אפשר קבלת החלטות חכמה עם Amazon SageMaker Canvas ו-Amazon QuickSight

כל חברה, ללא קשר לגודלה, רוצה לספק את המוצרים והשירותים הטובים ביותר ללקוחותיה. כדי להשיג זאת, חברות רוצות להבין את המגמות בתעשייה והתנהגות הלקוחות, ולייעל תהליכים פנימיים וניתוח נתונים על בסיס שגרתי. זהו מרכיב מכריע בהצלחת החברה.

חלק מאוד בולט בתפקיד האנליסט כולל הדמיה של מדדים עסקיים (כמו הכנסות ממכירות) וחיזוי של אירועים עתידיים (כמו עלייה בביקוש) כדי לקבל החלטות עסקיות מונחות נתונים. כדי לגשת לאתגר הראשון הזה, אתה יכול להשתמש אמזון קוויקסייט, שירות בינה עסקית בקנה מידה ענן (BI) המספק תובנות קלות להבנה ונותן למקבלי החלטות הזדמנות לחקור ולפרש מידע בסביבה חזותית אינטראקטיבית. עבור המשימה השנייה, אתה יכול להשתמש אמזון SageMaker Canvas, שירות ענן המרחיב את הגישה ללמידת מכונה (ML) על ידי אספקת מנתחים עסקיים עם ממשק חזותי של הצבע והקלקה המאפשר לך ליצור תחזיות ML מדויקות בעצמך.

כאשר בוחנים את המדדים הללו, אנליסטים עסקיים מזהים פעמים רבות דפוסים בהתנהגות הלקוחות, על מנת לקבוע האם החברה מסתכנת לאבד את הלקוח. בעיה זו נקראת נטישה של לקוחות, ולמודלים של ML יש רקורד מוכח של חיזוי לקוחות כאלה בדיוק גבוה (לדוגמה, ראה פתרונות הבינה המלאכותית של אלולה עוזרים לבנקים לשפר את שימור הלקוחות).

בניית מודלים של ML יכולה להיות תהליך מסובך מכיוון שהוא דורש צוות מומחה לניהול הכנת הנתונים והדרכה של מודל ML. עם זאת, עם Canvas, אתה יכול לעשות זאת ללא כל ידע מיוחד ועם אפס שורות קוד. למידע נוסף, בדוק חזה נטישה של לקוחות עם למידת מכונה ללא קוד באמצעות Amazon SageMaker Canvas.

בפוסט זה, אנו מראים לך כיצד לדמיין את התחזיות שנוצרו מ-Canvas בלוח מחוונים של QuickSight, המאפשר קבלת החלטות חכמה באמצעות ML.

סקירה כללית של הפיתרון

בפוסט חזה נטישה של לקוחות עם למידת מכונה ללא קוד באמצעות Amazon SageMaker Canvas, קיבלנו את התפקיד של אנליסט עסקי במחלקת השיווק של מפעיל טלפונים סלולריים, ויצרנו בהצלחה מודל ML לזיהוי לקוחות עם סיכון פוטנציאלי לנטישה. הודות לתחזיות שנוצרו על ידי המודל שלנו, אנו רוצים כעת לבצע ניתוח של תוצאה פיננסית פוטנציאלית כדי לקבל החלטות עסקיות מונחות נתונים לגבי קידום מכירות פוטנציאלי עבור לקוחות ואזורים אלה.

הארכיטקטורה שתעזור לנו להשיג זאת מוצגת בתרשים הבא.

שלבי זרימת העבודה הם כדלקמן:

1. העלה מערך נתונים חדש עם אוכלוסיית הלקוחות הנוכחית לתוך Canvas.
2. הפעל חיזוי אצווה והורד את התוצאות.
3. העלה את הקבצים ל-QuickSight כדי ליצור או לעדכן הדמיות.

אתה יכול לבצע את השלבים האלה ב-Canvas מבלי לכתוב שורת קוד אחת. לרשימה המלאה של מקורות נתונים נתמכים, עיין ב ייבוא ​​נתונים באמזון SageMaker Canvas.

תנאים מוקדמים

להדרכה זו, ודא שמתקיימים התנאים המוקדמים הבאים:

השתמש במודל נטישת לקוחות

לאחר השלמת התנאים המוקדמים, אמור להיות לך מודל מאומן על נתונים היסטוריים ב-Canvas, מוכן לשימוש עם נתוני לקוחות חדשים כדי לחזות נטישה של לקוחות, שבו תוכל להשתמש ב-QuickSight.

