le Console de gestion AWS, ou via l'application SSO fournie par votre administrateur cloud. Si vous ne savez pas comment accéder à Canvas, reportez-vous à Premiers pas avec Amazon SageMaker Canvas.

2. Sur la console Canvas, choisissez Jeux de données dans le volet de navigation.
3. Selectionnez L’.

4. Selectionnez Téléchargement Et choisissez le churn-no-labels.csv fichier que vous avez créé.
5. Selectionnez Importer des dates.

La durée du processus d'importation des données dépend de la taille du fichier. Dans notre cas, il devrait être d'environ 10 secondes. Lorsqu'il est terminé, nous pouvons voir que l'ensemble de données est dans Ready état.

6. Pour prévisualiser les 100 premières lignes du jeu de données, choisissez le menu des options (trois points) et choisissez Aperçu.

7. Selectionnez Des modèles photo dans le volet de navigation, puis choisissez le modèle d'attrition que vous avez créé dans le cadre des prérequis.

8. Sur le Prédire onglet, choisissez Sélectionnez un jeu de données.

9. Sélectionnez le churn-no-labels.csv ensemble de données, puis choisissez Générer des prédictions.

Le temps d'inférence dépend de la complexité du modèle et de la taille de l'ensemble de données ; dans notre cas, cela prend environ 10 secondes. Lorsque le travail est terminé, il change son statut en Prêt et nous pouvons télécharger les résultats.

10. Choisissez le menu des options (trois points), Téléchargeret Télécharger toutes les valeurs.

En option, nous pouvons jeter un coup d'œil rapide aux résultats en choisissant Aperçu. Les deux premières colonnes sont des prédictions du modèle.

Nous avons utilisé avec succès notre modèle pour prédire le risque de désabonnement pour notre clientèle actuelle. Nous sommes maintenant prêts à visualiser les métriques commerciales basées sur nos prédictions.

Importer des données dans QuickSight

Comme nous l'avons vu précédemment, les analystes commerciaux ont besoin que les prédictions soient visualisées avec les métriques commerciales afin de prendre des décisions commerciales basées sur les données. Pour ce faire, nous utilisons QuickSight, qui fournit des informations faciles à comprendre et donne aux décideurs la possibilité d'explorer et d'interpréter les informations dans un environnement visuel interactif. Avec QuickSight, nous pouvons créer des visualisations comme des graphiques et des tableaux en quelques secondes avec une simple interface glisser-déposer. Dans cet article, nous construisons plusieurs visualisations pour mieux comprendre les risques commerciaux et comment nous pourrions les gérer, par exemple où nous devrions lancer de nouvelles campagnes marketing.

Pour commencer, procédez comme suit:

1. Sur la console QuickSight, choisissez Jeux de données dans le volet de navigation.
2. Selectionnez Nouveau jeu de données.

QuickSight prend en charge de nombreuses sources de données. Dans cet article, nous utilisons un fichier local, celui que nous avons précédemment généré dans Canvas, comme source de données.

3. Selectionnez Télécharger un fichier.

4. Choisissez le fichier récemment téléchargé avec les prédictions.

QuickSight télécharge et analyse le fichier.

5. Vérifiez que tout est comme prévu dans l'aperçu, puis choisissez Suivant.

6. Selectionnez Visualiser.

Les données sont maintenant importées avec succès et nous sommes prêts à les analyser.

Créer un tableau de bord avec des métriques commerciales de prédictions de désabonnement

Il est temps d'analyser nos données et de créer un tableau de bord clair et facile à utiliser qui récapitule toutes les informations nécessaires aux décisions commerciales basées sur les données. Ce type de tableau de bord est un outil important dans l'arsenal d'un analyste métier.

Voici un exemple de tableau de bord qui peut aider à identifier et à agir sur le risque de désabonnement des clients.

Sur ce tableau de bord, nous visualisons plusieurs métriques commerciales importantes :

• Clients susceptibles de se désabonner – Le graphique en anneau de gauche représente le nombre et le pourcentage d'utilisateurs à plus de 50 % de risque de désabonnement. Ce tableau nous aide à comprendre rapidement l'ampleur d'un problème potentiel.
• Perte de revenus potentielle - Le graphique en anneau supérieur du milieu représente le montant de la perte de revenus des utilisateurs de plus de 50% de risque de barattage. Ce graphique nous aide à comprendre rapidement l'ampleur de la perte de revenus potentielle due au désabonnement. Le graphique montre également que nous pourrions perdre plusieurs clients supérieurs à la moyenne, car le pourcentage de revenus potentiels perdus est supérieur au pourcentage d'utilisateurs à risque de désabonnement.
• Perte de revenus potentielle par État – Le graphique à barres horizontales en haut à droite représente la taille des revenus perdus par rapport aux revenus des clients qui ne risquent pas de se désabonner. Ce visuel pourrait nous aider à comprendre quel état est le plus important pour nous du point de vue d'une campagne marketing.
• Détails sur les clients à risque d'attrition – Le tableau en bas à gauche contient des détails sur tous nos clients. Ce tableau peut être utile si nous voulons consulter rapidement les détails de plusieurs clients avec et sans risque de désabonnement.

