Consenti un processo decisionale intelligente con Amazon SageMaker Canvas e Amazon QuickSight

Ogni azienda, indipendentemente dalle sue dimensioni, desidera fornire i migliori prodotti e servizi ai propri clienti. Per raggiungere questo obiettivo, le aziende vogliono comprendere le tendenze del settore e il comportamento dei clienti e ottimizzare i processi interni e le analisi dei dati su base regolare. Questa è una componente cruciale del successo di un'azienda.

Una parte molto importante del ruolo di analista include la visualizzazione delle metriche aziendali (come i ricavi delle vendite) e la previsione di eventi futuri (come l'aumento della domanda) per prendere decisioni aziendali basate sui dati. Per affrontare questa prima sfida, puoi usare Amazon QuickSight, un servizio di business intelligence (BI) su scala cloud che fornisce informazioni di facile comprensione e offre ai responsabili delle decisioni l'opportunità di esplorare e interpretare le informazioni in un ambiente visivo interattivo. Per la seconda attività, puoi usare Tela di Amazon SageMaker, un servizio cloud che amplia l'accesso al machine learning (ML) fornendo agli analisti aziendali un'interfaccia visiva point-and-click che consente di generare autonomamente previsioni di machine learning accurate.

Quando esaminano queste metriche, gli analisti aziendali spesso identificano i modelli nel comportamento dei clienti, al fine di determinare se l'azienda rischia di perdere il cliente. Questo problema è chiamato fidelizzazione dei clientie i modelli ML hanno una comprovata esperienza nella previsione di tali clienti con elevata precisione (per un esempio, vedere Le soluzioni AI di Elula aiutano le banche a migliorare la fidelizzazione dei clienti).

La creazione di modelli ML può essere un processo complicato perché richiede un team di esperti per gestire la preparazione dei dati e l'addestramento del modello ML. Tuttavia, con Canvas, puoi farlo senza alcuna conoscenza speciale e con zero righe di codice. Per ulteriori informazioni, controlla Prevedi l'abbandono dei clienti con il machine learning senza codice utilizzando Amazon SageMaker Canvas.

In questo post, ti mostriamo come visualizzare le previsioni generate da Canvas in una dashboard QuickSight, consentendo un processo decisionale intelligente tramite ML.

Panoramica della soluzione

Nella posta Prevedi l'abbandono dei clienti con il machine learning senza codice utilizzando Amazon SageMaker Canvas, abbiamo assunto il ruolo di analista aziendale nel reparto marketing di un operatore di telefonia mobile e abbiamo creato con successo un modello ML per identificare i clienti con potenziale rischio di abbandono. Grazie alle previsioni generate dal nostro modello, ora vogliamo fare un'analisi di un potenziale risultato finanziario per prendere decisioni aziendali basate sui dati sulle potenziali promozioni per questi clienti e regioni.

L'architettura che ci aiuterà a raggiungere questo obiettivo è mostrata nel diagramma seguente.

I passaggi del flusso di lavoro sono i seguenti:

1. Carica un nuovo set di dati con l'attuale popolazione di clienti in Canvas.
2. Esegui una previsione batch e scarica i risultati.
3. Carica i file in QuickSight per creare o aggiornare le visualizzazioni.

È possibile eseguire questi passaggi in Canvas senza scrivere una singola riga di codice. Per l'elenco completo delle origini dati supportate, fare riferimento a Importazione dei dati in Amazon SageMaker Canvas.

Prerequisiti

Per questa procedura dettagliata, assicurati che siano soddisfatti i seguenti prerequisiti:

Usa il modello di abbandono del cliente

Dopo aver completato i prerequisiti, dovresti disporre di un modello addestrato sui dati storici in Canvas, pronto per essere utilizzato con i nuovi dati dei clienti per prevedere l'abbandono dei clienti, che puoi quindi utilizzare in QuickSight.

1. Crea un nuovo file churn-no-labels.csv selezionando casualmente 1,500 righe dal set di dati originale abbandono.csv e rimuovendo il Churn? colonna.

Utilizziamo questo nuovo set di dati per generare previsioni.

Completiamo i passaggi successivi in ​​Canvas. Puoi aprire Canvas tramite il Console di gestione AWSo tramite l'applicazione SSO fornita dall'amministratore cloud. Se non sei sicuro di come accedere a Canvas, fai riferimento a Iniziare con l'utilizzo di Amazon SageMaker Canvas.

2. Nella console Canvas, scegli Dataset nel pannello di navigazione.
3. Scegli Importare.

4. Scegli Caricare e scegliere il churn-no-labels.csv file che hai creato.
5. Scegli Importa le date.

Il tempo del processo di importazione dei dati dipende dalla dimensione del file. Nel nostro caso, dovrebbe essere di circa 10 secondi. Quando è completo, possiamo vedere che il set di dati è in Ready stato.