1. צור קובץ חדש churn-no-labels.csv על ידי בחירה אקראית של 1,500 שורות ממערך הנתונים המקורי churn.csv והסרה Churn? עמודה.

אנו משתמשים במערך הנתונים החדש הזה כדי ליצור תחזיות.

אנו משלימים את השלבים הבאים ב-Canvas. אתה יכול לפתוח את Canvas דרך קונסולת הניהול של AWS, או באמצעות יישום SSO שסופק על ידי מנהל הענן שלך. אם אינך בטוח כיצד לגשת לקנבס, עיין ב התחלת השימוש ב- Amazon SageMaker Canvas.

2. במסוף Canvas, בחר מערכי נתונים בחלונית הניווט.
3. לבחור תבואו.

4. לבחור העלה ולבחור את churn-no-labels.csv קובץ שיצרת.
5. לבחור ייבא נתונים.

זמן תהליך ייבוא ​​הנתונים תלוי בגודל הקובץ. במקרה שלנו, זה צריך להיות בערך 10 שניות. כשזה יושלם, נוכל לראות את מערך הנתונים נמצא בפנים Ready מעמד.

6. לתצוגה מקדימה של 100 השורות הראשונות של מערך הנתונים, בחר בתפריט האפשרויות (שלוש נקודות) ובחר תצוגה מקדימה.

7. לבחור מודלים בחלונית הניווט, ולאחר מכן בחר את מודל הנטישה שיצרת כחלק מהדרישות המוקדמות.

8. על לחזות בחר, בחר בחר מערך נתונים.

9. בחר churn-no-labels.csv מערך נתונים ולאחר מכן בחר צור תחזיות.

זמן ההסקה תלוי במורכבות המודל ובגודל מערך הנתונים; במקרה שלנו, זה לוקח בערך 10 שניות. כאשר העבודה מסתיימת, היא משנה את הסטטוס שלה ל-Ready ונוכל להוריד את התוצאות.

10. בחר בתפריט האפשרויות (שלוש נקודות), הורדה, ו הורד את כל הערכים.

לחלופין, אנו יכולים להסתכל במהירות על התוצאות בבחירתך תצוגה מקדימה. שתי העמודות הראשונות הן תחזיות מהמודל.

השתמשנו בהצלחה במודל שלנו כדי לחזות סיכון נטישה עבור אוכלוסיית הלקוחות הנוכחית שלנו. עכשיו אנחנו מוכנים להמחיש מדדים עסקיים על סמך התחזיות שלנו.

ייבא נתונים ל-QuickSight

כפי שדיברנו בעבר, אנליסטים עסקיים דורשים להמחיש תחזיות יחד עם מדדים עסקיים על מנת לקבל החלטות עסקיות מונחות נתונים. לשם כך, אנו משתמשים ב-QuickSight, המספקת תובנות קלות להבנה ונותנת למקבלי החלטות הזדמנות לחקור ולפרש מידע בסביבה חזותית אינטראקטיבית. עם QuickSight, אנו יכולים לבנות הדמיות כמו גרפים ותרשימים תוך שניות עם ממשק פשוט של גרירה ושחרור. בפוסט זה, אנו בונים מספר הדמיות כדי להבין טוב יותר את הסיכונים העסקיים וכיצד נוכל לנהל אותם, כגון היכן עלינו להשיק קמפיינים שיווקיים חדשים.

כדי להתחיל, בצע את הצעדים הבאים:

1. במסוף QuickSight, בחר מערכי נתונים בחלונית הניווט.
2. לבחור מערך נתונים חדש.

QuickSight תומך במקורות נתונים רבים. בפוסט זה, אנו משתמשים בקובץ מקומי, זה שיצרנו בעבר ב-Canvas, כנתוני המקור שלנו.

3. לבחור לעלות קובץ.

4. בחר את הקובץ שהורד לאחרונה עם תחזיות.

QuickSight מעלה ומנתח את הקובץ.

5. בדוק שהכל כצפוי בתצוגה המקדימה, ואז בחר הַבָּא.

6. לבחור דמיין.

הנתונים יובאו כעת בהצלחה ואנחנו מוכנים לנתח אותם.

צור לוח מחוונים עם מדדים עסקיים של תחזיות נטישה

זה הזמן לנתח את הנתונים שלנו וליצור לוח מחוונים ברור וקל לשימוש שמסכם את כל המידע הדרוש להחלטות עסקיות מונחות נתונים. סוג זה של לוח מחוונים הוא כלי חשוב בארסנל של אנליסטים עסקיים.