Clients susceptibles de se désabonner

Nous commençons par créer un tableau avec les clients à risque de désabonnement.

1. Sous Liste des champs, choisir la Baratte? attribuer.

QuickSight crée automatiquement une visualisation.

Bien que le diagramme à barres soit une visualisation courante pour comprendre la distribution des données, nous préférons utiliser un graphique en anneau. Nous pouvons modifier ce visuel en changeant ses propriétés.

2. Choisissez l'icône du graphique en anneau sous Types visuels.
3. Choisissez le nom actuel (double-clic) et changez-le en Clients susceptibles de se désabonner.

4. Pour personnaliser d'autres effets visuels (supprimer la légende, ajouter des valeurs, modifier la taille de la police), choisissez l'icône en forme de crayon et effectuez vos modifications.

Comme le montre la capture d'écran suivante, nous avons augmenté la surface du beignet et ajouté des informations supplémentaires dans les étiquettes.

Perte de revenus potentielle

Une autre mesure importante à prendre en compte lors du calcul de l'impact commercial du taux de désabonnement des clients est la perte de revenus potentielle. Il s'agit d'une mesure importante car elle nous aide à comprendre l'impact commercial des clients qui ne risquent pas de se désabonner. Dans l'industrie des télécommunications, par exemple, nous pourrions avoir de nombreux clients inactifs qui ont un risque élevé de désabonnement mais aucun revenu. Ce tableau peut nous aider à comprendre si nous sommes dans une telle situation ou non. Pour ajouter cette métrique à notre tableau de bord, nous créons un champ calculé personnalisé en fournissant la formule mathématique pour calculer la perte de revenus potentielle, puis nous la visualisons sous la forme d'un autre graphique en anneau.

1. Sur le Ajouter menu, choisissez Ajouter un champ calculé.

2. Nommez le champ Total charges.
3. Saisissez la formule {Day Charge}+{Eve Charge}+{Intl Charge}+{Night Charge}.
4. Selectionnez Épargnez.

5. Sur le Ajouter menu, choisissez Ajouter un visuel.

6. Sous Types visuels, choisissez l'icône de graphique en anneau.
7. Sous Liste des champs, traîne Baratte? à Groupe/Couleur.
8. Faites glisser Charges totales à Valeur.
9. Sur le Valeur menu, choisissez Montrer comme et choisissez Devise.
10. Choisissez l'icône en forme de crayon pour personnaliser d'autres effets visuels (supprimer la légende, ajouter des valeurs, modifier la taille de la police).

En ce moment, notre tableau de bord a deux visualisations.

Nous pouvons déjà observer qu'au total, nous pourrions perdre 18 % (270) clients, ce qui équivaut à 24 % (6,280 XNUMX $) de revenus. Explorons plus loin en analysant la perte de revenus potentielle au niveau de l'État.

Perte de revenus potentielle par État

Pour visualiser la perte de revenus potentielle par état, ajoutons un graphique à barres horizontales.

1. Sur le Ajouter menu, choisissez Ajouter un visuel.

2. Sous Types visuels¸ choisissez l'icône du graphique à barres horizontales.
3. Sous Liste des champsglisser Baratte? à Groupe/Couleur.
4. Faites glisser Charges totales à Valeur.
5. Sur le Valeur menu, choisissez Montrer comme ainsi que Devise.
6. Faites glisser Étape à Axe Y.
7. Choisissez l'icône en forme de crayon pour personnaliser d'autres effets visuels (supprimer la légende, ajouter des valeurs, modifier la taille de la police).

8. On peut aussi trier notre nouveau visuel en choisissant Charges totales en bas et en choisissant Descendant.

Ce visuel pourrait nous aider à comprendre quel état est le plus important du point de vue d'une campagne marketing. Par exemple, à Hawaï, nous pourrions potentiellement perdre la moitié de nos revenus (253,000 10 $) alors qu'à Washington, cette valeur est inférieure à 52,000 % (XNUMX XNUMX $). Nous pouvons également voir qu'en Arizona, nous risquons de perdre presque tous les clients.

Détails sur les clients à risque d'attrition

Construisons un tableau avec des détails sur les clients à risque d'attrition.

1. Sur le Ajouter menu, choisissez Ajouter un visuel.

2. Sous Types visuels, choisissez l'icône du tableau.
3. Sous Listes de champs, traîne Téléphone, Région, Plan international, Forfait Vmail, Baratte?et Durée du compte à Par groupe.
4. Faites glisser probabilité à Valeur.
5. Sur le Valeur menu, choisissez Montrer comme ainsi que Pour cent.

Personnalisez votre tableau de bord

QuickSight propose plusieurs options pour personnaliser votre tableau de bord, telles que les suivantes.