6. Per visualizzare in anteprima le prime 100 righe del set di dati, scegli il menu delle opzioni (tre punti) e scegli Anteprima.

7. Scegli Modelli nel riquadro di navigazione, quindi scegli il modello di abbandono che hai creato come parte dei prerequisiti.

8. Sulla Prevedere scheda, scegliere Seleziona dataset.

9. Seleziona il churn-no-labels.csv set di dati, quindi scegli Genera previsioni.

Il tempo di inferenza dipende dalla complessità del modello e dalla dimensione del set di dati; nel nostro caso, ci vogliono circa 10 secondi. Quando il lavoro è terminato, cambia il suo stato in Pronto e possiamo scaricare i risultati.

10. Scegli il menu delle opzioni (tre punti), Scaricaree Scarica tutti i valori.

Opzionalmente, possiamo dare una rapida occhiata ai risultati scegliendo Anteprima. Le prime due colonne sono previsioni del modello.

Abbiamo utilizzato con successo il nostro modello per prevedere il rischio di abbandono per la nostra attuale popolazione di clienti. Ora siamo pronti per visualizzare le metriche aziendali in base alle nostre previsioni.

Importa i dati in QuickSight

Come discusso in precedenza, gli analisti aziendali richiedono la visualizzazione delle previsioni insieme alle metriche aziendali per prendere decisioni aziendali basate sui dati. A tale scopo, utilizziamo QuickSight, che fornisce approfondimenti di facile comprensione e offre ai responsabili delle decisioni l'opportunità di esplorare e interpretare le informazioni in un ambiente visivo interattivo. Con QuickSight, possiamo creare visualizzazioni come grafici e diagrammi in pochi secondi con una semplice interfaccia drag-and-drop. In questo post, creiamo diverse visualizzazioni per comprendere meglio i rischi aziendali e come gestirli, ad esempio dove lanciare nuove campagne di marketing.

Per iniziare, completare i seguenti passi:

1. Sulla console QuickSight, selezionare Dataset nel pannello di navigazione.
2. Scegli Nuovo set di dati.

QuickSight supporta molte origini dati. In questo post, utilizziamo un file locale, quello che abbiamo generato in precedenza in Canvas, come dati di origine.

3. Scegli Caricare un file.

4. Scegli il file scaricato di recente con le previsioni.

QuickSight carica e analizza il file.

5. Verifica che tutto sia come previsto nell'anteprima, quindi scegli Avanti.

6. Scegli Visualizzare.

I dati sono ora importati correttamente e siamo pronti per analizzarli.

Crea una dashboard con le metriche aziendali delle previsioni di abbandono

È il momento di analizzare i nostri dati e creare una dashboard chiara e di facile utilizzo che riepiloghi tutte le informazioni necessarie per le decisioni aziendali basate sui dati. Questo tipo di dashboard è uno strumento importante nell'arsenale di un analista aziendale.

Di seguito è riportato un esempio di dashboard che può aiutare a identificare e agire sul rischio di abbandono dei clienti.

In questa dashboard, visualizziamo diverse importanti metriche aziendali:

• È probabile che i clienti cambino – Il grafico ad anello di sinistra rappresenta il numero e la percentuale di utenti con un rischio di abbandono superiore al 50%. Questo grafico ci aiuta a capire rapidamente la dimensione di un potenziale problema.
• Potenziale perdita di entrate – Il grafico ad anello centrale in alto rappresenta l'importo della perdita di entrate degli utenti oltre il 50% di rischio di abbandono. Questo grafico ci aiuta a capire rapidamente l'entità della potenziale perdita di entrate dovuta all'abbandono. Il grafico mostra anche che potremmo perdere diversi clienti al di sopra della media in quanto una percentuale delle potenziali entrate perse è maggiore della percentuale di utenti a rischio di abbandono.
• Potenziale perdita di entrate da parte dello stato – Il grafico a barre orizzontale in alto a destra rappresenta la dimensione delle entrate perse rispetto alle entrate dei clienti che non sono a rischio di abbandono. Questa immagine potrebbe aiutarci a capire quale stato è il più importante per noi dal punto di vista della campagna di marketing.
• Dettagli sui clienti a rischio di abbandono – La tabella in basso a sinistra contiene i dettagli su tutti i nostri clienti. Questa tabella potrebbe essere utile se vogliamo esaminare rapidamente i dettagli di diversi clienti con e senza rischio di abbandono.

È probabile che i clienti cambino

Iniziamo costruendo un grafico con i clienti a rischio di abbandono.

1. Sotto Elenco dei campi, scegli il Zangola? attributo.

QuickSight crea automaticamente una visualizzazione.