להלן לוח מחוונים לדוגמה שיכול לעזור לזהות ולפעול בהתאם לסיכון של נטישת לקוחות.

בלוח המחוונים הזה, אנו מדמיינים מספר מדדים עסקיים חשובים:

• לקוחות צפויים להתנתק - טבלת הסופגניות השמאלית מייצגת את המספר והאחוז של משתמשים מעל 50% סיכון לחבץ. תרשים זה עוזר לנו להבין במהירות את גודלה של בעיה פוטנציאלית.
• אובדן הכנסות פוטנציאלי - טבלת הסופגניה האמצעית העליונה מייצגת את כמות אובדן ההכנסה ממשתמשים מעל 50% סיכון לחתוך. תרשים זה עוזר לנו להבין במהירות את גודל אובדן הכנסה פוטנציאלי כתוצאה מנטישה. התרשים גם מראה שאנחנו עלולים לאבד כמה לקוחות מעל הממוצע, כאחוז מההכנסות הפוטנציאליות שאבדו גדול מאחוז המשתמשים שנמצאים בסיכון לביטול.
• אובדן הכנסות פוטנציאלי לפי מדינה – תרשים העמודות האופקי הימני העליון מייצג את גודל ההכנסות שאבדו לעומת ההכנסות מלקוחות שאינם בסיכון לביטול. חזותית זו יכולה לעזור לנו להבין איזו מדינה היא החשובה ביותר עבורנו מנקודת מבט של קמפיין שיווקי.
• פרטים על לקוחות שנמצאים בסכנת נטישה – הטבלה השמאלית התחתונה מכילה פרטים על כל הלקוחות שלנו. טבלה זו יכולה להיות מועילה אם ברצוננו להסתכל במהירות על הפרטים של מספר לקוחות עם ובלי סיכון נטישה.

לקוחות צפויים להתנתק

אנחנו מתחילים בבניית תרשים עם לקוחות שנמצאים בסכנת נטישה.

1. תַחַת רשימת שדות, בחר את מַחבֵּצָה? תכונה.

QuickSight בונה אוטומטית הדמיה.

למרות שעלילת הבר היא הדמיה נפוצה להבנת הפצת נתונים, אנו מעדיפים להשתמש בתרשים סופגנייה. אנחנו יכולים לשנות את הוויזואלי הזה על ידי שינוי המאפיינים שלו.

2. בחר את סמל תרשים הסופגניות מתחת טיפוסים חזותיים.
3. בחר את השם הנוכחי (לחיצה כפולה) ושנה אותו ל לקוחות צפויים להתנתק.

4. כדי להתאים אישית אפקטים חזותיים אחרים (הסרת מקרא, הוספת ערכים, שינוי גודל גופן), בחר את סמל העיפרון ובצע את השינויים שלך.

כפי שמוצג בצילום המסך הבא, הגדלנו את שטח הסופגניה, כמו גם הוספנו מידע נוסף בתוויות.

אובדן הכנסות פוטנציאלי

מדד חשוב נוסף שיש לקחת בחשבון בעת ​​חישוב ההשפעה העסקית של נטישת לקוחות הוא אובדן הכנסות פוטנציאלי. זהו מדד חשוב מכיוון שהוא עוזר לנו להבין את ההשפעה העסקית מלקוחות שאינם בסיכון לנטישה. בתעשיית הטלקום, למשל, יכולים להיות לנו הרבה לקוחות לא פעילים שיש להם סיכון גבוה לנטישה אך אפס הכנסות. תרשים זה יכול לעזור לנו להבין אם אנחנו במצב כזה או לא. כדי להוסיף מדד זה ללוח המחוונים שלנו, אנו יוצרים שדה מחושב מותאם אישית על ידי מתן הנוסחה המתמטית לחישוב אובדן הכנסה פוטנציאלי, ולאחר מכן נדמיין אותו כתרשים סופגניה נוסף.

1. על להוסיף בתפריט, בחר הוסף שדה מחושב.

2. תן שם לשדה סך חיובים.
3. הזן את הנוסחה {חיוב יום}+{טעינה ערב}+{טעינה בינלאומית}+{חיוב לילה}.
4. לבחור שמור.

5. על להוסיף בתפריט, בחר הוסף ויזואלי.