1. Pour ajouter un nom, sur le Ajouter menu, choisissez Ajouter un titre.

2. Entrez un titre (pour ce post, nous renommons notre tableau de bord Analyse du taux de désabonnement).

3. Pour redimensionner vos visuels, choisissez le coin inférieur droit du graphique et faites glisser jusqu'à la taille souhaitée.
4. Pour déplacer un visuel, choisissez le centre supérieur du graphique et faites-le glisser vers un nouvel emplacement.
5. Pour changer de thème, choisissez Themes dans le volet de navigation.
6. Choisissez votre nouveau thème (par exemple, Minuit), et choisissez Appliquer.

Publiez votre tableau de bord

Un tableau de bord est un instantané en lecture seule d'une analyse que vous pouvez partager avec d'autres utilisateurs de QuickSight à des fins de création de rapports. Votre tableau de bord conserve la configuration de l'analyse au moment où vous la publiez, y compris des éléments tels que le filtrage, les paramètres, les contrôles et l'ordre de tri. Les données utilisées pour l'analyse ne sont pas capturées dans le cadre du tableau de bord. Lorsque vous affichez le tableau de bord, il reflète les données actuelles dans les jeux de données utilisés par l'analyse.

Pour publier votre tableau de bord, procédez comme suit:

1. Sur le Partager menu, choisissez Publier le tableau de bord.

2. Entrez un nom pour votre tableau de bord.
3. Selectionnez Publier le tableau de bord.

Félicitations, vous avez créé avec succès un tableau de bord d'analyse de désabonnement.

Mettez à jour votre tableau de bord avec une nouvelle prédiction

Au fur et à mesure que le modèle évolue et que nous générons de nouvelles données à partir de l'entreprise, nous devrons peut-être mettre à jour ce tableau de bord avec de nouvelles informations. Effectuez les étapes suivantes :

1. Créer un nouveau fichier churn-no-labels-updated.csv en sélectionnant au hasard 1,500 XNUMX autres lignes de l'ensemble de données d'origine désabonnement.csv et enlever le Churn? colonne.

Nous utilisons ce nouvel ensemble de données pour générer de nouvelles prédictions.

2. Répétez les étapes de la Utiliser le modèle de désabonnement client section de cet article pour obtenir des prédictions pour le nouvel ensemble de données et télécharger le nouveau fichier.
3. Sur la console QuickSight, choisissez Jeux de données dans le volet de navigation.
4. Choisissez l'ensemble de données que nous avons créé.

5. Selectionnez Modifier l'ensemble de données.

6. Dans le menu déroulant, choisissez Fichier de mise à jour.

7. Selectionnez Envoyer le fichier.

8. Choisissez le fichier récemment téléchargé avec les prédictions.
9. Passez en revue l'aperçu, puis choisissez Confirmer la mise à jour du fichier.

Après l'apparition du message "Fichier mis à jour avec succès", nous pouvons voir que le nom du fichier a également changé.

10. Selectionnez Enregistrer et publier.

11. Lorsque le message "Enregistré et publié avec succès" apparaît, vous pouvez revenir au menu principal en choisissant le logo QuickSight dans le coin supérieur gauche.

12. Selectionnez Tableaux de bord dans le volet de navigation et choisissez le tableau de bord que nous avons créé auparavant.

Vous devriez voir votre tableau de bord avec les valeurs mises à jour.

Nous venons de mettre à jour notre tableau de bord QuickSight avec les prédictions les plus récentes de Canvas.

Nettoyer

Pour éviter des frais futurs, se déconnecter de Canvas.

Conclusion

Dans cet article, nous avons utilisé un modèle ML de Canvas pour prédire les clients à risque d'attrition et construit un tableau de bord avec des visualisations perspicaces pour nous aider à prendre des décisions commerciales basées sur les données. Nous l'avons fait sans écrire une seule ligne de code grâce à des interfaces conviviales et des visualisations claires. Cela permet aux analystes métier d'être agiles dans la construction de modèles ML, d'effectuer des analyses et d'extraire des informations en toute autonomie des équipes de science des données.

Pour en savoir plus sur l'utilisation de Canvas, consultez Construire, partager, déployer : comment les analystes commerciaux et les spécialistes des données accélèrent la mise sur le marché à l'aide de ML sans code et d'Amazon SageMaker Canvas. Pour plus d'informations sur la création de modèles de ML avec une solution sans code, consultez Présentation d'Amazon SageMaker Canvas, une capacité d'apprentissage automatique visuelle et sans code pour les analystes commerciaux. Pour en savoir plus sur les dernières fonctionnalités de QuickSight et les meilleures pratiques, consultez Blog AWS Big Data.

---

À propos de l’auteur

Alexandre Patrouchev est architecte de solutions spécialisées en IA/ML chez AWS, basé au Luxembourg. Il est passionné par le cloud et l'apprentissage automatique, et par la façon dont ils pourraient changer le monde. En dehors du travail, il aime faire de la randonnée, faire du sport et passer du temps avec sa famille.

David Gallitelli est un architecte de solutions spécialisé pour l'IA/ML dans la région EMEA. Il est basé à Bruxelles et travaille en étroite collaboration avec des clients dans tout le Benelux. Il est développeur depuis qu'il est très jeune et a commencé à coder à l'âge de 7 ans. Il a commencé à apprendre l'IA/ML à l'université et en est tombé amoureux depuis.