Sebbene il grafico a barre sia una visualizzazione comune per comprendere la distribuzione dei dati, preferiamo utilizzare un grafico ad anello. Possiamo cambiare questa visuale cambiando le sue proprietà.

2. Scegli l'icona del grafico a ciambella sotto Tipi visivi.
3. Scegli il nome corrente (doppio clic) e cambialo in È probabile che i clienti cambino.

4. Per personalizzare altri effetti visivi (rimuovere legenda, aggiungere valori, modificare la dimensione del carattere), scegli l'icona a forma di matita e apporta le modifiche.

Come mostrato nello screenshot seguente, abbiamo aumentato l'area della ciambella e aggiunto alcune informazioni extra nelle etichette.

Potenziale perdita di entrate

Un'altra metrica importante da considerare quando si calcola l'impatto sul business dell'abbandono dei clienti è la potenziale perdita di entrate. Questa è una metrica importante perché ci aiuta a comprendere l'impatto sul business dei clienti non a rischio di abbandono. Nel settore delle telecomunicazioni, ad esempio, potremmo avere molti clienti inattivi che hanno un alto rischio di abbandono e ma zero entrate. Questo grafico può aiutarci a capire se ci troviamo in una situazione del genere o meno. Per aggiungere questa metrica alla nostra dashboard, creiamo un campo calcolato personalizzato fornendo la formula matematica per calcolare la potenziale perdita di entrate, quindi lo visualizziamo come un altro grafico ad anello.

1. Sulla Aggiungi menù, scegliere Aggiungi campo calcolato.

2. Assegna un nome al campo Spese totali.
3. Inserisci la formula {Addebito giornaliero}+{Addebito vigilia}+{Addebito internazionale}+{Addebito notturno}.
4. Scegli Risparmi.

5. Sulla Aggiungi menù, scegliere Aggiungi visivo.

6. Sotto Tipi visivi, scegli l'icona del grafico ad anello.
7. Sotto Elenco dei campi, trascinare Zangola? a Gruppo / Colore.
8. Trascinare Spese totali a Valore.
9. Sulla Valore menù, scegliere Mostra come e scegli Valuta.
10. Scegli l'icona a forma di matita per personalizzare altri effetti visivi (rimuovi legenda, aggiungi valori, cambia dimensione carattere).

In questo momento, la nostra dashboard ha due visualizzazioni.

Possiamo già osservare che in totale potremmo perdere il 18% (270) clienti, che equivale al 24% ($ 6,280) di entrate. Esploriamo ulteriormente analizzando la potenziale perdita di entrate a livello statale.

Potenziale perdita di entrate da parte dello stato

Per visualizzare la potenziale perdita di entrate per stato, aggiungiamo un grafico a barre orizzontale.

1. Sulla Aggiungi menù, scegliere Aggiungi visivo.

2. Sotto Tipi visivi¸ scegli l'icona del grafico a barre orizzontale.
3. Sotto Elenco dei campilagna Zangola? a Gruppo / Colore.
4. Trascinare Spese totali a Valore.
5. Sulla Valore menù, scegliere Mostra come ed Valuta.
6. Trascinare Stage a asse Y Y.
7. Scegli l'icona a forma di matita per personalizzare altri effetti visivi (rimuovi legenda, aggiungi valori, cambia dimensione carattere).

8. Possiamo anche ordinare la nostra nuova visuale scegliendo Spese totali in fondo e scegliendo Discendente.

Questa immagine potrebbe aiutarci a capire quale stato è il più importante dal punto di vista della campagna di marketing. Ad esempio, alle Hawaii potremmo potenzialmente perdere metà delle nostre entrate ($ 253,000) mentre a Washington questo valore è inferiore al 10% ($ 52,000). Possiamo anche vedere che in Arizona rischiamo di perdere quasi tutti i clienti.

Dettagli sui clienti a rischio di abbandono

Costruiamo una tabella con i dettagli sui clienti a rischio di abbandono.

1. Sulla Aggiungi menù, scegliere Aggiungi visivo.

2. Sotto Tipi visivi, scegli l'icona della tabella.
3. Sotto Elenchi di campi, trascinare Telefono , Regione / Stato, Piano Internazionale, Piano Vmail, Zangola?e Lunghezza del conto a Raggruppa per.
4. Trascinare probabilità a Valore.
5. Sulla Valore menù, scegliere Mostra come ed Per cento.

Personalizza la tua dashboard

QuickSight offre diverse opzioni per personalizzare la dashboard, come le seguenti.