6. תַחַת טיפוסים חזותיים, בחר בסמל תרשים סופגניות.
7. תַחַת רשימת שדות, גרור מַחבֵּצָה? ל קבוצה/צבע.
8. לגרור סך החיובים ל ערך.
9. על ערך בתפריט, בחר הצג בתור ולבחור מַטְבֵּעַ.
10. בחר את סמל העיפרון כדי להתאים אישית אפקטים חזותיים אחרים (הסר מקרא, הוסף ערכים, שנה גודל גופן).

ברגע זה, ללוח המחוונים שלנו יש שתי הדמיות.

אנחנו כבר יכולים לראות שבסך הכל אנחנו יכולים לאבד 18% (270) לקוחות, שהם 24% ($6,280) מהכנסות. בואו לחקור עוד על ידי ניתוח אובדן הכנסות פוטנציאלי ברמת המדינה.

אובדן הכנסות פוטנציאלי לפי מדינה

כדי לדמיין אובדן הכנסה פוטנציאלי לפי מדינה, בואו נוסיף גרף עמודות אופקי.

1. על להוסיף בתפריט, בחר הוסף ויזואלי.

2. תַחַת טיפוסים חזותיים¸ בחר בסמל תרשים עמודות אופקי.
3. תַחַת רשימת שדות¸ גרור מַחבֵּצָה? ל קבוצה/צבע.
4. לגרור סך החיובים ל ערך.
5. על ערך בתפריט, בחר הצג בתור ו מַטְבֵּעַ.
6. לגרור התמחות ל ציר Y.
7. בחר את סמל העיפרון כדי להתאים אישית אפקטים חזותיים אחרים (הסר מקרא, הוסף ערכים, שנה גודל גופן).

8. אנחנו יכולים גם למיין את הוויזואל החדש שלנו על ידי בחירה סך החיובים בתחתית ובחירה יורד.

חזותית זו יכולה לעזור לנו להבין איזו מדינה היא החשובה ביותר מנקודת מבט של מסע פרסום שיווקי. לדוגמה, בהוואי, אנו עלולים לאבד מחצית מההכנסות שלנו ($253,000) בעוד שבוושינגטון, ערך זה הוא פחות מ-10% ($52,000). אנחנו גם יכולים לראות שבאריזונה אנחנו מסתכנים באיבוד כמעט כל לקוח.

פרטים על לקוחות שנמצאים בסכנת נטישה

בואו נבנה טבלה עם פרטים על לקוחות שנמצאים בסיכון לנטישה.

1. על להוסיף בתפריט, בחר הוסף ויזואלי.

2. תַחַת טיפוסים חזותיים, בחר בסמל הטבלה.
3. תַחַת רשימות שדות, גרור טלפון, מדינה, תוכנית בינלאומית, תוכנית Vmail, מַחבֵּצָה?, ו אורך החשבון ל לפי קבוצה.
4. לגרור הסתברות ל ערך.
5. על ערך בתפריט, בחר הצג בתור ו אָחוּז.

התאם אישית את לוח המחוונים שלך

QuickSight מציעה מספר אפשרויות להתאמה אישית של לוח המחוונים שלך, כמו האפשרויות הבאות.

1. כדי להוסיף שם, על להוסיף בתפריט, בחר הוסף כותרת.

2. הזן כותרת (עבור פוסט זה, אנו משנים את שם לוח המחוונים שלנו ניתוח שקעים).

3. כדי לשנות את גודל התמונות החזותיות שלך, בחר בפינה השמאלית התחתונה של התרשים וגרור לגודל הרצוי.
4. כדי להזיז חזותי, בחר במרכז העליון של התרשים וגרור אותו למיקום חדש.
5. כדי לשנות את ערכת הנושא, בחר נושאים בחלונית הניווט.
6. בחר את העיצוב החדש שלך (לדוגמה, חצות), ובחר החל.

פרסם את לוח המחוונים שלך

לוח מחוונים הוא תמונת מצב לקריאה בלבד של ניתוח שאתה יכול לשתף עם משתמשי QuickSight אחרים למטרות דיווח. לוח המחוונים שלך שומר על תצורת הניתוח בזמן הפרסום שלו, כולל דברים כמו סינון, פרמטרים, פקדים וסדר מיון. הנתונים המשמשים לניתוח אינם נלכדים כחלק מלוח המחוונים. כאשר אתה מציג את לוח המחוונים, הוא משקף את הנתונים הנוכחיים במערך הנתונים המשמשים את הניתוח.

כדי לפרסם את לוח המחוונים שלך, בצע את השלבים הבאים:

1. על שיתוף בתפריט, בחר פרסם את לוח המחוונים.