1. Per aggiungere un nome, sul Aggiungi menù, scegliere Aggiungi titolo.

2. Inserisci un titolo (per questo post, rinominiamo la nostra dashboard Analisi di zangola).

3. Per ridimensionare le immagini, scegli l'angolo in basso a destra del grafico e trascina fino alla dimensione desiderata.
4. Per spostare un oggetto visivo, scegli il centro superiore del grafico e trascinalo in una nuova posizione.
5. Per cambiare il tema, selezionare Temi nel pannello di navigazione.
6. Scegli il tuo nuovo tema (ad esempio, Mezzanotte) e scegli APPLICA.

Pubblica la tua dashboard

Un dashboard è un'istantanea di sola lettura di un'analisi che puoi condividere con altri utenti QuickSight a scopo di reporting. La dashboard conserva la configurazione dell'analisi al momento della pubblicazione, inclusi elementi come filtri, parametri, controlli e ordinamento. I dati utilizzati per l'analisi non vengono acquisiti come parte del dashboard. Quando si visualizza il dashboard, riflette i dati correnti nei set di dati utilizzati dall'analisi.

Per pubblicare la dashboard, completare i seguenti passi:

1. Sulla Condividi menù, scegliere Pubblica dashboard.

2. Inserisci un nome per la tua dashboard.
3. Scegli Pubblica dashboard.

Congratulazioni, hai creato con successo un dashboard di analisi dell'abbandono.

Aggiorna la tua dashboard con una nuova previsione

Man mano che il modello si evolve e generiamo nuovi dati dall'azienda, potrebbe essere necessario aggiornare questo dashboard con nuove informazioni. Completa i seguenti passaggi:

1. Crea un nuovo file churn-no-labels-updated.csv selezionando casualmente altre 1,500 righe dal set di dati originale abbandono.csv e rimuovendo il Churn? colonna.

Utilizziamo questo nuovo set di dati per generare nuove previsioni.

2. Ripetere i passaggi dal Usa il modello di abbandono del cliente sezione di questo post per ottenere previsioni per il nuovo set di dati e scaricare il nuovo file.
3. Sulla console QuickSight, selezionare Dataset nel pannello di navigazione.
4. Scegli il set di dati che abbiamo creato.

5. Scegli Modifica set di dati.

6. Nel menu a discesa, scegli Aggiorna file.

7. Scegli Carica un file.

8. Scegli il file scaricato di recente con le previsioni.
9. Rivedi l'anteprima, quindi scegli Conferma aggiornamento file.

Dopo che viene visualizzato il messaggio "File aggiornato correttamente", possiamo vedere che anche il nome del file è cambiato.

10. Scegli Salva e pubblica.

11. Quando viene visualizzato il messaggio "Salvato e pubblicato correttamente", puoi tornare al menu principale scegliendo il logo QuickSight nell'angolo in alto a sinistra.

12. Scegli Cruscotti nel pannello di navigazione e scegli la dashboard che abbiamo creato in precedenza.

Dovresti vedere la tua dashboard con i valori aggiornati.

Abbiamo appena aggiornato la nostra dashboard QuickSight con le previsioni più recenti di Canvas.

ripulire

Per evitare addebiti futuri, disconnettersi da Canvas.

Conclusione

In questo post, abbiamo utilizzato un modello ML di Canvas per prevedere i clienti a rischio di abbandono e abbiamo creato un dashboard con visualizzazioni approfondite per aiutarci a prendere decisioni aziendali basate sui dati. Lo abbiamo fatto senza scrivere una sola riga di codice grazie a interfacce intuitive e visualizzazioni chiare. Ciò consente agli analisti aziendali di essere agili nella creazione di modelli ML ed eseguire analisi ed estrarre informazioni dettagliate in completa autonomia dai team di data science.

Per ulteriori informazioni sull'utilizzo di Canvas, vedere Build, Share, Deploy: in che modo analisti aziendali e data scientist ottengono un time-to-market più rapido utilizzando ML senza codice e Amazon SageMaker Canvas. Per ulteriori informazioni sulla creazione di modelli ML con una soluzione senza codice, vedere Annuncio di Amazon SageMaker Canvas: una funzionalità visiva e senza codice di machine learning per analisti aziendali. Per ulteriori informazioni sulle ultime funzionalità e best practice di QuickSight, vedere Blog sui Big Data di AWS.

---

L'autore

Alessandro Patrushev è AI/ML Specialist Solutions Architect presso AWS, con sede in Lussemburgo. È appassionato del cloud e dell'apprendimento automatico e del modo in cui potrebbero cambiare il mondo. Al di fuori del lavoro, gli piace fare escursioni, fare sport e passare il tempo con la sua famiglia.

Davide Gallitelli è uno Specialist Solutions Architect per AI/ML nella regione EMEA. Ha sede a Bruxelles e lavora a stretto contatto con i clienti in tutto il Benelux. È uno sviluppatore sin da quando era molto giovane, iniziando a programmare all'età di 7 anni. Ha iniziato a studiare AI/ML all'università e da allora se ne è innamorato.