2. הזן שם עבור לוח המחוונים שלך.
3. לבחור פרסם את לוח המחוונים.

מזל טוב, יצרת בהצלחה לוח מחוונים לניתוח נטישה.

עדכן את לוח המחוונים שלך עם תחזית חדשה

ככל שהמודל מתפתח ואנו מייצרים נתונים חדשים מהעסק, ייתכן שנצטרך לעדכן את לוח המחוונים הזה במידע חדש. השלם את השלבים הבאים:

1. צור קובץ חדש churn-no-labels-updated.csv על ידי בחירה אקראית של עוד 1,500 שורות ממערך הנתונים המקורי churn.csv והסרה Churn? עמודה.

אנו משתמשים במערך הנתונים החדש הזה כדי ליצור תחזיות חדשות.

2. חזור על השלבים מה- השתמש במודל נטישת לקוחות קטע של פוסט זה כדי לקבל תחזיות עבור מערך הנתונים החדש, ולהוריד את הקובץ החדש.
3. במסוף QuickSight, בחר מערכי נתונים בחלונית הניווט.
4. בחר את מערך הנתונים שיצרנו.

5. לבחור ערוך מערך נתונים.

6. בתפריט הנפתח בחר עדכן קובץ.

7. לבחור העלה קובץ.

8. בחר את הקובץ שהורד לאחרונה עם התחזיות.
9. סקור את התצוגה המקדימה ולאחר מכן בחר אשר את עדכון הקובץ.

לאחר הופעת ההודעה "הקובץ עודכן בהצלחה", אנו יכולים לראות שגם שם הקובץ השתנה.

10. לבחור שמור ופרסם.

11. כאשר ההודעה "שמור ופורסם בהצלחה" מופיעה, אתה יכול לחזור לתפריט הראשי על ידי בחירת הלוגו של QuickSight בפינה השמאלית העליונה.

12. לבחור לוחות מחוונים בחלונית הניווט ובחר את לוח המחוונים שיצרנו קודם.

אתה אמור לראות את לוח המחוונים שלך עם הערכים המעודכנים.

זה עתה עדכנו את לוח המחוונים QuickSight שלנו עם התחזיות העדכניות ביותר מ-Canvas.

לנקות את

כדי להימנע מחיובים עתידיים, התנתק מ-Canvas.

סיכום

בפוסט הזה, השתמשנו במודל ML מבית Canvas כדי לחזות לקוחות שנמצאים בסכנת נטייה, ובנינו לוח מחוונים עם הדמיות ויזואליזציות בעלות תובנות כדי לעזור לנו לקבל החלטות עסקיות מונחות נתונים. עשינו זאת מבלי לכתוב שורת קוד אחת הודות לממשקים ידידותיים למשתמש והדמיות ברורות. זה מאפשר לאנליסטים עסקיים להיות זריזים בבניית מודלים של ML, ולבצע ניתוחים ולחלץ תובנות באוטונומיה מלאה מצוותי מדעי הנתונים.

למידע נוסף על השימוש ב-Canvas, ראה בנה, שתף, פרוס: כיצד אנליסטים עסקיים ומדעני נתונים משיגים זמן הגעה מהיר יותר לשוק באמצעות ML ללא קוד ו-Amazon SageMaker Canvas. למידע נוסף על יצירת מודלים של ML עם פתרון ללא קוד, ראה הכריזה על אמזון SageMaker Canvas - יכולת למידת מכונה חזותית ללא קוד עבור אנליסטים עסקיים. למידע נוסף על התכונות העדכניות ביותר של QuickSight ושיטות עבודה מומלצות, ראה בלוג Big Data של AWS.

---

על המחבר

אלכסנדר פטרושב הוא אדריכל פתרונות AI/ML ב-AWS, שבסיסו בלוקסמבורג. הוא נלהב מהענן ולמידת מכונה, והדרך שבה הם יכולים לשנות את העולם. מחוץ לעבודה, הוא נהנה לטייל, ספורט ולבלות עם משפחתו.

דויד גליטלי הוא אדריכל פתרונות מומחה עבור AI/ML באזור EMEA. הוא מבוסס בבריסל ועובד בשיתוף פעולה הדוק עם לקוחות ברחבי בנלוקס. הוא מפתח מאז שהיה צעיר מאוד, התחיל לקוד בגיל 7. הוא התחיל ללמוד AI/ML באוניברסיטה, ומאז התאהב בזה.